Machine learning for NLP 1

SL5AE021

Ce cours a pour objectif de présenter le cadre et les fondements théoriques de l’apprentissage statistique (notion de généralisation, séparation ensemble de test / ensemble d’apprentissage, minimisation du risque empirique, …), les principales méthodes d’apprentissage (perceptron, régression logistique, réseau de neurones, …) et de montrer comment celles-ci peuvent être utilisées pour résoudre différents problèmes de TALN. Ce cours comporte également une introduction à la théorie de l’estimation (maximum de vraisemblance, intervalle de confiance, …) et aux applications de celle-ci à la linguistique informatique.