Ce cours est conçu pour s'étendre sur environ deux heures, englobant une gamme diversifiée de matériel d'apprentissage et d'activités. Tout au long de ce cours, les apprenants s'engageront avec diverses ressources éducatives, y compris le contenu vidéo sur l'IA générative et la détection de la fraude , des documents de lecture pour approfondir la compréhension, des quiz notés pour évaluer la compréhension, et des invites de discussion stimulant la réflexion pour encourager l'apprentissage collaboratif et la pensée critique.

Dans ce cours, nous utilisons largement la programmation Python comme langage principal pour développer un modèle de classification des courriels indésirables. Ce modèle est spécifiquement conçu en utilisant le modèle GAN (Réseau antagoniste génératif) avancé, qui est une technique d'apprentissage profond de premier plan. Grâce à des exercices pratiques et des exemples concrets, vous gagnerez en maîtrise de la programmation Python et explorerez les subtilités des modèles de Réseau antagoniste génératif (GAN) pour la classification des spams par email.

Vous n'aurez besoin d'aucun prérequis pour l'installation ou la configuration d'un logiciel, car toutes les tâches et activités se déroulent dans l'environnement Google Colab. Cela signifie que vous pouvez suivre le contenu du cours en toute transparence sans avoir à installer de logiciel supplémentaire ou à configurer des paramètres spécifiques sur votre machine locale. Google Colab fournit une plateforme conviviale et basée sur le cloud pour l'apprentissage pratique, ce qui le rend accessible et sans tracas pour tous les apprenants.

Tout au long du cours, nous avons largement exploré et utilisé des bibliothèques et des frameworks essentiels pour renforcer votre compréhension de l'IA générative et de ses applications dans la détection des fraudes. Deux frameworks clés ont été abordés en détail : Tensorflow et Keras. Tensorflow, un framework d'apprentissage automatique open-source développé par Google, constitue la base de nos exercices pratiques. Keras, une API de réseaux neuronaux de haut niveau, est parfaitement intégrée à Tensorflow, offrant une interface conviviale pour la construction et l'entraînement de modèles d'apprentissage profond.

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 achetez un certificat, vous avez accès à tous les supports de cours, y compris les devoirs notés. Une fois le cours terminé, votre certificat électronique sera ajouté à votre page de réalisations. Vous pourrez alors l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez l'auditer gratuitement.

Vous pouvez prétendre à un remboursement intégral jusqu'à deux semaines après la date de votre paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, la date la plus tardive étant retenue. Vous ne pouvez pas obtenir de remboursement une fois que vous avez obtenu un certificat de cours, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre politique de remboursement complète.