Extraction automatique d'exigences réglementaires multilingues pour l'export de vin
Aperçu
En quoi consiste ce défi.
Vous affinez un modèle BERT pour extraire des entités réglementaires multilingues avec un seuil de relecture humaine. Vous obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Le service export perd plusieurs jours par expédition à relire manuellement des documents réglementaires trilingues pour repérer les entités critiques et vérifier leur cohérence entre langues.
Earning criteria — what you'll demonstrate
- Adapter le fine-tuning d'un modèle encodeur de la famille BERT à une tâche d'extraction d'entités multilingue
- Comparer des stratégies de tokenisation et leur impact sur des langues à écriture non latine
- Concevoir un seuil de confiance justifié pour arbitrer entre automatisation et revue humaine
- Évaluer un système d'extraction d'information par langue et par type d'entité plutôt qu'en moyenne globale
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceNLP Engineer
Le fine-tuning d'un modèle encodeur multilingue et la conception d'un pipeline d'extraction d'entités reproduisent directement les tâches centrales d'un ingénieur en traitement du langage naturel.
Ce défi renforce
- transformer-architecture
- encoder-fine-tuning-bert-family
- multilingual-nlp
Trade Compliance Analyst
La structuration d'exigences réglementaires multilingues et la définition d'un seuil de revue humaine correspondent aux préoccupations quotidiennes d'un analyste conformité export.
Ce défi renforce
- named-entity-recognition
- multilingual-nlp
- custom-tokenization
AI Engineer
La conception d'un pipeline complet, de l'ingestion de texte brut à une interface de revue humaine, correspond à la construction de systèmes d'intelligence artificielle appliqués en production, cœur du métier d'AI engineer.
Ce défi renforce
- transformer-architecture
- named-entity-recognition
- custom-tokenization