7 projets PNL pour tous les niveaux

L'un des meilleurs moyens de décrocher un emploi dans le domaine de la science des données est de constituer un portfolio avec des projets de science des données qui démontrent efficacement vos compétences techniques. Avec l'essor du ChatGPT, montrer au recruteur que vous savez résoudre des problèmes de PNL est devenu plus important que jamais.

Dans cet article, je vais vous présenter sept exemples de projets NLP pour tous les niveaux, de l'aspirant data scientist au professionnel expérimenté. Commençons !

Vous souhaitez améliorer vos compétences en PNL ? Commencez dès aujourd'hui notre cursus sur le traitement du langage naturel en Python. 

Pourquoi lancer un projet PNL ?

Il y a de nombreuses raisons pour lesquelles vous devriez essayer de résoudre une tâche de PNL. La première est la demande du marché. Les grands modèles de langage (LLM), comme le ChatGPT, ont attiré l'attention de toutes sortes d'organisations, ce qui signifie qu'elles veulent investir dans ces nouveaux outils et ont besoin de personnes capables de démontrer leur compréhension du traitement du langage naturel.

De plus, un projet de PNL peut vous aider :

• Apprenez et ajoutez une nouvelle compétence à votre CV.
• Constituez un portefeuille de projets qui démontrent vos compétences et votre capacité à résoudre différentes tâches.
• Montrez que vous vous tenez au courant des nouvelles avancées.

Projets PNL pour les débutants

Ces projets NLP s'adressent aux personnes qui débutent dans la science des données. Dans ces projets, vous pouvez maîtriser les concepts de base du NLP, comme les techniques de traitement de texte, les sacs de mots et les tf-id.

Si vous avez besoin d'une remise à niveau sur le TAL, vous pouvez consulter notre cours d'introduction au traitement du langage naturel en Python. Il peut également être utile de suivre notre cours Apprentissage supervisé avec scikit-learn pour apprendre les techniques d'apprentissage automatique afin de résoudre des problèmes supervisés.

1. Extraire le sentiment d'une action à partir des titres de l'actualité

L'analyse des sentiments est l'un des projets NLP les plus populaires. Il s'agit de prédire si un texte est positif, négatif ou neutre. Comprendre le sentiment peut permettre à votre entreprise de savoir si elle est satisfaite ou insatisfaite de vos produits.

Dans le projet " Extraire le sentiment des actions à partir des titres d'actualité", vous entraînerez un modèle d'analyse du sentiment sur les titres d'actualité financière de Finviz. Tout d'abord, vous nettoierez le texte, puis vous appliquerez des techniques d'apprentissage automatique pour détecter s'il existe ou non un sentiment favorable à l'égard de l'action.

Un exemple tiré de ce projet NLP

2. Qui tweete ? Trump ou Trudeau ?

Un autre projet populaire est l'analyse des données des tweets, puisque Twitter permet de télécharger des données à l'aide de son API robuste.

Sur le site Who's Tweeting ? Trump ou Trudeau projet, vous classerez si le tweet est écrit par Donald Trump ou Justin Trudeau. Par rapport au projet précédent, l'extraction d'informations à partir de tweets peut s'avérer plus difficile car ils sont courts et remplis de mentions, d'emojis et de hashtags.

Projets intermédiaires de PNL

Après avoir appris le nettoyage de texte, le traitement, la visualisation et l'application de modèles d'apprentissage automatique pour les tâches de classification, il est temps de passer au niveau suivant. Dans les projets suivants, vous apprendrez trois applications différentes du traitement du langage naturel : la modélisation des sujets, la reconnaissance des entités nommées et les systèmes de recommandation.

3. Les sujets les plus brûlants de l'apprentissage automatique

Les techniques de NLP ne se limitent pas à la gestion d'ensembles de données étiquetées ; elles peuvent également résoudre des problèmes non supervisés. La modélisation thématique est l'une des principales applications pour sa capacité à extraire les sujets les plus représentatifs d'une collection de documents, comme les avis sur les produits.

Dans le projet Hottest Topics in Machine Learning, vous découvrirez des sujets tirés d'articles de recherche du NIPS, une prestigieuse conférence sur l'apprentissage automatique et les neurosciences computationnelles qui se tient chaque année. Le projet peut être divisé en deux parties : l'étape de prétraitement et l'identification des sujets à l'aide de l'allocation de dirichlet latent (LDA).

Un exemple tiré du projet Hottest Topics in Machine Learning NLP (sujets les plus brûlants dans l'apprentissage automatique)

4. Analyse de CV à l'aide de Spacy

La reconnaissance des entités nommées est une tâche du traitement du langage naturel qui consiste à identifier et à classer les entités nommées présentes dans un document textuel dans des catégories prédéfinies, telles que la personne, l'organisation, le lieu et la date.

Dans le cadre du projet " Analyse de CV à l'aide de Spacy ", vous construirez un système qui aidera les recruteurs à gérer efficacement les CV des candidats sur la base des compétences nécessaires pour le poste à pourvoir. L'ensemble de données est une collection de CV tirés de livecareer.com. Dans ce projet, le modèle spaCy sera utilisé pour reconnaître les entités dans le CV.

5. Recommandations de Charles Darwin

Nous sommes influencés par les systèmes de recommandation tous les jours. Lorsque vous achetez un produit sur Amazon, vous pouvez voir des suggestions de produits basées sur vos goûts. Il en va de même lorsque vous regardez un film sur Netflix et que vous disposez d'une liste de films basée sur vos choix antérieurs.

Dans le cadre du projet " Recommandations de livres de Charles Darwin ", vous construirez un système de recommandation de livres basé sur leur contenu. Les données ont été extraites du Projet Gutenberg. La bibliographie de Charles Darwin sera utilisée pour identifier les livres susceptibles de susciter votre intérêt.

Projets avancés de PNL

Les projets de science des données se concentrent sur la résolution de problèmes plus avancés, tels que la traduction linguistique et la réponse aux questions. Vous formerez des modèles basés sur des transformateurs pour résoudre chaque tâche.

6. Traducteur anglais/italien avec modèle Hugging Face

Chaque année, la traduction linguistique s'améliore et devient de plus en plus précise. Cette avancée est due au développement de techniques de traduction sophistiquées.

Dans le projet de modèle de traducteur anglais/italien avec Hugging Face, vous construirez votre propre application de traduction avec Hugging Face, qui est une plateforme d'IA qui héberge un grand nombre de grands modèles de langage spécialisés dans différentes tâches, y compris la traduction linguistique. Dans ce projet, vous choisissez ce modèle pour traduire le texte de l'italien vers l'anglais. Cette application est concrétisée à l'aide de Streamlit.

7. Réponse aux questions à l'aide d'un BERT affiné

Les grands modèles de langage, comme le ChatGPT, ont suscité l'enthousiasme pour la résolution d'une grande variété de tâches de traitement automatique des langues, y compris la réponse aux questions. Le fait de poser une question et d'obtenir rapidement une réponse à partir d'un grand modèle linguistique peut réellement accélérer le travail des personnes et leur permettre de se concentrer sur d'autres tâches difficiles.

Dans le projet Question Answering with a fine-tuned B ERT, vous affinerez BERT sur l'ensemble de données CoQA, qui consiste en une collection de 127 mille questions avec réponses publiées par Stanford en 2019. L'objectif est d'utiliser le modèle BERT pour répondre à des questions basées sur l'ensemble des données fournies.

Conclusion

C'est tout ! Grâce à ces projets, vous acquerrez de nouvelles compétences et enrichirez votre portefeuille de projets PNL, ce qui vous rendra plus intéressant pour le recruteur à la recherche de nouveaux talents. En fonction du niveau, vous pouvez choisir le projet qui vous semble le plus approprié.

Si vous souhaitez vous initier au traitement du langage naturel, le meilleur moyen est de jeter un coup d'œil au cursus Natural Language Processing in Python de DataCamp. Vous pouvez également consulter le tutoriel sur le traitement du langage naturel.