description everywhere

linogaliana · linogaliana · commit 29ff3f583b94 · 2023-07-07T14:17:53.000Z
diff --git a/content/course/NLP/01_intro/index.qmd b/content/course/NLP/01_intro/index.qmd
@@ -14,7 +14,7 @@ tags:
 categories:
   - NLP
   - Tutoriel
-summary: |
+description: |
   Les corpus textuels étant des objets de très grande dimension
   où le ratio signal/bruit est faible, il est nécessaire de mettre
   en oeuvre une série d'étapes de nettoyage de texte. Ce chapitre va
diff --git a/content/course/NLP/02_exoclean/index.qmd b/content/course/NLP/02_exoclean/index.qmd
@@ -14,7 +14,7 @@ categories:
   - NLP
   - Exercice
 type: book
-summary: |
+description: |
   Ce chapitre continue de présenter l'approche de __nettoyage de données__ 
   du `NLP` en s'appuyant sur le corpus de trois auteurs
   anglo-saxons : Mary Shelley, Edgar Allan Poe, H.P. Lovecraft.
diff --git a/content/course/NLP/03_lda/index.qmd b/content/course/NLP/03_lda/index.qmd
@@ -12,7 +12,8 @@ tags:
   - LDA
 categories:
   - Tutoriel
-summary: |
+  - NLP
+description: |
   La [Latent Dirichlet Allocation (LDA)](https://fr.wikipedia.org/wiki/Allocation_de_Dirichlet_latente)
   est un modèle probabiliste génératif qui permet
   de décrire des collections de documents de texte ou d’autres types de données discrètes.
diff --git a/content/course/NLP/04_word2vec/index.qmd b/content/course/NLP/04_word2vec/index.qmd
@@ -12,7 +12,8 @@ tags:
   - Word2Vec
 categories:
   - Tutoriel
-summary: |
+  - NLP
+description: |
   Pour pouvoir utiliser des données textuelles dans des algorithmes
   de _machine learning_, il faut les vectoriser, c'est à dire transformer
   le texte en données numériques. Dans ce TP, nous allons comparer
diff --git a/content/course/NLP/05_exo_supp/index.qmd b/content/course/NLP/05_exo_supp/index.qmd
@@ -13,7 +13,8 @@ tags:
   - openfood
 categories:
   - Exercice
-summary: |
+  - NLP
+description: |
   Des exercices supplémentaires pour pratiquer les concepts du NLP
 eval: false
 image: featured.png
diff --git a/content/course/modelisation/0_preprocessing/index.qmd b/content/course/modelisation/0_preprocessing/index.qmd
@@ -15,7 +15,7 @@ categories:
   - Modélisation
   - Exercice
 type: book
-summary: |
+description: |
   Afin d'avoir des données cohérentes avec les hypothèses de modélisation,
   il est absolument fondamental de prendre le temps de
   préparer les données à fournir à un modèle. La qualité de la prédiction
diff --git a/content/course/modelisation/1_modelevaluation/index.qmd b/content/course/modelisation/1_modelevaluation/index.qmd
@@ -15,7 +15,7 @@ categories:
   - Modélisation
   - Exercice
 type: book
-summary: |
+description: |
   Faire preuve de méthode pour évaluer la qualité d'un modèle 
   permet de proposer des prédictions plus robustes, ayant
   de meilleures performances sur un nouveau jeu de données
diff --git a/content/course/modelisation/2_SVM/index.qmd b/content/course/modelisation/2_SVM/index.qmd
@@ -16,7 +16,7 @@ categories:
   - Modélisation
   - Exercice
 type: book
-summary: |
+description: |
   La classification permet d'attribuer une classe d'appartenance (_label_
   dans la terminologie du _machine learning_)
   discrète à des données à partir de certaines variables explicatives
diff --git a/content/course/modelisation/3_regression/index.qmd b/content/course/modelisation/3_regression/index.qmd
@@ -16,7 +16,7 @@ categories:
   - Modélisation
   - Exercice
 type: book
-summary: |
+description: |
   La régression linéaire est la première modélisation statistique
   qu'on découvre dans un cursus quantitatif. Il s'agit en effet d'une
   méthode très intuitive et très riche. Le _Machine Learning_ permet de
diff --git a/content/course/modelisation/4_featureselection/index.qmd b/content/course/modelisation/4_featureselection/index.qmd
@@ -16,7 +16,7 @@ tags:
 categories:
   - Modélisation
   - Exercice
-summary: |
+description: |
   L'accès à des bases de données de plus en plus riches permet
   des modélisations de plus en plus raffinées. Cependant,
   les modèles parcimonieux sont généralement préférables
diff --git a/content/course/modelisation/5_clustering/index.qmd b/content/course/modelisation/5_clustering/index.qmd
@@ -16,7 +16,7 @@ tags:
 categories:
   - Modélisation
   - Exercice
-summary: |
+description: |
   Le _clustering_ consiste à répartir des observations dans des groupes,
   généralement non observés,
   en fonction de caractéristiques observables. Il s'agit d'une
diff --git a/content/course/modelisation/6_pipeline/index.qmd b/content/course/modelisation/6_pipeline/index.qmd
@@ -14,7 +14,7 @@ tags:
 categories:
   - Modélisation
   - Tutoriel
-summary: |
+description: |
   Les _pipelines_ `scikit` permettent d'intégrer de manière très flexible
   un ensemble d'opérations de pre-processing et d'entraînement de modèles
   dans une chaîne d'opérations. Il s'agit d'une approche particulièrement
diff --git a/content/course/modern-ds/dallE/index.qmd b/content/course/modern-ds/dallE/index.qmd
@@ -15,7 +15,7 @@ categories:
   - Tutoriel
   - Avancé
 type: book
-summary: |
+description: |
   La _hype_ autour du
   modèle de génération d'image `Dall-E` a amené 
   une grande attention sur les modèles
diff --git a/content/course/modern-ds/elastic_approfondissement/index.qmd b/content/course/modern-ds/elastic_approfondissement/index.qmd
@@ -9,10 +9,11 @@ tags:
   - sirene
 categories:
   - Tutoriel
+  - Avancé
 slug: elastic-geo
 type: book
-summary: |
-  TO BE COMPLETED 
+description: |
+  Un chapitre plus approfondi sur `ElasticSearch` 
 ---
 
 
diff --git a/content/course/modern-ds/elastic_intro/index.qmd b/content/course/modern-ds/elastic_intro/index.qmd
@@ -9,10 +9,11 @@ tags:
   - openfood
 categories:
   - Tutoriel
+  - Avancé
 eval: false
 slug: elastic
 type: book
-summary: |
+description: |
   `ElasticSearch` est un moteur de recherche extrêmement rapide et flexible. 
   Cette technologie s'est imposée dans le domaine du traitement des 
   données textuelles. L'API `Python` permet d'intégrer cette 
