Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Institution Logo

Launching into Machine Learning en Français

Google Cloud and Google via Coursera

Overview

À partir de l'histoire du machine learning, nous examinons les raisons pour lesquelles les réseaux de neurones fonctionnent si bien de nos jours dans différents problèmes liés à la science des données. Nous évoquons ensuite la façon d'aborder un problème d'apprentissage supervisé et le moyen d'y répondre en utilisant la descente de gradient. Cela implique de créer des ensembles de données menant à une généralisation ; nous évoquons les méthodes pour y parvenir de façon reproductible en utilisant l'expérimentation.

Objectifs du cours :
Identifier les raisons pour lesquelles le deep learning est actuellement en vogue
Optimiser et évaluer les modèles à l'aide des fonctions de perte et des statistiques de performance
Réduire les problèmes courants qui surviennent dans le machine learning
Créer des formations, des évaluations et des ensembles de données tests répétables et évolutifs

Syllabus

  • Introduction
    • Dans ce cours, nous vous enseignerons les connaissances fondamentales en matière de ML pour que vous puissiez comprendre la terminologie que nous utiliserons au cours de cette spécialisation. Grâce aux spécialistes du machine learning de Google, vous découvrirez également des astuces pratiques, ainsi que les écueils à éviter. À la fin du cours, vous disposerez du code et des connaissances nécessaires pour lancer vos propres modèles de ML.
  • Le machine learning en pratique
    • Dans ce module, nous vous présentons certains des principaux types de machine learning et aborderons son histoire, des débuts jusqu'à l'apogée. Vous pourrez ainsi rapidement vous familiariser avec le ML.
  • Optimisation
    • Dans ce module, nous vous guidons sur la voie qui vous permettra d'optimiser vos modèles de ML.
  • Généralisation et échantillonnage
    • Penchons-nous maintenant sur une question un peu particulière : dans quelles conditions est-il préférable de ne pas choisir le modèle ML le plus précis ? Comme nous en avons déjà parlé lors du module précédent sur l'optimisation, ce n'est pas parce que le modèle appliqué à un ensemble de données d'apprentissage présente un taux de perte égal à zéro qu'il sera performant pour de nouvelles données réelles.
  • Résumé

Taught by

Google Cloud Training

Related Courses

Reviews

0.0 rating, based on 0 reviews

Start your review of Launching into Machine Learning en Français

Never stop learning Never Stop Learning!

Get personalized course recommendations, track subjects and courses with reminders, and more.

Sign up for free