Cours Cnam RCP216
index
Index
A
|
B
|
C
|
D
|
E
|
F
|
G
|
H
|
I
|
L
|
M
|
N
|
P
|
R
|
S
|
T
|
V
|
W
A
Analyse sémantique explicite
Analyse sémantique latente
Apache Kafka
Apprentissage incrémental
Apprentissage supervisé
attention
B
Bases de données vectorielles
BERT
,
[1]
Biais
,
[1]
C
calibration
Correction d'iniquité
Correction de l'iniquité
courbes ROC
critères observationnels d'équité
D
descente de gradient
Détection d'iniquité
Détection de l'iniquité
E
embeddings contextuels de phrases
entités nommées
equalized odds
Equité
ESA
Ethique
échantillonnage
F
FastText
filtrage dans un flux
filtre de Bloom
Flux de données
Fouille de textes
G
GloVe
GPT
grid search
H
Hyperparamètres
I
indépendance
L
lemmatisation
LLM
Locality Sensitive Hashing
LSA
M
Machines à vecteurs de support
modèle de langage autorégressif
Modèle vectoriel
Modèles de langage
N
NLP
P
parité démographique
R
racinisation
RAG
Retrieval-Augmented Generation
RLHF
S
sac de mots
SBERT
self-attention
Sentence-BERT
séparation
sources des biais
Spark ML
Spark Structured Streaming
streaming K-means
suffisance
SVM
T
tagger
TF-IDF
tokenisation par sous-mots
tokenizer
Traitement automatique du langage
Transformer
V
validation croisée
W
Word2Vec
Table des matières
Préambule
Cours - Introduction
Travaux pratiques - Introduction à Python
Cours - Approches sans distribution
Travaux pratiques - Pandas, Polars et visualisation avec Plotly
Cours - Approches distribuees
Travaux pratiques - Introduction à PySpark et aux DataFrames Spark
Cours - Recherche par similarité : LSH et bases vectorielles
Travaux pratiques - Détection de quasi-copies avec MinHash LSH
Cours - Apprentissage supervisé à large échelle
Travaux pratiques - Comparaison de classifieurs dans Spark ML
Cours - Fouille de données textuelles (1/2)
Travaux pratiques - Fouille de textes 1 : SparkNLP et GloVe
Cours - Fouille de données textuelles (2/2) :
Transformers
et modèles de langage
Travaux pratiques - Fouille de textes 2 : GloVe vs BERT avec SparkNLP
Cours - Graphes et réseaux sociaux : définitions, propriétés, modèles
Travaux pratiques - GraphFrames : chemins et centralités
Cours - Graphes et réseaux sociaux : détection de communautés
Travaux pratiques - Analyse d’un grand graphe (Medline)
Cours - Visualisation d’information
Travaux pratiques - Visualisation de données volumineuses
Cours - Visualisation de graphes et réseaux sociaux
Travaux pratiques - Visualisation de graphes : Gephi et Spark
Cours - Fouille de flux de données
Travaux pratiques - Fouille de flux de données
Cours - Systèmes de recommandation
Travaux pratiques - Systèmes de recommandation avec Spark MLlib
Cours - Aspects éthiques dans la fouille de données (1/2)
Travaux pratiques - Détection des disparités
Cours - Aspects éthiques dans la fouille de données (2/2)
Travaux pratiques - Correction des disparités
Recherche