Traitement du langage naturel appliqué à l'entreprise

Chapitre 9. Les outils du métier

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Dans la section précédente, nous avons abordé tous les éléments fondamentaux de la PNL et la façon de développer des modèles de PNL. À partir de ce chapitre, nous allons aborder ce à quoi tu devrais commencer à penser lorsque tu sortiras du monde merveilleux de l'entraînement de magnifiques modèles sur des ensembles de données soigneusement conservés et que tu entreras dans le désordre qu'est le monde réel.

Dans ce chapitre en particulier, nous aborderons les logiciels d'apprentissage automatique grand public et les choix auxquels tu seras confronté lorsque tu décideras ce que tu dois inclure dans ta pile. Ensuite, au chapitre 10, nous construisons des applications web personnalisées pour l'apprentissage automatique et la science des données à l'aide d'une bibliothèque Python open source facile à utiliser appelée Streamlit, et nous conclurons cette section (au chapitre 11) avec le déploiement de modèles à l'échelle à l'aide du logiciel du leader du secteur, Databricks. À la fin de ces trois chapitres, tu auras une bonne compréhension de la façon de mettre en production des modèles d'apprentissage automatique sous forme d'applications Web, d'API et de pipelines d'apprentissage automatique.

Commençons par un sujet sur lequel de nombreux développeurs adorent passer un temps fou à se disputer : les outils.

Les gens qui ...