Spécialisation en Apprentissage Automatique - Présentation détaillée du projet

Aperçu du projet

La Spécialisation en Apprentissage Automatique est un programme de cours en ligne fondamental créé en partenariat par DeepLearning.AI et Stanford Online. Ce programme, conçu pour les débutants, enseigne les bases de l'apprentissage automatique et comment utiliser ces techniques pour construire des applications d'IA du monde réel.

Informations sur le professeur

Cette spécialisation est enseignée par le professeur Andrew Ng, un visionnaire de l'IA qui a dirigé des recherches clés à l'université de Stanford et a mené des travaux novateurs chez Google Brain, Baidu et Landing.AI, faisant progresser le domaine de l'IA.

Andrew Ng est le fondateur de DeepLearning.AI, associé général d'AI Fund, cofondateur et président de Coursera, et professeur auxiliaire à l'université de Stanford.

Historique et réputation du cours

Ce programme de spécialisation en 3 cours est une version mise à jour du cours d'apprentissage automatique novateur d'Andrew, qui a obtenu une note de 4,9/5 et a été suivi par plus de 4,8 millions d'apprenants depuis son lancement en 2012.

En 2020, trois des cours les plus populaires sur Coursera étaient ceux d'Andrew Ng : Apprentissage automatique (n° 1), AI for Everyone (n° 5) et Réseaux neuronaux et apprentissage profond (n° 6).

Structure du cours

La spécialisation est divisée en 3 cours, chacun ayant un thème spécifique et un contenu organisé par semaine :

1. Apprentissage automatique supervisé : Régression et classification

   • Introduction à l'apprentissage automatique
   • Régression (régression linéaire)
   • Classification (régression logistique)

2. Algorithmes d'apprentissage avancés

   • Réseaux neuronaux
   • Arbres de décision
   • Forêts aléatoires
   • Algorithmes de boosting
   • Conseils pratiques pour l'application de l'apprentissage automatique

3. Apprentissage non supervisé, systèmes de recommandation, apprentissage par renforcement

   • Techniques d'apprentissage non supervisé
   • Systèmes de recommandation
   • Bases de l'apprentissage par renforcement

Durée d'étude

Avec un rythme d'étude de 5 heures par semaine, il faut 3 semaines pour terminer le cours 1, 4 semaines pour le cours 2 et 3 semaines pour le cours 3.

Description détaillée du contenu du cours

Ce cours offre une large introduction à l'apprentissage automatique moderne, comprenant :

Apprentissage supervisé

• Régression linéaire multiple
• Régression logistique
• Réseaux neuronaux
• Arbres de décision

Apprentissage non supervisé

• Clustering
• Réduction de dimensionnalité
• Systèmes de recommandation

Meilleures pratiques de la Silicon Valley

• Évaluation et réglage des modèles
• Adoption d'une approche centrée sur les données pour améliorer les performances
• Autres pratiques innovantes en matière d'IA et d'apprentissage automatique

Résultats d'apprentissage

Après avoir terminé cette spécialisation, vous serez capable de :

• Construire des modèles d'apprentissage automatique en Python en utilisant les bibliothèques populaires d'apprentissage automatique NumPy et scikit-learn
• Construire et entraîner des modèles d'apprentissage automatique supervisé pour les tâches de prédiction et de classification binaire, y compris la régression linéaire et la régression logistique
• Construire et entraîner des réseaux neuronaux à l'aide de TensorFlow pour effectuer une classification multiclasse
• Appliquer les meilleures pratiques de développement d'apprentissage automatique pour permettre à vos modèles de se généraliser aux données et aux tâches du monde réel
• Construire et utiliser des arbres de décision et des méthodes d'ensemble d'arbres, y compris les forêts aléatoires et les arbres de boosting
• Utiliser des techniques d'apprentissage non supervisé : y compris le clustering et la détection d'anomalies
• Construire des systèmes de recommandation en utilisant des méthodes de filtrage collaboratif et des méthodes d'apprentissage profond basées sur le contenu
• Construire des modèles d'apprentissage par renforcement profond

Caractéristiques du cours

Les caractéristiques de ce cours comprennent :

• Aucune connaissance préalable en mathématiques ou en programmation rigoureuse n'est requise
• Adopter le contenu de base du cours - validé par des millions d'apprenants au fil des ans - et le rendre plus facile à comprendre
• Enseigner les concepts fondamentaux de l'IA par le biais d'approches visuelles intuitives, puis introduire le code et les mathématiques de base nécessaires à la mise en œuvre des algorithmes

Pile technologique et outils

Le cours utilise principalement les technologies et outils suivants :

# Principales bibliothèques Python
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scikit-learn
import tensorflow as tf

Public cible

• Débutants en apprentissage automatique
• Professionnels souhaitant entrer dans le domaine de l'IA
• Apprenants souhaitant faire carrière dans le domaine de l'apprentissage automatique
• Développeurs ayant des connaissances de base en Python

Certification et diplôme

Une fois le cours terminé, vous recevrez un certificat Coursera, délivré conjointement par l'université de Stanford et DeepLearning.AI.

Évaluation du cours

Si vous souhaitez entrer dans le domaine de l'IA ou faire carrière dans le domaine de l'apprentissage automatique, la nouvelle spécialisation en apprentissage automatique est le meilleur point de départ.

---

Remarque : Ce cours est dispensé en anglais. Il est recommandé d'avoir des compétences de base en anglais (écoute, expression orale, lecture et écriture). Le cours propose des sous-titres et une assistance pour les devoirs, ce qui le rend adapté aux apprenants du monde entier.