L'enjeu consiste à concevoir un modele fonctionnel récupérant le tweet et fournissant le sentiment prédit selon 3 approches:
- API étagère de azure cognitives services
- modèle bespoke simple utilisant une regression logistive mettant en oeuvre le designer de azure ML
- modèle bespoke avancé type deep learning à deployer avec 3 niveaux de complexité testés:
- modèle keras de base
- modèle keras avec couche LSTM
- modèle transformer type BERT
Autres ressources utiles:
Deploiement API de prediction
- Librairie BERT HuggingFace:
Principe de BERT
Exemple de code
Librairie huggingface
Github bert - Azure:
Text analytics
Azure Machine Learning
Jupyter dans Azure Machine Learning
Exemple de notebook dans Azure ML
Deployer un modèle dans Azure Machine Learning
Exemple designer Azure ML - KERAS:
Analyse de sentiment : Modèle simple
Analyse de sentiment : modèle LSTM
un notebook mettant en oeuvre azure cognitive services
un notebook mettant en oeuvre l'entrainement sur azure ML
un notebook mettant en oeuvre les modeles deep leraning ltsm et bert en local
un notebook mettant en oeuvre le deploiement du modèle bert
