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.
Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud en Français
Offert par
À propos de ce cours
1 895 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 5 dans le
Niveau intermédiaire
Approx. 20 heures pour terminer
Français
Sous-titres : Français, Anglais
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 5 dans le
Niveau intermédiaire
Approx. 20 heures pour terminer
Français
Sous-titres : Français, Anglais
Offert par
Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Programme du cours : ce que vous apprendrez dans ce cours
8 minutes pour terminer
Présentation du cours
Dans ce cours, vous acquerrez des connaissances de base sur le machine learning pour comprendre la terminologie que nous employons tout au long de la spécialisation. Nos professionnels Google du machine learning vous montreront également des conseils pratiques et les pièges à éviter, et vous donneront les codes et les connaissances nécessaires pour démarrer vos propres modèles de machine learning.
8 minutes pour terminer
2 vidéos (Total 8 min)
4 heures pour terminer
Améliorer la qualité des données et l'analyse exploratoire des données
Dans ce module, nous allons présenter les problèmes liés à la qualité des données et les méthodes pour l'améliorer. Nous évoquerons ensuite les analyses exploratoires des données.
4 heures pour terminer
5 vidéos (Total 29 min), 1 lecture, 4 quiz
8 heures pour terminer
Machine learning en pratique
Dans ce module, nous allons présenter certains des principaux types de machine learning. Nous passerons également en revue l'histoire du ML, ainsi que les événements l'ayant mené à ce système de pointe qui vous permet de développer rapidement vos connaissances en tant qu'utilisateur du ML.
8 heures pour terminer
13 vidéos (Total 63 min), 1 lecture, 11 quiz
3 heures pour terminer
Optimisation
Dans ce module, nous vous expliquerons comment optimiser vos modèles de machine learning.
3 heures pour terminer
13 vidéos (Total 61 min), 1 lecture, 4 quiz
À propos du Spécialisation Machine Learning with TensorFlow on Google Cloud en Français
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
