Dans le deuxième cours de la Specialization Machine Learning, vous allez : - Construire et former un réseau neuronal avec TensorFlow pour effectuer une classification multi-classe - Appliquer les meilleures pratiques pour le développement de l'apprentissage automatique afin que vos modèles se généralisent aux données et aux tâches dans le monde réel - Construire et utiliser des arbres de décision et des méthodes d'ensemble d'arbres, y compris les forêts aléatoires et les arbres boostés La Specialization Machine Learning est un programme en ligne fondamental créé en collaboration entre DeepLearning.AI et Stanford Online. Dans ce programme adapté aux débutants, vous apprendrez les principes fondamentaux de l'apprentissage automatique et comment utiliser ces techniques pour créer des applications d'IA dans le monde réel.
Algorithmes d'apprentissage avancés
Ce cours fait partie de Spécialisation Apprentissage automatique
Instructeurs : Andrew Ng
Enseignant de premier plan
316 639 déjà inscrits
(6,834 avis)
Expérience recommandée
Ce que vous apprendrez
Construire et entraîner un réseau neuronal avec TensorFlow pour effectuer une classification multi-classe
Appliquer les meilleures pratiques pour le développement de l'apprentissage automatique afin que vos modèles se généralisent aux données et aux tâches du monde réel
Construire et utiliser des arbres de décision et des méthodes d'ensemble d'arbres, y compris les forêts aléatoires et les arbres boostés
Compétences que vous acquerrez
- Catégorie : Tensorflow
- Catégorie : Conseils pour le développement de modèles
- Catégorie : Réseau de neurones artificiels
- Catégorie : Xgboost
- Catégorie : Ensembles d'arbres
Détails à connaître
Ajouter à votre profil LinkedIn
14 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Cette semaine, vous apprendrez à connaître les réseaux neuronaux et à les utiliser pour des tâches de classification. Vous utiliserez le framework TensorFlow pour construire un réseau neuronal avec seulement quelques lignes de code. Ensuite, vous approfondirez vos connaissances en apprenant à coder votre propre réseau neuronal en Python, "à partir de zéro". En option, vous pouvez en apprendre davantage sur la manière dont les calculs de réseaux neuronaux sont mis en œuvre efficacement à l'aide du traitement parallèle (vectorisation).
Inclus
17 vidéos1 lecture4 devoirs1 devoir de programmation3 laboratoires non notés
Cette semaine, vous apprendrez à former votre modèle dans TensorFlow, ainsi que d'autres fonctions d'activation importantes (en plus de la fonction sigmoïde), et où utiliser chaque type dans un réseau neuronal. Vous apprendrez également à dépasser la classification binaire pour passer à la classification multiclasse (3 catégories ou plus). La classification multiclasse vous fera découvrir une nouvelle fonction d'activation et une nouvelle fonction de perte. En option, vous pouvez également apprendre la différence entre la classification multiclasse et la classification multi-label. Vous découvrirez l'optimiseur Adam et comprendrez pourquoi il constitue une amélioration par rapport à la descente de gradient classique pour la formation des réseaux neuronaux. Enfin, vous recevrez une brève introduction à d'autres types de couches que celle que vous avez vue jusqu'à présent.
Inclus
15 vidéos4 devoirs1 devoir de programmation5 laboratoires non notés
Cette semaine, vous apprendrez les meilleures pratiques pour former et évaluer vos algorithmes d'apprentissage afin d'en améliorer les performances. Vous y trouverez un large éventail de conseils utiles sur le cycle de vie de l'apprentissage automatique, la mise au point de votre modèle et l'amélioration de vos données d'apprentissage.
Inclus
17 vidéos3 devoirs1 devoir de programmation2 laboratoires non notés
Cette semaine, vous découvrirez un algorithme d'apprentissage pratique et très couramment utilisé, l'arbre de décision. Vous découvrirez également des variantes de l'arbre de décision, notamment les forêts aléatoires et les arbres boostés (XGBoost).
Inclus
14 vidéos2 lectures3 devoirs1 devoir de programmation2 laboratoires non notés
Instructeurs
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Duke University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
6 834 avis
- 5 stars
92,83 %
- 4 stars
6,25 %
- 3 stars
0,53 %
- 2 stars
0,14 %
- 1 star
0,23 %
Affichage de 3 sur 6834
Révisé le 27 févr. 2024
Great course got to learn a lot of under-the-hood working of various machine learning algorithms. I would surely recommend ML enthusiasts to enroll in this course to upskill yourself.
Révisé le 27 août 2022
After copleting the course I found all conceptual knowlegde for visualising and implementing the algorithm in my work. Before this course I was not using the full potential of the advanced algorithm
Révisé le 29 juil. 2023
Another fantastic course by Andrew Ng! He covers neural networks, decision trees, random forest, and XGBoost models really well. I like that he shares his intuition behind every concept he explains.
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.