Ce cours s'adresse à toute personne intéressée par l'application des techniques d'apprentissage automatique aux problèmes scientifiques. Dans ce cours, nous découvrirons le pipeline complet de l'apprentissage automatique, depuis la lecture, le nettoyage et la transformation des données jusqu'à l'exécution d'algorithmes d'apprentissage automatique de base et avancés. Nous commencerons par les techniques de prétraitement des données, telles que l'ACP et la LDA. Ensuite, nous nous plongerons dans les algorithmes fondamentaux de l'IA : SVM et K-means. En cours de route, nous construirons notre boîte à outils mathématique et de programmation pour nous préparer à travailler avec des modèles plus compliqués. Enfin, nous explorerons des méthodes avancées telles que les forêts aléatoires et les réseaux neuronaux. En cours de route, nous utiliserons des ensembles de données médicales et astronomiques. Dans le projet final, nous appliquerons nos compétences pour comparer différents modèles d'apprentissage automatique en Python.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Modèles d'apprentissage automatique en science
Ce cours fait partie de Spécialisation L'IA au service de la recherche scientifique
Instructeurs : Sabrina Moore
1 739 déjà inscrits
Inclus avec
(11 avis)
Expérience recommandée
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
Ajouter à votre profil LinkedIn
5 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
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
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
University of Washington
Sungkyunkwan University
Stanford University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 11
11 avis
- 5 stars
45,45 %
- 4 stars
9,09 %
- 3 stars
36,36 %
- 2 stars
9,09 %
- 1 star
0 %
Révisé le 7 juil. 2022
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.