---
timestamp: "00:00"
marker: "!"
title: "Introduction au projet et objectifs"
quote: "Apprenez à transformer des descriptions de livres en représentations mathématiques pour un appariement précis basé sur le contenu."
details:
Le cours vise à construire un moteur de recommandation utilisant des modèles de langage (LLMs) pour aider les lecteurs à découvrir de nouveaux livres. Dr. Jod Bell de JetBrains, soutenu par une subvention, dirige ce projet.
Les techniques abordées incluent la similarité sémantique, la recherche vectorielle et la classification zero-shot, rendues accessibles malgré leur complexité apparente.
Le tutoriel couvre plusieurs étapes : nettoyage des données textuelles, utilisation de la recherche vectorielle, classification thématique et analyse du ton émotionnel via les LLMs.
Les compétences prérequises incluent une base en Python et en machine learning, sans nécessiter une expertise en deep learning ou NLP.
Les applications potentielles dépassent les livres, s'étendant aux films, produits, ou tout contenu textuel, avec des composants réutilisables pour divers projets NLP.
---
---
timestamp: "00:02"
marker: "!"
title: "Acquisition et préparation des données"
quote: "Nous commençons tout projet de data science par l'obtention de données, et aujourd'hui, nous utilisons les ensembles de données de Kaggle."
details:
Le dataset choisi, "7K Books", contient des informations clés comme le titre, les auteurs, les catégories, les descriptions et les évaluations des livres.
PyCharm, l'IDE utilisé, offre des fonctionnalités avancées pour la data science et l'intégration avec les LLMs, avec une version professionnelle disponible en essai gratuit de 3 mois.
La configuration du projet dans PyCharm implique la création d'un environnement virtuel et l'installation des dépendances nécessaires, dont pandas, matplotlib, et les bibliothèques LangChain pour interagir avec les LLMs.
Les données sont chargées via l'API Kaggle Hub, puis nettoyées pour éliminer les valeurs manquantes et standardiser les catégories désorganisées.
Une analyse approfondie des descriptions permet d'éliminer les entrées non informatives (moins de 25 mots), garantissant des bases solides pour les étapes NLP ultérieures.
---
---
timestamp: "00:40"
marker: "!"
title: "Théorie des embeddings et recherche vectorielle"
quote: "Les embeddings transforment le texte en vecteurs, capturant le sens pour comparer mathématiquement la similarité entre documents."
details:
Les embeddings de mots (comme Word2Vec) représentent sémantiquement les termes dans un espace multidimensionnel, apprenant des relations contextuelles à partir de vastes corpus.
Les modèles basés sur des transformers (comme BERT) améliorent cette approche en contextualisant les mots, évitant les ambiguïtés (ex: "banque" financière vs. rivage).
Les embeddings de documents, générés via des modèles encodeurs, permettent de comparer des textes entiers (comme des descriptions de livres) pour des recommandations précises.
La recherche vectorielle utilise des bases de données spécialisées (ex: Chroma) pour indexer et retrouver efficacement les documents similaires à une requête, via des métriques comme la similarité cosinus.
LangChain simplifie l'intégration de ces composants, supportant divers fournisseurs de LLMs (OpenAI, Hugging Face) et bases de données vectorielles.
---
---
timestamp: "01:10"
marker: "!"
title: "Classification zero-shot des catégories de livres"
quote: "La classification zero-shot permet d'assigner des textes à des catégories sans entraînement préalable, exploitant les connaissances des LLMs."
details:
Le modèle BART-large-mnli de Hugging Face, utilisé via la bibliothèque Transformers, classe les livres en "fiction" ou "non-fiction" avec 78% de précision sur un échantillon test.
Une approche similaire pourrait étendre la classification à des genres plus spécifiques (romance, science-fiction), mais manque de données étiquetées pour validation.
Les résultats sont fusionnés avec le dataset original, remplaçant les catégories manquantes par des prédictions, enrichissant ainsi les filtres disponibles pour les utilisateurs finaux.
PyCharm facilite l'accès aux modèles Hugging Face via une interface intégrée, accélérant le prototypage et l'expérimentation.
---
---
timestamp: "01:35"