Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Avez-vous déjà laissé un avis pour exprimer ce que vous pensez d’un produit ou d’un service ? Et avez-vous l’habitude de consulter les avis en ligne avant d’acheter ? Ce type d’information est précieux, pour vous comme pour les entreprises. Dans ce cours, vous allez apprendre à interpréter le sentiment exprimé dans différents documents. Vous utiliserez des jeux de données réels contenant des tweets, des critiques de films et de produits, ainsi que les bibliothèques nltk et scikit-learn de Python. À la fin du cours, vous serez capable de mener de bout en bout une analyse de sentiments à partir des messages publiés sur Twitter par des passagers des compagnies aériennes américaines.
Prérequis
Programme de formation
Plan du cours
1
Analyse de sentiments : notions et pratique
Avez-vous déjà consulté les avis ou les notes d’un produit ou d’un service avant de l’acheter ? Vous avez alors très probablement croisé l’analyse de sentiments. Dans ce chapitre, vous allez découvrir la structure de base d’un problème d’analyse de sentiments et commencer à explorer le sentiment de critiques de films.
- Bienvenue !50 XP
- Éléments d’un problème d’analyse de sentiments50 XP
- Combien d’avis positifs et négatifs y a-t-il ?100 XP
- Avis les plus longs et les plus courts100 XP
- Types et approches de l’analyse de sentiments50 XP
- Détecter le sentiment de A Tale of Two Cities100 XP
- Comparer le sentiment de deux chaînes100 XP
- Quel est le sentiment d’une critique de film ?100 XP
- Créons un nuage de mots !50 XP
- Votre première carte de mots100 XP
- Quels mots figurent dans le nuage de mots ?50 XP
- Nuage de mots sur des critiques de films100 XP
2
Caractéristiques numériques à partir des avis
Imaginez-vous à la place d’une entreprise qui propose une gamme de produits. Vous voulez savoir lesquels sont des best-sellers et surtout pourquoi. Nous entamons l’étape 1 pour comprendre les avis sur les produits, à l’aide d’un jeu de données d’avis Amazon. Pour cela, nous transformons le texte en une forme numérique et nous abordons quelques complexités au passage.
3
Aller plus loin avec les vecteurs numériques : transformer des tweets
Ce chapitre poursuit l’analyse des avis produits. Nous couvrirons des complexités supplémentaires, notamment lorsque l’on travaille avec des données d’analyse de sentiments issues des réseaux sociaux comme Twitter. Nous verrons aussi d’autres façons d’extraire des caractéristiques numériques à partir du texte.
4
Prédire le sentiment
Nous appliquons le Machine Learning pour prédire le sentiment d’un avis à partir des mots utilisés. Nous utilisons la régression logistique et évaluons ses performances de plusieurs façons. De solides premiers modèles !
Analyse de sentiments en Python
Cours
terminé
