🤖Réseaux de neurones🤖

Projets

Votre travail sera de réaliser une application, une ressource, une interface ou une bibliothèque pour Python. Son thème devra être lié au TAL ou au traitement de données, utiliser un système de réseaux de neurones artificiels et pourra évidemment être en lien avec d’autres cours, d’autres projets ou votre travail en entreprise (mais assurez-vous avant que ce soit OK de partager votre code avec moi dans ce cas).

Bien entendu, rien ne vous empêche de combiner ces options.

Je m’attends plus à ce que vous réalisiez un projet autonome (c’est en général plus simple), mais votre travail peut aussi prendre la forme d’un plugin/add-on/module… pour un projet existant (pensez à spaCy par exemple) voire une contribution substantielle à projet existant (si vous faites passer un gros pull request à Pytorch par exemple) mais si c’est ce que vous visez, dites le moi très en avance et on en discute.

Dans tous les cas, je m’attends à un travail substantiel (pas juste suivre un tuto, quoi), si vous avez un doute, là encore, demandez-moi.

Pas de prompt engineering, pas de chatbots, vous en mangez assez ailleurs.

Consignes

• Composition des groupes et sujets des projets à envoyer avant le 20 janvier 2025 (envoyer un mail par groupe avec vos noms, prénoms et établissements et une description concise, mais précise du projet). Si vous avez un doute sur la pertinence ou la faisabilité du projet, venez m’en parler avant.
• Projet à rendre le 8 mars 2025 au plus tard
• Projet de préférence collectif, par groupe de 2 ou 3
  • Si c’est un problème pour vous, venez me voir, tout est négociable
  • S’il y a un problème — quel qu’il soit — dans votre groupe, n’hésitez pas à m’en parler
• Rendus par mail à lgrobol@parisnanterre.fr avec en objet [NN2025] Projet final et les noms, prénoms et établissements de tous les membres du groupe dans le corps du mail.
  • Si l’objet est différent, je ne verrai pas votre rendu. Et si un nom manque, vous risquez de ne pas avoir de note.
  • J’accuserai réception sous trois jours ouvrés dans la mesure du possible, relancez-moi si ce n’est pas le cas.

Le rendu devra comporter :

1. Une documentation du projet traitant les points suivants :

   • Les objectifs du projet
   • Les données utilisées (origine, format, statut juridique) et les traitements opérés sur celles-ci
   • La méthodologie (comment vous vous êtes répartis le travail, comment vous avez identifié les problèmes et les avez résolus, différentes étapes du projet…)
   • L’implémentation ou les implémentations (modélisation le cas échéant, modules et/ou API utilisés, différents langages le cas échéant)
   • Les résultats (fichiers output, visualisations…) et une discussion sur ces résultats (ce que vous auriez aimé faire et ce que vous avez pu faire par exemple)

   On attend de la documentation technique, pas une dissertation. Elle pourra prendre le format d’un ou plusieurs fichiers, d’un site web, d’un notebook de démonstration, à votre convenance

   La documentation ne doit pas, jamais, sous aucun prétexte, comporter de capture d’écran de code.

2. Le code Python et les codes annexes (JS par ex.) que vous avez produit. Le code doit être commenté. Des tests, ce serait bien. Évitez les notebooks, préférez les interfaces en ligne de commande ou web (ou graphiques si vous êtes très motivé⋅es)

3. Les éventuelles données en input et en output (ou un échantillon si le volume est important)

N’hésitez pas à vous servir de git pour versionner vos projets !

Conseils

Écrivez ! Tenez un carnet : vos questions, un compte rendu de vos discussions, les problèmes rencontrés, tout est bon à prendre et cela vous aidera à rédiger la documentation finale.

Ressources

Données géo-localisées

Il existe beaucoup de choses pour travailler avec des données géo-localisées. Allez voir en vrac : Geo-JSON, uMap pour créer facilement des cartes en utilisant les fonds de carte d’OpenStreetMap, leaflet une lib JS pour les cartes interactives, overpass turbo pour interroger facilement les données d’OpenStreetMap (il y a une api !).

Ressources linguistiques

N’hésitez pas à aller fouiller dans Ortolang ou Clarin des ressources linguistiques exploitables librement et facilement. Vous pouvez aussi aller voir du côté de l’API twitter pour récupérer des données (qui ne sont pas nécessairement uniquement linguistiques)

Open Data

Quelques sources : Paris Open Data, data.gouv.fr, Google dataset search

Exemples de sujets

À gros grain :

• Appliquer des modèles existants à des nouvelles données.
• Comparer différents modèles existants sur des données existantes ou proposer de nouveaux modèles qui font mieux.

• Analyser, expliquer, sonder des modèles existants pour mettre à jour des explications sur leur manière de fonctionner ou révéler leurs failles. Vous pouvez aller voir ce qui se fait dans le workshop BlackboxNLP pour vous donner des idées. (par exemple j’ai beaucoup aimé Universal Adversarial Triggers for Attacking and Analyzing NLP).

• Classification de documents : le classique, se décline en analyse de sentiment ; détection de discours haineux, de fake news.
• Syntaxe : POS tagging, parsing, chunking… Attention, la concurrence est rude.
• Génération de texte : résumé automatique, traduction, ASR (mais attention tout ça c’est long)
• …

Commencez plutôt petit : voyez si vous pouvez reproduire l’état de l’art en piquant du code qui existe, puis modifiez-le pour arriver à vos fins.

On le répète encore une fois : si vous avez des idées, mais que vous galérez, si vous n’avez pas d’idée, s’il y a un problème contactez moi.