À propos de ce cours
4.9
87,405 notes
22,429 avis
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Heures pour terminer

Approx. 55 heures pour terminer

Recommandé : 7 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (simplifié), Hébreu, Espagnol, Hindi, Japonais...

Compétences que vous acquerrez

Logistic RegressionArtificial Neural NetworkMachine Learning (ML) AlgorithmsMachine Learning
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Heures pour terminer

Approx. 55 heures pour terminer

Recommandé : 7 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (simplifié), Hébreu, Espagnol, Hindi, Japonais...

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
2 heures pour terminer

Introduction

Welcome to Machine Learning! In this module, we introduce the core idea of teaching a computer to learn concepts using data—without being explicitly programmed. The Course Wiki is under construction. Please visit the resources tab for the most complete and up-to-date information....
Reading
5 videos (Total 42 min), 9 lectures, 1 quiz
Video5 vidéos
Welcome6 min
What is Machine Learning?7 min
Supervised Learning12 min
Unsupervised Learning14 min
Reading9 lectures
Machine Learning Honor Code8 min
What is Machine Learning?5 min
How to Use Discussion Forums4 min
Supervised Learning4 min
Unsupervised Learning3 min
Who are Mentors?3 min
Get to Know Your Classmates8 min
Frequently Asked Questions11 min
Lecture Slides20 min
Quiz1 exercice pour s'entraîner
Introduction10 min
Heures pour terminer
2 heures pour terminer

Linear Regression with One Variable

Linear regression predicts a real-valued output based on an input value. We discuss the application of linear regression to housing price prediction, present the notion of a cost function, and introduce the gradient descent method for learning....
Reading
7 videos (Total 70 min), 8 lectures, 1 quiz
Video7 vidéos
Cost Function8 min
Cost Function - Intuition I11 min
Cost Function - Intuition II8 min
Gradient Descent11 min
Gradient Descent Intuition11 min
Gradient Descent For Linear Regression10 min
Reading8 lectures
Model Representation3 min
Cost Function3 min
Cost Function - Intuition I4 min
Cost Function - Intuition II3 min
Gradient Descent3 min
Gradient Descent Intuition3 min
Gradient Descent For Linear Regression6 min
Lecture Slides20 min
Quiz1 exercice pour s'entraîner
Linear Regression with One Variable10 min
Heures pour terminer
2 heures pour terminer

Linear Algebra Review

This optional module provides a refresher on linear algebra concepts. Basic understanding of linear algebra is necessary for the rest of the course, especially as we begin to cover models with multiple variables....
Reading
6 videos (Total 61 min), 7 lectures, 1 quiz
Video6 vidéos
Addition and Scalar Multiplication6 min
Matrix Vector Multiplication13 min
Matrix Matrix Multiplication11 min
Matrix Multiplication Properties9 min
Inverse and Transpose11 min
Reading7 lectures
Matrices and Vectors2 min
Addition and Scalar Multiplication3 min
Matrix Vector Multiplication2 min
Matrix Matrix Multiplication2 min
Matrix Multiplication Properties2 min
Inverse and Transpose3 min
Lecture Slides10 min
Quiz1 exercice pour s'entraîner
Linear Algebra10 min
Semaine
2
Heures pour terminer
3 heures pour terminer

Linear Regression with Multiple Variables

What if your input has more than one value? In this module, we show how linear regression can be extended to accommodate multiple input features. We also discuss best practices for implementing linear regression....
Reading
8 videos (Total 65 min), 16 lectures, 1 quiz
Video8 vidéos
Gradient Descent for Multiple Variables5 min
Gradient Descent in Practice I - Feature Scaling8 min
Gradient Descent in Practice II - Learning Rate8 min
Features and Polynomial Regression7 min
Normal Equation16 min
Normal Equation Noninvertibility5 min
Working on and Submitting Programming Assignments3 min
Reading16 lectures
Setting Up Your Programming Assignment Environment8 min
Accessing MATLAB Online and Uploading the Exercise Files3 min
Installing Octave on Windows3 min
Installing Octave on Mac OS X (10.10 Yosemite and 10.9 Mavericks and Later)10 min
Installing Octave on Mac OS X (10.8 Mountain Lion and Earlier)3 min
Installing Octave on GNU/Linux7 min
More Octave/MATLAB resources10 min
Multiple Features3 min
Gradient Descent For Multiple Variables2 min
Gradient Descent in Practice I - Feature Scaling3 min
Gradient Descent in Practice II - Learning Rate4 min
Features and Polynomial Regression3 min
Normal Equation3 min
Normal Equation Noninvertibility2 min
Programming tips from Mentors10 min
Lecture Slides20 min
Quiz1 exercice pour s'entraîner
Linear Regression with Multiple Variables10 min
Heures pour terminer
5 heures pour terminer

Octave/Matlab Tutorial

This course includes programming assignments designed to help you understand how to implement the learning algorithms in practice. To complete the programming assignments, you will need to use Octave or MATLAB. This module introduces Octave/Matlab and shows you how to submit an assignment....
Reading
6 videos (Total 80 min), 1 lecture, 2 quiz
Video6 vidéos
Moving Data Around16 min
Computing on Data13 min
Plotting Data9 min
Control Statements: for, while, if statement12 min
Vectorization13 min
Reading1 lecture
Lecture Slides10 min
Quiz1 exercice pour s'entraîner
Octave/Matlab Tutorial10 min
Semaine
3
Heures pour terminer
2 heures pour terminer

Logistic Regression

Logistic regression is a method for classifying data into discrete outcomes. For example, we might use logistic regression to classify an email as spam or not spam. In this module, we introduce the notion of classification, the cost function for logistic regression, and the application of logistic regression to multi-class classification. ...
Reading
7 videos (Total 71 min), 8 lectures, 1 quiz
Video7 vidéos
Hypothesis Representation7 min
Decision Boundary14 min
Cost Function10 min
Simplified Cost Function and Gradient Descent10 min
Advanced Optimization14 min
Multiclass Classification: One-vs-all6 min
Reading8 lectures
Classification2 min
Hypothesis Representation3 min
Decision Boundary3 min
Cost Function3 min
Simplified Cost Function and Gradient Descent3 min
Advanced Optimization3 min
Multiclass Classification: One-vs-all3 min
Lecture Slides10 min
Quiz1 exercice pour s'entraîner
Logistic Regression10 min
Heures pour terminer
4 heures pour terminer

Regularization

Machine learning models need to generalize well to new examples that the model has not seen in practice. In this module, we introduce regularization, which helps prevent models from overfitting the training data. ...
Reading
4 videos (Total 39 min), 5 lectures, 2 quiz
Video4 vidéos
Cost Function10 min
Regularized Linear Regression10 min
Regularized Logistic Regression8 min
Reading5 lectures
The Problem of Overfitting3 min
Cost Function3 min
Regularized Linear Regression3 min
Regularized Logistic Regression3 min
Lecture Slides10 min
Quiz1 exercice pour s'entraîner
Regularization10 min
Semaine
4
Heures pour terminer
5 heures pour terminer

Neural Networks: Representation

Neural networks is a model inspired by how the brain works. It is widely used today in many applications: when your phone interprets and understand your voice commands, it is likely that a neural network is helping to understand your speech; when you cash a check, the machines that automatically read the digits also use neural networks. ...
Reading
7 videos (Total 63 min), 6 lectures, 2 quiz
Video7 vidéos
Neurons and the Brain7 min
Model Representation I12 min
Model Representation II11 min
Examples and Intuitions I7 min
Examples and Intuitions II10 min
Multiclass Classification3 min
Reading6 lectures
Model Representation I6 min
Model Representation II6 min
Examples and Intuitions I2 min
Examples and Intuitions II3 min
Multiclass Classification3 min
Lecture Slides10 min
Quiz1 exercice pour s'entraîner
Neural Networks: Representation10 min
4.9
22,429 avisChevron Right
Orientation de carrière

39%

a commencé une nouvelle carrière après avoir terminé ces cours
Avantage de carrière

83%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours

Meilleurs avis

par MNJun 15th 2016

Excellent starting course on machine learning. Beats any of the so called programming books on ML. Highly recommend this as a starting point for anyone wishing to be a ML programmer or data scientist.

par AQMar 3rd 2018

An amazing skills of teaching and very well structured course for people start to learn to the machine learning. The assignments are very good for understanding the practical side of machine learning.

Enseignant

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain

À propos de Stanford University

The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States....

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.