Fondations de l'ingénierie de l'IA

Aperçu

This course features Coursera Coach! A smarter way to learn with interactive, real-time conversations that help you test your knowledge, challenge assumptions, and deepen your understanding as you progress through the course.

In this course, you will gain a comprehensive foundation in AI engineering, starting with the fundamentals of Python programming and advancing through key data science and machine learning concepts. The course emphasizes hands-on projects that will solidify your understanding of these essential skills, providing a deep dive into Python, data science tools, and mathematics necessary for machine learning.

By mastering these core concepts, you'll be equipped to approach AI engineering challenges confidently. The course is structured to guide you through each key area, beginning with Python programming basics.

You will learn how to work with Python syntax, data structures, functions, and file handling, all necessary for real-world applications. As you progress, you'll explore data science essentials using NumPy and Pandas, working on projects that teach you data manipulation, visualization, and analysis.

The course culminates with a deeper dive into the mathematics required for machine learning, including linear algebra, calculus, and probability. This course is perfect for aspiring AI engineers, data scientists, and those interested in pursuing machine learning.

No prior experience is required, though a basic understanding of programming and mathematics will be helpful. The course is designed for beginners but includes complex mathematical concepts for those ready to delve deeper.

By the end of the course, you will be able to write Python code for AI-related applications, clean and manipulate data using Pandas, visualize data with Matplotlib, apply machine learning math concepts, and execute probability and statistics techniques in data analysis and model-building projects.

Programme

• Semaine 1 : Fondamentaux de la Programmation Python
Dans ce module, nous vous présenterons les concepts fondamentaux de la programmation Python, y compris la configuration de développement et la syntaxe de base. Vous explorerez le flux de contrôle, les fonctions et les structures de données tout en appliquant vos connaissances dans des projets pratiques. À la fin, vous serez prêt à écrire du code efficace et Pythonique.
• Semaine 2 : Notions Essentielles de la Science des Données
Dans ce module, nous couvrirons les outils essentiels pour la science des données, de NumPy pour les opérations numériques à Pandas pour la manipulation des données. Vous acquerrez également des compétences en visualisation des données et travaillerez sur un projet d'EDA, en appliquant vos connaissances pour extraire des informations à partir de jeux de données réels.
• Semaine 3 : Mathématiques pour l'Apprentissage Automatique
Dans ce module, nous plongerons dans les mathématiques derrière l'apprentissage automatique, en commençant par l'algèbre linéaire et en avançant vers les concepts de calcul. Vous comprendrez les fondements mathématiques nécessaires pour construire et optimiser des modèles d'apprentissage automatique, tout en appliquant ces connaissances pour créer votre propre modèle de régression linéaire.
• Semaine 4 : Probabilités et Statistiques pour l'Apprentissage Automatique
Dans ce module, nous explorerons les concepts critiques de probabilité et de statistiques utilisés dans l'apprentissage automatique. De la théorie des probabilités aux tests d'hypothèses, vous acquerrez les outils nécessaires pour analyser et interpréter les données. Le module comprend également un projet pratique pour appliquer ces concepts à des données réelles.

---

Enseigné par

Packt - Course Instructors

---

Matières

Programming