• introduction : plateformes supportées, versions de Python
• Présentation des textes et modèles fournis avec le NLTK
• Exemple d’atelier : Atelier : installation du package NLTK et des datasets

Traitements de textes

• Etude des différentes fonctions fournies par le NLTK
• Découpage d’un texte en mots ou en phrases avec nltk.tokenize(), nettoyage de textes avec le filtrage de mots, stemming avec nltk.stem, alertes sur les risques d’un mauvais usage, étiquetage des différentes parties d’un texte avec nltk.pos-tag(), lemmatisation, pour identifier les formes canoniques des mots, identification de phrases avec le chunking
• Exemple d’Atelier : réalisation d’exemples sur des datasets simples

Analyses de textes 

• Description de nltk.ne_chunk() pour la reconnaissance d’identités nommées
• Présentation des fonctions concordance(), dispersion_plot(), FreqDist
• Exemple d’Atelier : Import de corpus de textes, analyse, mise en évidence de l’utilisation de termes caractéristiques

Etude de cas

• Analyse de sentiments avec nltk.sentiment
• Présentation des fonctions disponibles
• Exemple d’Atelier : mise en oeuvre sur un corpus. Utilisation de polarity.scores()

Intégration de scikit-learn

• Import des algorithmes de classification de scikit-learn
• Exemple dAtelier : exemple d’utilisation des algorithmes de scikit-learn depuis nltk