Il existe de nombreux types d'algorithmes d'apprentissage automatique, chacun présentant certaines caractéristiques qui le rendent plus ou moins adapté à la résolution d'un problème particulier. Les arbres de décision et les machines à vecteurs de support (SVM) sont deux exemples d'algorithmes qui peuvent tous deux résoudre des problèmes de régression et de classification, mais qui ont des applications différentes. De même, une approche plus avancée de l'apprentissage automatique, appelée apprentissage profond, utilise des réseaux de neurones artificiels (ANN) pour résoudre ces types de problèmes et bien d'autres encore. Ajouter tous ces algorithmes à votre ensemble de compétences est crucial pour sélectionner le meilleur outil pour le travail. Ce quatrième et dernier cours au sein du certificat professionnel Certified Artificial Intelligence Practitioner (CAIP) continue sur la lancée du cours précédent en présentant plus, et dans certains cas, des algorithmes plus avancés utilisés à la fois dans l'apprentissage automatique et l'apprentissage profond. Comme précédemment, vous construirez plusieurs modèles qui peuvent résoudre des problèmes commerciaux, et vous le ferez dans le cadre d'un flux de travail. En fin de compte, ce cours conclut l'exploration technique des différents algorithmes d'apprentissage automatique et la façon dont ils peuvent être utilisés pour construire des modèles de résolution de problèmes.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Construire des arbres de décision, des SVM et des réseaux neuronaux artificiels
Ce cours fait partie de CertNexus Certified Artificial Intelligence Practitioner (Praticien certifié en intelligence artificielle) Certificat Professionnel
Instructeur : Stacey McBrine
4 010 déjà inscrits
Inclus avec 
(12 avis)
Expérience recommandée
Ce que vous apprendrez
Former et évaluer des arbres de décision et des forêts aléatoires pour la régression et la classification.
Former et évaluer des machines à vecteur de support (SVM) pour la régression et la classification.
Former et évaluer des réseaux neuronaux artificiels (RNA) à perceptron multicouche (ML) pour la régression et la classification.
Former et évaluer des réseaux neuronaux convolutifs (CNN) et des réseaux neuronaux récurrents (RNN) pour des tâches de vision par ordinateur et de traitement du langage naturel.
Compétences que vous acquerrez
- Catégorie : Réseau de neurones artificiels
- Catégorie : Algorithmes d'apprentissage automatique (ML)
- Catégorie : Deep learning
- Catégorie : Machine à vecteurs de support (SVM)
- Catégorie : Arbre de décision
Détails à connaître
Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Apprentissage automatique
- 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 auprès de CertNexus
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 5 modules dans ce cours
Vous avez construit des modèles d'apprentissage automatique à partir d'algorithmes fondamentaux de régression linéaire et de classification. Ces algorithmes peuvent vous permettre d'aller assez loin dans de nombreux scénarios, mais ils ne sont pas les seuls à pouvoir répondre à vos besoins. Dans ce module, vous construirez des modèles d'apprentissage automatique à partir d'arbres de décision et de forêts aléatoires, deux approches alternatives pour résoudre les problèmes de régression et de classification.
Inclus
16 vidéos5 lectures1 devoir1 sujet de discussion2 laboratoires non notés
Les machines à vecteurs de support (SVM) constituent une autre approche alternative à la régression et à la classification. Dans ce module, vous construirez des SVM capables de traiter efficacement les valeurs aberrantes et les données de haute dimension.
Inclus
8 vidéos3 lectures1 devoir1 sujet de discussion2 laboratoires non notés
Tous les algorithmes évoqués jusqu'à présent relèvent du domaine général de l'apprentissage automatique. Bien qu'ils soient puissants et complexes, les algorithmes qui constituent le sous-domaine de l'apprentissage profond - les réseaux neuronaux artificiels (RNA) - le sont encore plus. Dans ce module, vous construirez une version fondamentale d'un ANN, appelée perceptron multicouche (MLP), qui peut s'attaquer aux mêmes types de tâches de base (régression, classification, etc.), tout en étant mieux adaptée à la résolution de problèmes plus compliqués et plus riches en données.
Inclus
8 vidéos2 lectures1 devoir1 sujet de discussion1 laboratoire non noté
Maintenant que vous avez construit des réseaux neuronaux MLP, vous pouvez les incorporer dans deux architectures plus larges : les réseaux neuronaux convolutifs (CNN), qui excellent dans la résolution des problèmes de vision par ordinateur, et les réseaux neuronaux récurrents (RNN), qui sont le plus souvent utilisés pour traiter les langues naturelles.
Inclus
11 vidéos3 lectures1 devoir1 sujet de discussion2 laboratoires non notés
Vous travaillerez sur un projet dans lequel vous appliquerez vos connaissances de la matière de ce cours à un scénario pratique.
Inclus
1 évaluation par les pairs1 laboratoire non noté
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Alberta Machine Intelligence Institute
Fractal Analytics
University of Colorado Boulder
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 12
12 avis
- 5 stars
91,66 %
- 4 stars
8,33 %
- 3 stars
0 %
- 2 stars
0 %
- 1 star
0 %
Révisé le 11 févr. 2023
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, 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 du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations. De là, vous pourrez l'imprimer 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.