Répertoire pour stocker les documents de synthèse (et leurs codes) ainsi que les codes réalisés pour le projet d'option informatique de 3A à l'École Centrale de Lyon.
Le projet traité est le suivant :
Projet n°11 - Deep Learning et traitement de langues naturelles et text mining
Encadré par : Alexandre Saidi, Emmanuel Dellandréa
Il s'agit là d'explorer les possibilités et les apports du Deep Learning aux différentes étapes de traitement des langues naturelles (Anglais, Français) et d'établir l'état de l'art en matière des liens avec le Text Mining.
La suite de ce texte précisera les différents documents stockés dans ce répertoire ainsi que des liens utiles pour le projet.
Ce répertoire contient la présentation du premier reporting ainsi que le GANTT associé et un rapide résumé de la première rencontre avec les commanditaires.
Lien direct vers la présentation
Ce répertoire contient la présentation du second reporting ainsi que le code LaTeX pour la générer.
Lien direct vers la présentation
Ce répertoire contient tous les éléments relatifs à notre présentation finale, avec en partie les deux versions fournies :
Tous les éléments relatifs au rapport final du projet. Le document actuel n'est qu'un squelette général pour ce rapport qui sera rempli au fur et à mesure.
Fichier contenant :
- Les liens vers les différentes bases : BDDs.txt
- Notre code pour leur mise en forme : Répertoire du code
- Les bases de données mises en forme : Google Drive
Les bases de données initiales et finales contenant des fichiers volumineux, elles n'ont pas été ajoutées directement à ce répertoire Git. En particulier, les bases non remaniées sont accessibles aux liens du fichier BDDs.txt. Les bases de données remaniées sont elles récupérables sur un de nos dossier de stockage Google Drive.
Ce répertoire contient notre exemple jouet ainsi qu'une utilisation de LSTM sur une partie de la base de données IMDB et Amazon.
Les bases de données récupérées lors de la prise de contact avec le PAr : lien
Les liens vers les différents documents de l'état de l'art : lien
Des explications sur le Deep Learning : lien
Des exlications sur NLP : lien
Liste des rapports étudiants de Stanford en Deep Learning : lien