Chapitre 3 : Traitements de textes en pipelines

Ce chapitre va te montrer tout ce qu'il y a à savoir à propos du pipeline de traitement de spaCy. Tu va apprendre ce qui se passe en coulisses quand tu traites un texte, comment écrire tes propres composants et les ajouter au pipeline, et comment utiliser des attributs personnalisés et ajouter tes propres métadonnées aux documents, aux spans et aux tokens.

1Traitements de textes en pipelines

2Que se passe-t-il quand tu appelles nlp ?

3Inspection du pipeline

4Composants de pipeline personnalisés

5Cas d'usages pour des composants personnalisés

6Composants simples

7Composants complexes

8Extension d'attributs

9Configuration d'attributs étendus (1)

10Configuration d'attributs étendus (2)

11Entités et extensions

12Composants avec extensions

13Scalabilité et performance

14Traitement de flux

15Traitement de données avec contexte

16Traitement sélectif

À propos de ce cours

spaCy est une bibliothèque Python moderne pour le Traitement Automatique du Langage Naturel de qualité industrielle. Dans ce cours en ligne gratuit et interactif, tu vas apprendre comment utiliser spaCy pour construire des systèmes avancés de compréhension du langage naturel, utilisant à la fois des approches à base de règles et d'apprentissage automatique.

À propos de moi

Je m'appelle Ines, je suis l'un des principaux développeurs de spaCy et la co-fondatrice d'Explosion. Je suis spécialisée dans les outils de développement modernes pour l'IA, l'apprentissage automatique et le NLP. J'adore aussi construire des trucs pour le web.