Aperçu
Dans ce cours complet, vous allez explorer l'intelligence artificielle (IA) et ses concepts fondamentaux, formant une base solide pour l'apprentissage automatique. Vous vous plongerez dans l'analyse de régression, en appliquant des techniques de régression univariée, polynomiale et multivariée à des problèmes du monde réel grâce à des laboratoires interactifs. Ensuite, vous apprendrez la préparation et l'évaluation des modèles, en vous concentrant sur le sous-apprentissage, le surapprentissage, le fractionnement des données, et les méthodes de rééchantillonnage, ainsi que les techniques de régularisation pour améliorer les performances des modèles. Le cours aborde les méthodes de classification, y compris les matrices de confusion, les courbes ROC, les arbres de décision, les forêts aléatoires, la régression logistique, et les machines à vecteurs de support, toutes accompagnées de laboratoires pratiques. Vous explorerez également les modèles d'ensemble et les règles d'association, comme l'algorithme Apriori, pour découvrir des motifs cachés dans les données. Conçu pour les data scientists, les passionnés d'apprentissage automatique, et les professionnels techniques, ce cours nécessite une compréhension de base des concepts d'apprentissage automatique et de la programmation en Python.
Les résultats d'apprentissage incluent :
- Comprendre les fondamentaux de l'IA et de l'apprentissage automatique
- Appliquer l'analyse de régression
- Construire et évaluer des modèles
- Implémenter des techniques de classification
- Réaliser des regroupements et la réduction de dimensions
- Découvrir des motifs avec des règles d'association
- Appliquer les principes de l'apprentissage par renforcement
Université :
Fournisseur : Coursera
Catégories : Cours d'Intelligence Artificielle, Cours d'Apprentissage Automatique, Cours d'Analyse de Régression, Cours d'Évaluation de Modèles, Cours de Classification, Cours de Régression Logistique, Cours sur les Arbres de Décision
Programme
Enseigné par
Étiquettes
