Ce cours vous permet de comprendre les principes fondamentaux d'un projet d'apprentissage automatique. Les apprenants comprendront et mettront en œuvre des techniques d'apprentissage supervisé sur des études de cas réels afin d'analyser des scénarios d'affaires où les arbres de décision, les k-voisins les plus proches et les machines à vecteurs de support sont utilisés de manière optimale. Les apprenants acquerront également des compétences pour contraster les conséquences pratiques des différentes étapes de préparation des données et décriront les problèmes de production courants dans l'apprentissage automatique appliqué. Pour réussir, vous devez avoir au moins un niveau débutant en 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). Ceci est le deuxième cours de la spécialisation en apprentissage automatique appliqué qui vous est offert par Coursera et l'Institut d'intelligence artificielle de l'Alberta.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Algorithmes d'apprentissage automatique : Apprentissage supervisé de bout en bout
Ce cours fait partie de Spécialisation Apprentissage automatique : Les algorithmes dans le monde réel
Instructeur : Anna Koop
16 841 déjà inscrits
Inclus avec
(411 avis)
Détails à connaître
Ajouter à votre profil LinkedIn
9 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
Bienvenue dans la rubrique Apprentissage supervisé, du début à la fin ! Cette semaine, nous allons passer en revue les bases de l'apprentissage supervisé, en particulier la classification, et vous apprendre à connaître deux algorithmes de classification : les arbres de décision et les k-NN. Vous commencerez à programmer sur la plateforme grâce aux carnets Jupyter et à vous familiariser avec toutes les questions qui se posent lors de l'utilisation de l'apprentissage automatique pour la classification.
Inclus
8 vidéos4 lectures2 devoirs2 laboratoires non notés
Bienvenue à la deuxième semaine du cours ! Au cours de cette semaine, vous apprendrez tout sur les algorithmes de régression, l'autre facette de l'apprentissage supervisé. Nous vous présenterons l'idée de trouver des lignes, des critères d'optimisation et tous les problèmes associés. Grâce à la régression, nous verrons les interactions entre la complexité du modèle et la précision, et vous aurez un premier aperçu de la façon dont la régression et la classification peuvent être liées.
Inclus
9 vidéos1 lecture4 devoirs
Cette semaine, nous allons nous plonger directement dans l'utilisation de la régression pour la classification. Nous décrirons tous les éléments fondamentaux qui composent les algorithmes de machine à vecteur de support, afin que vous puissiez comprendre comment de nombreux algorithmes d'apprentissage automatique apparemment sans rapport les uns avec les autres s'articulent. Nous vous présenterons la régression logistique, les réseaux neuronaux et les machines à vecteurs de support, et nous vous montrerons comment mettre en œuvre deux d'entre eux.
Inclus
6 vidéos1 lecture2 devoirs2 laboratoires non notés
À la fin du cours, nous allons voir comment savoir si votre modèle est réellement performant et ce que vous pouvez faire pour l'améliorer encore. Nous passerons en revue les questions d'évaluation propres à la régression et à la classification, et nous présenterons d'autres outils qui vous aideront réellement à analyser les performances de votre modèle. Les sujets abordés cette semaine visent à vous donner confiance dans vos modèles, afin que vous soyez prêt à exploiter la puissance de l'apprentissage automatique pour atteindre vos objectifs commerciaux.
Inclus
8 vidéos1 lecture1 devoir1 laboratoire non noté
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Duke University
University of Washington
Alberta Machine Intelligence Institute
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 411
411 avis
- 5 stars
75,91 %
- 4 stars
18,49 %
- 3 stars
3,16 %
- 2 stars
1,21 %
- 1 star
1,21 %
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 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.