Il s'agit du sixième des sept cours du certificat Google Advanced Data Analytics. Dans ce cours, vous apprendrez ce qu'est l'apprentissage automatique, qui utilise des algorithmes et des statistiques pour apprendre aux systèmes informatiques à découvrir des modèles dans les données. Les professionnels des données utilisent l'apprentissage automatique pour analyser de grandes quantités de données, résoudre des problèmes complexes et faire des prédictions précises. Vous vous concentrerez sur les deux principaux types d'apprentissage automatique : supervisé et non supervisé. Vous apprendrez à appliquer différents modèles d'apprentissage automatique à des problèmes professionnels et vous vous familiariserez avec des modèles spécifiques tels que Naive Bayes, l'arbre de décision, la forêt aléatoire, etc.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Les rouages de l'apprentissage automatique
Ce cours fait partie de Google Advanced Data Analytics (analyse avancée des données) Certificat Professionnel
Instructeur : Google Career Certificates
Enseignant de premier plan
43 687 déjà inscrits
Inclus avec 
(410 avis)
Ce que vous apprendrez
Identifier les caractéristiques des différents types d'apprentissage automatique
Préparer les données pour les modèles d'apprentissage automatique.
Construire et évaluer des modèles d'Apprentissage supervisé et non supervisé à l'aide de Python
Démontrer une sélection appropriée de modèles et de métriques pour un algorithme d'apprentissage automatique
Compétences que vous acquerrez
- Catégorie : Pile Overflow
- Catégorie : Programmation en Python
- Catégorie : Apprentissage automatique
- Catégorie : Une communication efficace
- Catégorie : Modélisation prédictive
Détails à connaître
Ajouter à votre profil LinkedIn
22 quizzes
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Apprentissage automatique
- 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 auprès de Google
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 5 modules dans ce cours
Vous commencerez par explorer les concepts de base de l'apprentissage automatique et le rôle de l'apprentissage automatique dans la science des données. Ensuite, vous passerez en revue les quatre principaux types d'apprentissage automatique : supervisé, non supervisé, par renforcement et par apprentissage profond.
Inclus
16 vidéos7 lectures7 quizzes2 plugins
Vous apprendrez comment les professionnels des données utilisent un flux de travail structuré pour l'apprentissage automatique. Vous identifierez les principales étapes du flux de travail et l'importance de chaque étape dans le processus global. Vous apprendrez ensuite à appliquer des modèles d'apprentissage automatique spécifiques à des problèmes professionnels.
Inclus
12 vidéos6 lectures3 quizzes6 laboratoires non notés
Vous en apprendrez davantage sur l'un des principaux types d'apprentissage automatique : l'apprentissage non supervisé. Vous commencerez par explorer la différence entre les techniques supervisées et non supervisées, ainsi que les avantages et les utilisations de chaque approche. Vous apprendrez ensuite à appliquer deux modèles d'apprentissage automatique non supervisé : le regroupement et les K-moyennes.
Inclus
7 vidéos4 lectures3 quizzes4 laboratoires non notés
Ensuite, vous vous concentrerez sur l'apprentissage supervisé. Vous apprendrez à tester et à valider les performances des modèles d'apprentissage automatique supervisé tels que l'arbre de décision, la forêt aléatoire et le gradient boosting.
Inclus
16 vidéos11 lectures5 quizzes10 laboratoires non notés1 plugin
Vous réaliserez le projet final en appliquant différents modèles d'apprentissage automatique à un ensemble de données de scénarios sur le lieu de travail.
Inclus
5 vidéos10 lectures4 quizzes6 laboratoires non notés
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
DeepLearning.AI
Politecnico di Milano
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 410
410 avis
- 5 stars
87,62 %
- 4 stars
9,22 %
- 3 stars
2,42 %
- 2 stars
0,48 %
- 1 star
0,24 %
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
Les organisations de tous types et de toutes tailles ont des processus commerciaux qui génèrent des volumes massifs de données. À chaque instant, toutes sortes d'informations sont créées par les ordinateurs, l'internet, les téléphones, les textes, la vidéo en continu, les photographies, les capteurs et bien d'autres choses encore. Dans le paysage numérique mondial, les données sont de plus en plus imprécises, chaotiques et non structurées. Alors que la vitesse et la variété des données augmentent de façon exponentielle, les organisations peinent à suivre le rythme.
La science des données et l'analytique des données avancée font partie d'un domaine d'étude qui utilise les données brutes pour créer de nouvelles façons de modéliser et de comprendre l'inconnu. Pour acquérir des connaissances, les entreprises s'appuient sur des professionnels des données pour acquérir, organiser et interpréter les données, ce qui permet d'éclairer les projets et les processus internes. Les data scientists et les analystes de données avancés s'appuient sur une combinaison de compétences essentielles, notamment les statistiques, les méthodes scientifiques, l'analyse des données et l'intelligence artificielle.
Un professionnel des données est un terme utilisé pour décrire toute personne qui travaille avec des données et/ou qui possède des compétences en matière de données. Au minimum, un professionnel des données est capable d'explorer, de nettoyer, de sélectionner, d'analyser et de visualiser des données. Il peut également être à l'aise avec l'écriture de code et avoir une certaine familiarité avec les techniques utilisées par les statisticiens et les ingénieurs en apprentissage automatique, notamment la construction de modèles, le développement de la pensée algorithmique et la construction de modèles d'apprentissage automatique.
Les professionnels des données sont responsables de la collecte, de l'analyse et de l'interprétation de grandes quantités de données au sein d'une variété d'organisations différentes. Le rôle d'un professionnel des données est défini différemment selon les entreprises. D'une manière générale, les professionnels des données possèdent des capacités techniques et stratégiques qui nécessitent des compétences analytiques plus avancées, telles que la manipulation des données, la conception expérimentale, la modélisation prédictive et l'apprentissage automatique. Ils effectuent diverses tâches liées à la collecte, à la structuration, à l'interprétation, au suivi et à la communication des données dans des formats accessibles, ce qui permet aux parties prenantes de comprendre et d'utiliser les données de manière efficace. En fin de compte, le travail des professionnels des données aide les organisations à prendre des décisions éclairées et éthiques.
Les grands volumes de données - et la technologie nécessaire pour les gérer et les analyser - sont de plus en plus accessibles. Pour cette raison, les opportunités de carrière se sont multipliées pour les personnes capables de raconter des histoires à l'aide de données, comme les analystes de données seniors et les data scientists. Ces professionnels collectent, analysent et interprètent de grandes quantités de données au sein de différentes organisations. Leurs responsabilités nécessitent des compétences analytiques avancées telles que la manipulation des données, la conception expérimentale, la modélisation prédictive et l'apprentissage automatique.