L'apprentissage automatique est le fondement de la modélisation prédictive et de l'intelligence artificielle. Si vous voulez apprendre à la fois les concepts sous-jacents et comment construire des modèles avec les outils d'apprentissage automatique les plus courants, ce cours est fait pour vous. Dans ce cours, vous apprendrez les principes fondamentaux de l'apprentissage automatique et comment utiliser des outils et des cadres communs pour former, évaluer et utiliser des modèles d'apprentissage automatique. Ce cours est conçu pour vous préparer à des rôles qui comprennent la planification et la création d'un environnement de travail approprié pour les charges de travail de la science des données sur Azure. Vous apprendrez à exécuter des expériences de données et à former des modèles prédictifs. En outre, vous allez gérer, optimiser et déployer des modèles d'apprentissage automatique en production. Des modèles d'apprentissage automatique classiques les plus basiques, à l'analyse exploratoire des données et à la personnalisation des architectures, vous serez guidé par un contenu conceptuel facile à digérer et des carnets Jupyter interactifs. Si vous avez déjà une idée de ce qu'est l'apprentissage automatique ou si vous avez un solide bagage mathématique, ce cours est parfait pour vous. Ces modules enseignent quelques concepts d'apprentissage automatique, mais vont vite afin de pouvoir utiliser des outils comme scikit-learn, TensorFlow et PyTorch. Ce parcours d'apprentissage est également le meilleur pour vous si vous recherchez juste assez de familiarité pour comprendre les exemples d'apprentissage automatique pour des produits comme Azure ML ou Azure Databricks. C'est également un bon point de départ si vous envisagez d'aller au-delà de l'apprentissage automatique classique et de vous former à l'apprentissage profond et aux réseaux neuronaux, que nous ne faisons que présenter ici. Ce programme se compose de 5 cours qui vous aideront à vous préparer à l'examen DP-100 : Conception et mise en œuvre d'une solution de science des données sur Azure. L'examen de certification est l'occasion de prouver vos connaissances et votre expertise dans l'exploitation de solutions d'apprentissage automatique à l'échelle du cloud en utilisant Azure Machine Learning. Cette spécialisation vous apprend à tirer parti de vos connaissances existantes de Python et de l'apprentissage automatique pour gérer l'ingestion et la préparation des données, la formation et le déploiement des modèles, ainsi que la surveillance des solutions d'apprentissage automatique dans Microsoft Azure . Chaque cours vous enseigne les concepts et les compétences qui sont mesurés par l'examen.
Créer des modèles d'apprentissage automatique dans Microsoft Azure
Ce cours fait partie de Préparation à l'examen Microsoft Azure Data Scientist Associate (DP-100) Certificat Professionnel
Instructeur : Microsoft
29 828 déjà inscrits
Inclus avec
(267 avis)
Expérience recommandée
Ce que vous apprendrez
Comment planifier et créer un environnement de travail pour les charges de travail de science des données sur Azure ?
Comment mener des expériences sur les données et former des modèles prédictifs ?
Compétences que vous acquerrez
- Catégorie : Modélisation
- Catégorie : Microsoft Azure
- Catégorie : Apprentissage automatique
- Catégorie : Expérience
Détails à connaître
Ajouter à votre profil LinkedIn
23 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Développement de logiciels
- 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 Microsoft
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 3 modules dans ce cours
L'exploration et l'analyse des données sont au cœur de la science des données. Les data scientists ont besoin de compétences dans des langages comme Python pour explorer, visualiser et manipuler les données. Dans ce module, vous apprendrez à utiliser Python pour explorer, visualiser et manipuler des données. Vous apprendrez également comment la régression peut être utilisée pour créer un modèle d'apprentissage automatique qui prédit des valeurs numériques. Vous utiliserez le framework Scikit-learn en Python pour entraîner et évaluer un modèle de régression.
Inclus
7 vidéos14 lectures9 devoirs1 sujet de discussion
La classification est un type d'apprentissage automatique utilisé pour classer des éléments dans des catégories. Dans ce module, vous apprendrez comment la classification peut être utilisée pour créer un modèle d'apprentissage automatique qui prédit des catégories ou des classes. Vous utiliserez le cadre scikit-learn en Python pour entraîner et évaluer un modèle de classification. Vous apprendrez également comment le clustering peut être utilisé pour créer des modèles d'apprentissage automatique non supervisés qui regroupent les observations de données en clusters. Vous utiliserez le cadre scikit-learn en Python pour entraîner un modèle de clustering.
Inclus
7 vidéos7 lectures8 devoirs
Dans ce module, vous découvrirez les principes fondamentaux de l'apprentissage profond et apprendrez à créer des modèles de réseaux neuronaux profonds à l'aide de PyTorch ou de Tensorflow. Vous explorerez également l'utilisation des réseaux neuronaux convolutifs pour créer des modèles de classification d'images.
Inclus
8 vidéos4 lectures6 devoirs1 sujet de discussion
Recommandé si vous êtes intéressé(e) par Développement de logiciels
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
267 avis
- 5 stars
68,26 %
- 4 stars
24,72 %
- 3 stars
3,32 %
- 2 stars
1,47 %
- 1 star
2,21 %
Affichage de 3 sur 267
Révisé le 3 déc. 2023
Condense but solid course on ML basics. AND first time I was guided in a cloud provider for ML use cases without having to shed tears from frustration. Very good to gain first familiarity with Azure.
Révisé le 20 févr. 2022
Great course with lots of insights. Definetly worth it!
Révisé le 27 avr. 2023
Good course with a focus on helping the learner to better understand ML concepts and the coding associated to it before diving deep into Azure tool
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 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.