Ce cours est consacré aux données et à leur importance pour le succès de votre modèle d'apprentissage automatique appliqué. En complétant ce cours, les apprenants auront les compétences pour : Comprendre les éléments critiques des données dans les phases d'apprentissage, de formation et d'exploitation Comprendre les biais et les sources de données Mettre en œuvre des techniques pour améliorer la généralité de votre modèle Expliquer les conséquences de l'overfitting et identifier les mesures d'atténuation Mettre en œuvre des mesures de test et de validation appropriées Démontrer comment la précision de votre modèle peut être améliorée avec une ingénierie de fonctionnalité réfléchie Explorer l'impact des paramètres de l'algorithme sur la force du modèle Pour réussir dans ce cours, vous devez avoir au moins des connaissances de niveau débutant dans la programmation Python (par exemple, être capable de lire et de tracer du code existant, être à l'aise avec les conditionnelles, les boucles, les variables, les listes, les dictionnaires et les tableaux). Vous devriez avoir une compréhension de base de l'algèbre linéaire (notation vectorielle) et des statistiques (distributions de probabilité et moyenne/médiane/mode). Il s'agit du troisième cours de la spécialisation Applied Machine Learning qui vous est offert par Coursera et l'Alberta Machine Intelligence Institute.
Données pour l'apprentissage automatique
Ce cours fait partie de Spécialisation Apprentissage automatique : Les algorithmes dans le monde réel
Instructeur : Anna Koop
8 578 déjà inscrits
Inclus avec 
(97 avis)
Compétences que vous acquerrez
- Catégorie : Programmation Informatique
- Catégorie : Programmation en Python
- Catégorie : Apprentissage automatique
- Catégorie : Analyse statistique
- Catégorie : Algèbre linéaire
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
Nous savons tous que les données sont importantes pour la réussite de l'apprentissage automatique, mais à quoi ressemblent-elles vraiment ? Quelles sont les étapes à suivre pour passer de données éparses et non traitées à de belles données d'apprentissage propres ? Cette semaine adopte une vue d'ensemble pour décrire l'interaction entre votre problème et vos besoins en matière de données, ainsi que les processus à mettre en place pour une préparation réussie des données.
Inclus
11 vidéos2 lectures3 devoirs
Maintenant que vous avez identifié vos sources de données, vous devez les rassembler. Cette semaine décrit ce dont vous avez besoin pour préparer l'ensemble des données.
Inclus
11 vidéos4 devoirs
Les données sont spécifiques à un problème. Cette semaine, nous verrons comment transformer des données génériques en carburant efficace pour des projets d'apprentissage automatique spécifiques.
Inclus
8 vidéos2 lectures3 devoirs1 devoir de programmation1 laboratoire non noté
Il y a tellement de façons dont les données peuvent mal tourner ! Cette semaine, nous avons abordé quelques-uns des pièges de l'identification et du traitement des données.
Inclus
9 vidéos4 devoirs
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Sungkyunkwan University
Stanford University
University of Washington
Alberta Machine Intelligence Institute
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
97 avis
- 5 stars
59,79 %
- 4 stars
26,80 %
- 3 stars
9,27 %
- 2 stars
1,03 %
- 1 star
3,09 %
Affichage de 3 sur 97
Révisé le 29 déc. 2020
Excellent depth in coverage. Lab, although only one, was instructive to enable learning while also being exhaustive and intensive to drive learnings home.
Révisé le 23 déc. 2019
the course is very powerful and I have jump to higher level regarding data wrangling and how to deal with data. the assessment have some error which can be fixed easily
Révisé le 30 nov. 2019
What is different about this course is its focus of ML applied to the real world.
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.