Traiter des données textuelles en Python pour les SHS (en présentiel)

Présentation générale

Cette formation couvre plusieurs usages de traitement de données en Python courants en sciences humaines et sociales avec une coloration spécifique sur les données textuelles. Pensée comme une journée « avancée », elle s’adresse à un public ayant déjà quelques notions de programmation.

Plus précisément, cette formation abordera la mise en place d’analyses statistiques classiques (descriptives et inférentielles, mais aussi mobilisant l’apprentissage automatique), les stratégies pour réaliser et améliorer des visualisations, et une présentation des différentes stratégies existantes de traitement de données textuelles.

Les notions seront abordées de manière pratique à travers l’analyse d’un corpus de données. Les participants sont par ailleurs encouragés à amener leur propre jeu de données, et un espace sera consacré à échanger sur les besoins futurs.

​​Objectifs de la formation

• Se familiariser avec des bibliothèques centrales de l’écosystème Python pour le traitement de données (Pandas, Scikitlearn, Statsmodels…)
• Réfléchir la construction de visualisations avancées (Matplotlib, Plotly, Seaborn…)
• Avoir une vue d’ensemble des approches de traitement de données textuelles
• Mettre en œuvre différents traitement de données textuelles & familiarisation avec les approches « IA » à partir de modèles

Cette formation peut être introduite notamment par la formation Introduction à Python pour les Sciences Humaines et Sociales (en présentiel), le lundi 19/01 (1 j.)

La formation est prévue sur une journée en présentiel.

Matin

• Rappel (rapide) des bases du langage Python
• Manipulation de données tabulaires et statistiques de base avec Pandas
• Construire et améliorer des visualisations avec Matplotlib, Seaborn, Plotly & co
• Aller vers des statistiques avancées avec Statsmodels, Scikitlearn et Prince

Après-midi

• Les outils du Traitement Automatique du Langage en Python (TAL/NLP)
• De l’expression régulière à l’apprentissage automatique
• Usages des modèles de langage, du local à l’API

INTERVENANT

Émilien Schultz, ingénieur de recherche en sciences sociales computationnelles (CREST/ENSAE)

MATERIEL NECESSAIRE

Vous êtes invités à vous munir d’un ordinateur portable.


Si vous n'avez pas d'ordinateur portable, merci de nous le signaler lors de votre inscription, quelques machines seront disponibles sur place (nombre limité).

La formation est pensée pour un public qui a déjà des notions de programmation en langage Python, notamment sa syntaxe et ses principales notions. Il est préférable d’avoir déjà une pratique de traitement de données, et des bases sur les approches statistiques en sciences humaines et sociales.