الوصف المفصّل

J’analyse le corpus pour repérer les problèmes : encodages, doublons, langues mélangées, arabizi, bruit. Je définis avec vous les règles de normalisation, puis je les applique avec CAMeL Tools et des scripts dédiés. La détection de langue sépare ou étiquette les passages. Je livre le corpus, les statistiques avant et après et le script de traitement. Je limite volontairement le nombre de commandes en parallèle pour tenir ce délai. Outils utilisés : fastText, CAMeL Tools, Python, pandas. Délai indicatif : 12 jours à partir de la réception de tous les éléments.

المشكلة التي يحلّها

Vos textes mélangent écritures, diacritiques, émojis, doublons et variantes orthographiques. Tout traitement en aval donne des résultats incohérents.

النتيجة الموعودة

Un corpus nettoyé et normalisé selon des règles documentées, avec des statistiques avant et après et un script réutilisable pour les prochaines collectes.

الوظائف

• diagnostic du corpus
• règles de normalisation documentées
• corpus nettoyé et étiqueté par langue
• script de traitement réutilisable

باختصار

مجال النشاط

التعليم

المنصات والتوافق

• لينكس
• ويندوز
• macOS

التقنيات

• Python
• pandas
• CAMeL Tools
• fastText

لغات الواجهة

الفرنسية · العربية

الولاية

عين الدفلى

الثقة

• راجع فريق myElite البطاقة ووافق عليها

الشروط