LearnQuest
Modèles d'apprentissage automatique en science
LearnQuest

Modèles d'apprentissage automatique en science

Sabrina Moore
Rajvir Dua
Neelesh Tiruviluamala

Instructeurs : Sabrina Moore

1 785 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.0

(12 avis)

niveau Intermédiaire

Expérience recommandée

11 heures pour terminer
3 semaines à 3 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.0

(12 avis)

niveau Intermédiaire

Expérience recommandée

11 heures pour terminer
3 semaines à 3 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Mettre en œuvre et évaluer des modèles d'apprentissage automatique (réseaux neuronaux, forêts aléatoires, etc.) sur des données scientifiques en Python

Compétences que vous acquerrez

  • Catégorie : Forêts d'arbres décisionnels
  • Catégorie : Réseau de neurones artificiels
  • Catégorie : Programmation en Python
  • Catégorie : Apprentissage automatique
  • Catégorie : ACP

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

5 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation L'IA au service de la recherche scientifique
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • 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
Emplacement réservé
Emplacement réservé

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

Emplacement réservé

Il y a 4 modules dans ce cours

Dans ce module, nous aborderons les étapes préalables à l'utilisation des algorithmes d'IA. Nous commencerons par une introduction aux principales techniques de prétraitement des données, notamment le remplissage des valeurs manquantes et la suppression des valeurs aberrantes. Nous nous pencherons ensuite sur les transformations de données, notamment l'ACP et la LDA, deux méthodes très utilisées pour la réduction de la dimensionnalité. Enfin, nous apprendrons à coder les algorithmes en Python pour configurer vos données en vue de leur utilisation dans le module suivant.

Inclus

12 vidéos4 lectures2 devoirs1 sujet de discussion

Dans ce module, nous nous pencherons sur deux des algorithmes d'apprentissage automatique les plus fondamentaux : K-Means et les machines à vecteurs de support. Nous commencerons par comparer les deux branches de l'apprentissage automatique : l'apprentissage supervisé et l'apprentissage non supervisé. Ensuite, nous examinerons les similitudes et les différences spécifiques entre les K-voisins les plus proches pour la classification et le clustering K-Means. Enfin, nous effectuerons des plongées profondes dans les K-Means et les SVM, en apprenant la théorie de base qui les sous-tend et comment les mettre en œuvre en Python.

Inclus

4 vidéos3 lectures2 devoirs1 devoir de programmation1 sujet de discussion2 laboratoires non notés

Dans ce module, nous allons explorer certaines techniques avancées d'intelligence artificielle. Nous commencerons par les algorithmes à base d'arbres, rendus populaires par l'utilisation des forêts aléatoires pour la classification et la régression. Ensuite, nous nous dirigerons vers les réseaux neuronaux, en commençant par expérimenter les différents modèles. Nous passerons un peu de temps dans le terrain de jeu de Tensorflow pour nous familiariser avec les différents mécanismes qui sous-tendent les réseaux neuronaux. Enfin, nous coderons nos propres réseaux neuronaux pour faire des prédictions sur des données inédites.

Inclus

1 vidéo4 lectures1 devoir1 devoir de programmation1 sujet de discussion2 laboratoires non notés

Dans ce module, nous allons étudier un projet de cours visant à prédire le diabète à partir de données de santé. Nous comparerons différents régresseurs en les implémentant et en vérifiant l'erreur sur un ensemble de tests.

Inclus

1 devoir de programmation1 laboratoire non noté

Instructeurs

Sabrina Moore
LearnQuest
3 Cours62 269 apprenants

Offert par

LearnQuest

Recommandé si vous êtes intéressé(e) par Apprentissage automatique

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

4.0

12 avis

  • 5 stars

    50 %

  • 4 stars

    8,33 %

  • 3 stars

    33,33 %

  • 2 stars

    8,33 %

  • 1 star

    0 %

Affichage de 3 sur 12

RJ
4

Révisé le 7 juil. 2022

Emplacement réservé

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