Actions

Difference between revisions of "Une ethnographie des jeux de données"

From Algolit

Line 1: Line 1:
 
par Algolit
 
par Algolit
  
Lors des réunions mensuelles Algolit nous cherchons souvent des jeux de données ou essayons de les créer. L'un des moyens les plus simples est d'utiliser des corpus déjà existants, mis à disposition via le Natural Language Toolkit [http://www.nltk.org/ nltk]. Nltk contient, entre autres, la Déclaration des droits de l'homme, les discours inauguraux des présidents américains et les critiques de films de l'IMDb. Chaque style d'écriture évoquera des relations différentes entre les mots.
+
Nous commençons souvent les réunions mensuelles Algolit par la recherche, ou tentative de creation, de datasets (ensembles de données). Parfois, nous utilisons des corpus déjà existants, disponibles via le site Natural Language Toolkit [http://www.nltk.org/ nltk]. NLTK contient, entre autres, la Déclaration universelle des droits de l'Homme, les discours inauguraux des présidents américains, ou des critiques de films du site Internet Movie Database (IMDb). Chaque style d'écriture évoque des relations différentes entre les mots et reflète l'époque dont ils proviennent. En ce sens, le gestionnaire de paquets Python pour le traitement automatique du langage naturel pourrait être considéré comme une capsule temporelle. Le matériel choisi a été jugé utile pour au moins une communauté, mais il est perçu comme un document universel par défaut en raison de la facilité avec laquelle il est mis à la disposition du public.
  
 
Dans le cadre de ce travail, nous examinons les jeux de données les plus couramment utilisés pour l'entraînement des modèles d'apprentissage automatique. De quels matériaux sont-ils constitués ? Qui les a recueillis ? Quand ? Pour quelle raison ?  
 
Dans le cadre de ce travail, nous examinons les jeux de données les plus couramment utilisés pour l'entraînement des modèles d'apprentissage automatique. De quels matériaux sont-ils constitués ? Qui les a recueillis ? Quand ? Pour quelle raison ?  
  
 
Concept, code, réalisation: Cristina Cochior
 
Concept, code, réalisation: Cristina Cochior

Revision as of 22:13, 21 March 2019

par Algolit

Nous commençons souvent les réunions mensuelles Algolit par la recherche, ou tentative de creation, de datasets (ensembles de données). Parfois, nous utilisons des corpus déjà existants, disponibles via le site Natural Language Toolkit nltk. NLTK contient, entre autres, la Déclaration universelle des droits de l'Homme, les discours inauguraux des présidents américains, ou des critiques de films du site Internet Movie Database (IMDb). Chaque style d'écriture évoque des relations différentes entre les mots et reflète l'époque dont ils proviennent. En ce sens, le gestionnaire de paquets Python pour le traitement automatique du langage naturel pourrait être considéré comme une capsule temporelle. Le matériel choisi a été jugé utile pour au moins une communauté, mais il est perçu comme un document universel par défaut en raison de la facilité avec laquelle il est mis à la disposition du public.

Dans le cadre de ce travail, nous examinons les jeux de données les plus couramment utilisés pour l'entraînement des modèles d'apprentissage automatique. De quels matériaux sont-ils constitués ? Qui les a recueillis ? Quand ? Pour quelle raison ?

Concept, code, réalisation: Cristina Cochior