Différences

Ci-dessous, les différences entre deux révisions de la page.

--- slam:formats_de_donnees_non_structurees [2025/02/05 09:31] – [Cas pratique] dthevenot
+++ slam:formats_de_donnees_non_structurees [2025/02/06 11:50] (Version actuelle) – supprimée dthevenot
@@ Ligne 1: / Ligne 1: @@
-====== Formats de données non structurées ======
-  * Texte brut : Traitement et analyse du texte (exemples de fichiers logs, documents texte).
-  * Images et vidéos : Brève introduction aux formats (JPEG, PNG, MP4, etc.), avec un focus sur l'importance de la métadonnée (exemples d'EXIF dans les images).
-  * Audio : Introduction aux formats audio (MP3, WAV) et à leur analyse (comme la reconnaissance vocale).
-===== Cas pratique =====
-Les données non structurées sont n’importe quelles données qui ne sont pas organisées selon un modèle prédéfini. Pour produire de l’information statistique à partir des données non structurées, un traitement additionnel des données est nécessaire pour organiser l’information. Voilà par exxemple comment un texte, une image ou un enregistrement vocal peuvent être convertis en données structurées pour l’analyse textuelle, la reconnaissance des images et la reconnaissance du langage.
-^Données non structurées	^Traitement	^Données structurées^
-|Un texte	|Découpage du texte en une liste de mots; agrégation pour compter le nombre d’occurrences de chaque mot; utilisation de dictionnaires et de règles pour classer les mots |Une feuille de calcul : chaque rangée correspond à un mot distinct, trois colonnes présentent le mot, la fréquence du mot dans le texte et la catégorie du mot|
-|Une image	|Attribution d’un code RVB à chaque pixel; segmentation de l’image en groupes de pixels en fonction des composantes rouges (R), vertes (V) et bleues (B).	|Une base de données : chaque enregistrement correspond à un groupe de pixels et les champs résument les composantes de couleur de chaque groupe.|
-|L’enregistrement de la voix d’une personne	|Segmentation de l’enregistrement en sons distincts; mesure des durées et fréquences de chaque son.	|Une liste des segments accompagnés de leur durée et de leur fréquence.|
-Lecture de fichiers texte bruts et extraction d'informations via des outils simples comme grep ou Python (avec des bibliothèques comme re pour les expressions régulières).