Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 13:38

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Expliquer, Ajuster & Expérimenter les Modèles d'IA

Maîtrisez l'ingénierie des modèles d'IA grâce à l'ajustement des caractéristiques, aux méthodes d'explicabilité telles que SHAP/LIME, et à une expérimentation structurée pour transformer les modèles en boîte noire en solutions fiables et prêtes pour les affaires.
Coursera via Coursera

Coursera

2868 Cours


2 hours 21 minutes

Amélioration optionnelle disponible

Not Specified

Progressez à votre rythme

Paid Course

Amélioration optionnelle disponible

Aperçu

Engineer AI Models:

Explain, Tune & Experiment prepares program and project managers to guide AI projects beyond “just working” toward being trusted, explainable, and reproducible. You’ll learn how feature engineering and hyperparameter tuning improve model performance, how explainability methods like SHAP and LIME build stakeholder confidence, and how structured experimentation ensures reliable results.

Through real-world scenarios — from boosting fraud detection F1 scores, to presenting credit approval models to risk committees, to planning experiments in Jupyter — you’ll gain the skills to ask the right questions, guide technical teams, and translate complex model outputs into business impact. By the end, you’ll know how to move AI projects from black box to business-ready.

Programme

  • Ingénierie des modèles d'IA : Expliquer, ajuster et expérimenter
  • Ingénierie des modèles d'IA : Expliquer, ajuster et expérimenter prépare les gestionnaires de programme et de projet à guider les projets d'IA au-delà du simple « fonctionnement » pour qu'ils soient fiables, explicables et reproductibles. Vous apprendrez comment l'ingénierie des caractéristiques et l'ajustement des hyperparamètres améliorent la performance des modèles, comment les méthodes d'explicabilité comme SHAP et LIME renforcent la confiance des parties prenantes, et comment une expérimentation structurée garantit des résultats fiables. À travers des scénarios réels — de l'amélioration des scores F1 pour la détection des fraudes, à la présentation de modèles d'approbation de crédit aux comités de risque, en passant par la planification d'expériences dans Jupyter — vous acquerrez les compétences pour poser les bonnes questions, guider les équipes techniques et traduire les sorties complexes des modèles en impact business. À la fin, vous saurez comment transformer les projets d'IA d'une boîte noire en solutions prêtes pour le business.

Enseigné par

ansrsource instructors


Matières

Computer Science