Formation Text Mining : Extraction d'informations clés par la pratique

Introduction au Text Mining

• —Définition et enjeux du Text Mining
• —Cas d'usage et panorama des applications
• —Cycle de vie typique d'un projet de Text Mining

Préparation de données textuelles I

• —Collecte de corpus textuels (API, web scraping simple)
• —Nettoyage : suppression des caractères spéciaux et HTML
• —Normalisation du texte : minuscules, gestion des encodages

Préparation de données textuelles II

• —Nettoyer les données textuelles en éliminant les doublons et les erreurs typographiques
• —Normaliser les textes en utilisant des techniques de lemmatisation ou de stemming
• —Filtrer les stop words pour améliorer la pertinence des analyses textuelles
• —Structurer les données en utilisant des formats adaptés pour l'analyse (JSON, CSV)
• —Évaluer la qualité des données textuelles à l'aide de métriques pertinentes

Représentation numérique du texte : TF-IDF

• —Calculer le score TF-IDF pour un ensemble de documents textuels
• —Interpréter les valeurs TF-IDF et leur signification dans l'analyse
• —Comparer les résultats TF-IDF entre différents corpus de texte
• —Visualiser les scores TF-IDF à l'aide de graphiques pertinents
• —Optimiser le prétraitement des données pour améliorer le TF-IDF

Exploration et Visualisation des données texte

• —Statistiques descriptives sur le texte (longueur, vocabulaire)
• —Nuages de mots (Word Clouds)
• —Visualisation de distributions de termes

Techniques d'extraction d'information I

• —Reconnaissance d'entités nommées (NER)
• —Extraction de faits et de relations simples
• —Utilisation de règles et expressions régulières (Regex)

Techniques d'extraction d'information II

• —Introduction à l'apprentissage automatique pour l'extraction
• —Feature engineering à partir du texte
• —Cas pratique : extraction d'informations clés de documents

Introduction à la classification de texte

• —Principes de la classification supervisée
• —Algorithmes classiques (Naïve Bayes, SVM) appliqués au texte
• —Préparation de données pour la classification

Analyse de Sentiment

• —Définition et applications de l'analyse de sentiment
• —Approches lexicales et basées sur l'apprentissage
• —Cas pratique : classification de sentiments de commentaires

Modélisation thématique (Topic Modeling)

• —Découvrir les algorithmes de modélisation thématique comme LDA et NMF
• —Préparer et prétraiter les données textuelles pour une modélisation efficace
• —Évaluer la cohérence des thèmes extraits à l'aide de métriques appropriées
• —Interpréter les résultats de la modélisation pour des insights exploitables
• —Appliquer la modélisation thématique sur des jeux de données réels et variés

Intégration et Déploiement

• —Mise en place d'un pipeline complet de Text Mining
• —Considérations sur la performance et le passage à l'échelle
• —Bonnes pratiques de production et de maintenance

Cas pratiques et perspectives

• —Étude de cas complexes et résolution de problèmes
• —Introduction aux embeddings de mots (Word2Vec, GloVe)
• —Les prochaines étapes : Deep Learning pour le NLP

OPCO

Formations financées via votre opérateur de compétences

FAF

Aide à la formation pour les indépendants

France Travail

Des aides pour les demandeurs d'emploi

Employeur

Votre entreprise peut financer votre formation

FNE-Formation

Un soutien pour les entreprises en transformation

1. Connaissances de base en statistiques. 2. Maîtrise des fondamentaux de Python. 3. Familiarité avec l'environnement de développement (Jupyter Notebook).

1. Ordinateur portable avec accès Internet stable. 2. Installation de Python (version 3.x recommandée). 3. Librairies Python (Numpy, Pandas, Scikit-learn, NLTK, Matplotlib) préinstallées ou à installer avant la formation.

5 tests d'évaluation sont proposés à l'apprenant en fin de formation pour connaître son niveau sur chaque compétences visées.

Plateforme et contenus e-learning à disposition. Test de positionnement Quizz & Evaluations

Nous vous recevons lors d’un rendez-vous d’information préalable gratuit et confidentiel en visioconférence pour analyser vos besoins et co-construire votre parcours personnalisé. Chaque demande s’accompagne de la remise d’une convention ou d’un contrat précisant l’ensemble des informations relatives à la formation (Tarifs, calendrier, durée, lieu…). Ce contrat/convention sera transmis électroniquement par email.

A partir de l’accord de prise en charge par le financeur sollicité, le bénéficiaire peut démarrer sous un délai de 11 jours ouvrés. Si vous financez votre parcours de formation par vos propres moyens, alors le délai d'accès est immédiat. Vous pouvez entrer en formation tout au long de l’année.

♿️ Nous accueillons les personnes en situation de handicap. Les conditions d’accessibilité aux personnes handicapées sont inscrites sur le site imi-education.fr, rubrique Accessibilité.

Saskia Cazettes Pour tout renseignement : 07 80 91 06 14 / saskia.c@imi-executive-solutions.com

23 mars 2026

La formation alterne apports théoriques, mises en situation pratiques et échanges entre participants. Chaque concept est directement appliqué via des exercices concrets et des cas réels.

Oui, chaque participant reçoit un support de cours complet (format numérique et/ou papier) qu'il peut conserver à l'issue de la formation.

Certaines de nos formations sont éligibles au Compte Personnel de Formation (CPF). Consultez la fiche formation ou contactez-nous pour vérifier l'éligibilité.

Plusieurs dispositifs de financement existent : CPF, OPCO, plan de développement des compétences, financement individuel. Notre équipe peut vous accompagner dans vos démarches.

Oui, notre équipe reste disponible pour toute question post-formation. Vous bénéficiez également d'un accès à nos ressources en ligne pendant 6 mois après votre parcours.

Le Text Mining est la technique de traitement automatique des langues qui permet d'extraire des informations clés à partir de grandes quantités de données textuelles non structurées. C'est essentiel pour prendre des décisions éclairées et améliorer la prise de décision dans divers domaines tels que la finance, la santé, les sciences sociales et plus encore.

Les principaux objectifs de cette formation sont de maîtriser les techniques de Text Mining, d'analyser des informations clés pour prendre des décisions éclairées, de transformer le texte en données exploitables et de développer des compétences en traitement du langage naturel.

La formation dure 21 heures. Les horaires de formation sont fixés en fonction des besoins des participants et sont discutés avec le formateur avant le début de la formation.

Notre organisme de formation s'engage à accueillir et accompagner les personnes en situation de handicap. Notre référente handicap, Mme Lorène Travaux est disponible pour étudier avec vous les adaptations pédagogiques, techniques ou logistiques nécessaires avant toute inscription. Contactez-nous à hello@imi-executive-solutions.com ou au 06 72 09 69 52.