DeepLearning.AI
Probabilités et statistiques pour l'apprentissage automatique et la science des données
DeepLearning.AI

Probabilités et statistiques pour l'apprentissage automatique et la science des données

Luis Serrano

Instructeur : Luis Serrano

67 167 déjà inscrits

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(451 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible
Env. 33 heures
Apprenez à votre propre rythme
92%
La plupart des apprenants ont aimé ce cours
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(451 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible
Env. 33 heures
Apprenez à votre propre rythme
92%
La plupart des apprenants ont aimé ce cours

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

Obtenez un certificat professionnel

Ajouter à votre profil LinkedIn

Évaluations

8 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 Mathématiques pour l'apprentissage automatique et la science des données
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

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

Évaluations de l’enseignant
4.6 (120 évaluations)
Luis Serrano
DeepLearning.AI
4 Cours154 668 apprenants

Offert par

DeepLearning.AI

Recommandé si vous êtes intéressé(e) par Algorithmes

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

Affichage de 3 sur 451

4.6

451 avis

  • 5 stars

    78,27 %

  • 4 stars

    12,86 %

  • 3 stars

    4,21 %

  • 2 stars

    1,77 %

  • 1 star

    2,88 %

AM
5

Révisé le 28 févr. 2024

EE
4

Révisé le 17 juin 2024

MY
5

Révisé le 8 mai 2024

Emplacement réservé

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