Département des Sciences et technologies

2025-2026

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3625 intitulée :

Natural language processing

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data

Informations

Responsable d'UE : Jean-Sébastien LERAT

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 15 h

Crédits : 1 ects

UE Prérequises : aucune

UE Corequises : aucune

Activité d'apprentissage (AA)

Connaissances et compétences préalables

Maîtrise des prérequis et des acquis d'apprentissage de l'unité d'enseignement Intelligence artificielle de la première année de master en sciences de l'ingénieur industriel en informatique de la haute école en Hainaut.

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu de l'AA

  • Terminologie
  • Expression régulière
  • Grammaire
  • Tokenization
  • Stemming (Racinisation/désuffixation) & Lemmatization
  • Métrique (Edit Distance, Cosine)
  • N-gram Language Models
  • Naive Bayes
  • Semantic
  • Large language models
  • Speech Tagging

Répartition des heures

10 h de théorie, 5 h d'exercices/Labos

Méthodes d'enseignement

Cours magistral, approche par projets, approche avec TIC

Langues d'enseignement

Français

Supports

Copies de présentations, protocoles de laboratoires

Ressources bibliographiques

Jurafsky, D., & Martin, J. H. (2009). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition.

Jurafsky, D., & Martin, J. H. (2024, 3th draft). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models.

Nugues, P. M. (2006). An Introduction to Language Processing with Perl and Prolog: An Outline of Theories, Implementation, and Application with Special Consideration of English, French, and German. Allemagne: Springer Berlin Heidelberg.

Rao, D., McMahan, B. (2019). Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning. (n.p.): O'Reilly Media.

Tunstall, L., Werra, L. v., Wolf, T. (2022). Natural Language Processing with Transformers, Revised Edition. États-Unis: O'Reilly Media.

Vajjala, S., Majumder, B., Gupta, A., Surana, H. (2020). Practical Natural Language Processing: A Comprehensive Guide to Building Real-World NLP Systems. États-Unis: O'Reilly Media.

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Evaluation et présentation d'un travail à réaliser en groupe (2 personnes).