Nouvellement mis à jour pour 2024 ! Mathematics for Apprentissage automatique and Data Science est un programme en ligne fondamental créé par DeepLearning.IA et enseigné par Luis Serrano. Dans l'apprentissage automatique, vous appliquez des concepts mathématiques à travers la programmation. Et donc, dans cette spécialisation, vous appliquerez les concepts mathématiques que vous apprenez en utilisant la programmation Python dans des exercices pratiques en laboratoire. En tant qu'apprenant dans ce programme, vous aurez besoin de compétences de base à intermédiaires en programmation Python pour réussir. Après avoir terminé ce cours, vous serez en mesure de : - Décrire et quantifier l'incertitude inhérente aux prédictions faites par les modèles d'apprentissage automatique, en utilisant les concepts de probabilité, de variables aléatoires et de distributions de probabilité.
Probabilités et statistiques pour l'apprentissage automatique et la science des données
Ce cours fait partie de Spécialisation Mathématiques pour l'apprentissage automatique et la science des données
Instructeur : Luis Serrano
73 868 déjà inscrits
(476 avis)
Expérience recommandée
Ce que vous apprendrez
Décrire et quantifier l'incertitude inhérente aux prédictions faites par les modèles d'apprentissage automatique
Comprendre visuellement et intuitivement les propriétés des distributions de probabilité couramment utilisées dans l'apprentissage automatique et la science des données
Appliquer des méthodes statistiques courantes telles que l'estimation du maximum de vraisemblance (MLE) et l'estimation maximale a priori (MAP) aux problèmes d'apprentissage automatique
Évaluer les performances des modèles d'apprentissage automatique à l'aide d'estimations par intervalles et de marges d'erreur
Compétences que vous acquerrez
- Catégorie : Probabilités et statistiques
- Catégorie : Algorithmes d'apprentissage automatique (ML)
- Catégorie : Analyse statistique
- Catégorie : Probabilité
- Catégorie : Tests d'hypothèses statistiques
Détails à connaître
Ajouter à votre profil LinkedIn
8 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
Au cours de cette semaine, vous apprendrez ce qu'est la probabilité d'un événement et les différentes règles de probabilité afin d'effectuer correctement l'arithmétique avec les probabilités. Vous apprendrez le concept de probabilité conditionnelle et l'idée clé du théorème de Bayes. Dans la leçon 2, nous généraliserons le concept de probabilité d'événements à la distribution de probabilités sur des variables aléatoires. Vous découvrirez quelques distributions de probabilités courantes telles que la distribution binomiale et la distribution normale.
Inclus
30 vidéos9 lectures2 devoirs1 devoir de programmation4 laboratoires non notés
Cette semaine, vous découvrirez différentes mesures permettant de décrire les distributions de probabilités ainsi que n'importe quel ensemble de données. Il s'agit notamment des mesures de tendance centrale (moyenne, médiane et mode), de la variance, de l'asymétrie et de l'aplatissement. Le concept de valeur attendue d'une variable aléatoire est introduit pour vous aider à comprendre chacune de ces mesures. Vous découvrirez également quelques outils visuels permettant de décrire les données et les distributions. Dans la leçon 2, vous découvrirez la distribution de probabilité de deux ou plusieurs variables aléatoires à l'aide de concepts tels que la distribution conjointe, la distribution marginale et la distribution conditionnelle. Vous terminerez la semaine en apprenant ce qu'est la covariance : une généralisation de la variance à deux variables aléatoires ou plus.
Inclus
27 vidéos2 lectures2 devoirs1 devoir de programmation3 laboratoires non notés
Cette semaine, l'accent est mis sur les statistiques plutôt que sur les probabilités. Vous commencerez par apprendre le concept d'échantillon et de population, ainsi que deux résultats fondamentaux de la statistique concernant les échantillons et la population : la loi des grands nombres et le théorème central limite. Dans la leçon 2, vous apprendrez la première et la plus simple des méthodes d'estimation en statistiques : l'estimation ponctuelle. Vous verrez comment fonctionne l'estimation du maximum de vraisemblance, la méthode d'estimation ponctuelle la plus courante, et comment la régularisation permet d'éviter le surajustement. Vous apprendrez ensuite comment les statistiques bayésiennes intègrent le concept de croyances préalables dans la manière dont les données sont évaluées et les conclusions sont tirées.
Inclus
20 vidéos3 lectures2 devoirs2 laboratoires non notés
Cette semaine, vous apprendrez une autre méthode d'estimation, l'estimation par intervalles. Les estimations par intervalle les plus courantes sont les intervalles de confiance. Vous verrez comment ils sont calculés et comment les interpréter correctement. Dans la leçon 2, vous apprendrez ce qu'est le test d'hypothèse, où les estimations sont formulées sous forme d'hypothèse, puis testées en présence de preuves disponibles ou d'un échantillon de données. Vous apprendrez le concept de Valeur P qui aide à prendre une décision concernant un test d'hypothèse et vous apprendrez également quelques tests courants comme le test t, le test t à deux échantillons et le test t par paires. Vous terminerez la semaine avec une application intéressante des tests d'hypothèse dans la science des données : Le test A/B.
Inclus
22 vidéos8 lectures2 devoirs1 devoir de programmation1 laboratoire non noté
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Algorithmes
Corporate Finance Institute
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
476 avis
- 5 stars
77,75 %
- 4 stars
13,09 %
- 3 stars
4,36 %
- 2 stars
1,87 %
- 1 star
2,91 %
Affichage de 3 sur 476
Révisé le 12 nov. 2023
Very good course! Highly recommended to those who are just starting to learn mathematics for machine learning
Révisé le 28 févr. 2024
The best statistic course i have taken so far. Simply amazing
Révisé le 17 juin 2024
Very thorough and easy to comprehend approach to learning statistical and probability theory which is important foundational knowledge, not just in ML but any field of data analytics!
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.