Attention, les informations que vous consultez actuellement ne sont pas celles de l'année universitaire en cours. Consulter l'année universitaire 2023-2024.
UE228 - Algorithmes pour le traitement automatique de la parole et du langage
Lieu et planning
-
Autre lieu Paris
ENS, 29 rue d’Ulm 75005 Paris
1er semestre / hebdomadaire, lundi 09:00-12:00
du 4 janvier 2021 au 15 mars 2021
Description
Dernière modification : 3 juillet 2020 14:13
- Type d'UE
- Enseignements fondamentaux de master
- Disciplines
- Méthodes et techniques des sciences sociales
- Page web
- https://github.com/edupoux/MVA_2020_SL
- Langues
- anglais
- Mots-clés
- Intelligence artificielle Linguistique
- Aires culturelles
- -
Intervenant·e·s
- Emmanuel Dupoux [référent·e] directeur d'études, EHESS / Laboratoire de sciences cognitives et psycholinguistiques (LSCP)
Speech and natural language processing is a subfield of artificial intelligence used in an increasing number of technological applications but also scientific applications in in digital humanities, medical science and behavioral science. Yet, while some aspects are on par with human performances, others are lagging behind. This course will present the full stack of speech and language technology, from automatic speech recognition to parsing and semantic processing. The course will present, at each level, the key principles, algorithms and mathematical principles behind the state of the art, and confront them with what is know about human speech and language processing. Students will acquire detailed knowledge of the scientific issues and computational techniques in automatic speech and language processing and will have hands on experience in implementing and evaluating the important algorithms.
Program
- Introduction
- ASR1: Features and Acoustic Models
- ASR2: Language Models + presentation TD#1
- NLP1: Language processing in the wild
- NLP2: Formal languages
- NLP3: Parsing + presentation TD#2
- Automatic Translation
- Chatbots and open issues
Validation
The validation is continuous: there is no final exam, but a combination of quizzes during the lessons (20%) and two practical assignments (TDs), (40% each). ATTENTION: since there is no exam, there is no possibility of "rattrapage" (ie, of compensating a bad mark by taking another exam). So, if the overall grade obtained in this course is less than 10/20, this course will not be considered validated by the MVA Master.
Practical assignments (TD)
The practical assignments are given on the courses #3 and #6. There will be one assignment for the speech part and one for the NLP part. For each assignment, students are provided with the necessary data and Python code, either as a list of requirements to install or in the form of a disk image (.ova) to be mounted and booted from a virtual machine. They will hand in their source code and a max two page report, detailing their work, the difficulties encountered and the results. Students will have a max of 2 weeks to complete the assignment; assignment will be graded from 0 to 20, with a -1 point removed from the score for each day of being late. Each assignment will count for 40% of the final grade. We may organise special Q&A sessions regarding these assignments from 11am to 12am upon request.
Quizzes
During the courses, we will use on-line quizzes (on the smartphone/computer) to probe comprehension and trigger discussion. The quizzes will be used (1) to check that you attend the course, (2) that you have read the supporting documents and are following what is being presented. Each quiz will be graded as follows: 0 (no response), 1 (wrong response), 2 (good response). The scores will be averaged and converted from on a 0 to 20 scale. If there are N quizzes, we will use the N-1 best scores for averaging. The overall score will count for 20% of the final grade.
Master
-
Méthodologie
– Sciences cognitives
– M2/S3
Suivi et validation – semestriel hebdomadaire = 6 ECTS
MCC – travaux pratiques, contrôle continu
Renseignements
- Contacts additionnels
- -
- Informations pratiques
le cours a lieu à l'ENS et/ou en ligne. Ce cours est mutualisé avec le master MVA de l'ENS Cachan ; peuvent le valider également les étudiants du master MASH (Dauphine) et du master data science (Polytechnique).
- Direction de travaux des étudiants
- -
- Réception des candidats
- -
- Pré-requis
Basic linear algebra, calculus, probability theory.
Compte rendu
Le traitement de la parole et du langage naturel est un sous-domaine de l'intelligence artificielle utilisé dans un nombre croissant d'applications technologiques et scientifiques dans les sciences humaines numériques, les sciences médicales et les sciences du comportement. Pourtant, si les performances des algorithmes sont à la hauteur des performances humaines pour certaines tâches, elles sont à la traîne pour d'autres. Ce cours présente l'ensemble des technologies de la parole et du langage, de la reconnaissance vocale à l'analyse et au traitement sémantique automatique. Le cours présente, à chaque niveau linguistique, les principes clés, algorithmes et principes mathématiques à l'origine de l'état de l'art, et les confronte à ce que l'on sait de la parole humaine et du traitement du langage. Les étudiants sont exposés à une connaissance détaillée des problèmes scientifiques et des techniques de calcul dans le traitement automatique de la parole et du langage et ont une expérience pratique dans la mise en œuvre et l'évaluation de ces algorithmes.
Programme :
- Introduction
- ASR1 : représentations et modèles acoustiques
- ASR2 : Modèles de langage
- NLP1 : la représentation des mots
- NLP2 : Les langages formels
- NLP3 : analyse syntaxique
- Traduction automatique
- Chatbots et problèmes ouverts
Publications
NA
Dernière modification : 3 juillet 2020 14:13
- Type d'UE
- Enseignements fondamentaux de master
- Disciplines
- Méthodes et techniques des sciences sociales
- Page web
- https://github.com/edupoux/MVA_2020_SL
- Langues
- anglais
- Mots-clés
- Intelligence artificielle Linguistique
- Aires culturelles
- -
Intervenant·e·s
- Emmanuel Dupoux [référent·e] directeur d'études, EHESS / Laboratoire de sciences cognitives et psycholinguistiques (LSCP)
Speech and natural language processing is a subfield of artificial intelligence used in an increasing number of technological applications but also scientific applications in in digital humanities, medical science and behavioral science. Yet, while some aspects are on par with human performances, others are lagging behind. This course will present the full stack of speech and language technology, from automatic speech recognition to parsing and semantic processing. The course will present, at each level, the key principles, algorithms and mathematical principles behind the state of the art, and confront them with what is know about human speech and language processing. Students will acquire detailed knowledge of the scientific issues and computational techniques in automatic speech and language processing and will have hands on experience in implementing and evaluating the important algorithms.
Program
- Introduction
- ASR1: Features and Acoustic Models
- ASR2: Language Models + presentation TD#1
- NLP1: Language processing in the wild
- NLP2: Formal languages
- NLP3: Parsing + presentation TD#2
- Automatic Translation
- Chatbots and open issues
Validation
The validation is continuous: there is no final exam, but a combination of quizzes during the lessons (20%) and two practical assignments (TDs), (40% each). ATTENTION: since there is no exam, there is no possibility of "rattrapage" (ie, of compensating a bad mark by taking another exam). So, if the overall grade obtained in this course is less than 10/20, this course will not be considered validated by the MVA Master.
Practical assignments (TD)
The practical assignments are given on the courses #3 and #6. There will be one assignment for the speech part and one for the NLP part. For each assignment, students are provided with the necessary data and Python code, either as a list of requirements to install or in the form of a disk image (.ova) to be mounted and booted from a virtual machine. They will hand in their source code and a max two page report, detailing their work, the difficulties encountered and the results. Students will have a max of 2 weeks to complete the assignment; assignment will be graded from 0 to 20, with a -1 point removed from the score for each day of being late. Each assignment will count for 40% of the final grade. We may organise special Q&A sessions regarding these assignments from 11am to 12am upon request.
Quizzes
During the courses, we will use on-line quizzes (on the smartphone/computer) to probe comprehension and trigger discussion. The quizzes will be used (1) to check that you attend the course, (2) that you have read the supporting documents and are following what is being presented. Each quiz will be graded as follows: 0 (no response), 1 (wrong response), 2 (good response). The scores will be averaged and converted from on a 0 to 20 scale. If there are N quizzes, we will use the N-1 best scores for averaging. The overall score will count for 20% of the final grade.
-
Méthodologie
– Sciences cognitives
– M2/S3
Suivi et validation – semestriel hebdomadaire = 6 ECTS
MCC – travaux pratiques, contrôle continu
- Contacts additionnels
- -
- Informations pratiques
le cours a lieu à l'ENS et/ou en ligne. Ce cours est mutualisé avec le master MVA de l'ENS Cachan ; peuvent le valider également les étudiants du master MASH (Dauphine) et du master data science (Polytechnique).
- Direction de travaux des étudiants
- -
- Réception des candidats
- -
- Pré-requis
Basic linear algebra, calculus, probability theory.
-
Autre lieu Paris
ENS, 29 rue d’Ulm 75005 Paris
1er semestre / hebdomadaire, lundi 09:00-12:00
du 4 janvier 2021 au 15 mars 2021
Le traitement de la parole et du langage naturel est un sous-domaine de l'intelligence artificielle utilisé dans un nombre croissant d'applications technologiques et scientifiques dans les sciences humaines numériques, les sciences médicales et les sciences du comportement. Pourtant, si les performances des algorithmes sont à la hauteur des performances humaines pour certaines tâches, elles sont à la traîne pour d'autres. Ce cours présente l'ensemble des technologies de la parole et du langage, de la reconnaissance vocale à l'analyse et au traitement sémantique automatique. Le cours présente, à chaque niveau linguistique, les principes clés, algorithmes et principes mathématiques à l'origine de l'état de l'art, et les confronte à ce que l'on sait de la parole humaine et du traitement du langage. Les étudiants sont exposés à une connaissance détaillée des problèmes scientifiques et des techniques de calcul dans le traitement automatique de la parole et du langage et ont une expérience pratique dans la mise en œuvre et l'évaluation de ces algorithmes.
Programme :
- Introduction
- ASR1 : représentations et modèles acoustiques
- ASR2 : Modèles de langage
- NLP1 : la représentation des mots
- NLP2 : Les langages formels
- NLP3 : analyse syntaxique
- Traduction automatique
- Chatbots et problèmes ouverts
Publications
NA