Cours sur l'apprentissage automatique

1597 Cours

Leveraging Llama2 for Advanced AI Solutions

Acquérez les compétences et les connaissances pour exploiter la puissance des grands modèles de langage avec notre cours complet sur Llama2. Explorez les complexités des architectures de LLM, des techniques de réglage fin et de la génération augmentée par récupération (RAG). Plongez dans une expérience pratique avec des outils de premier plan.
course image

Fundamentals of Machine Learning and Artificial Intelligence (日本語)

Fondamentaux de l'apprentissage automatique et de l'intelligence artificielle - AWS Skill Builder Ce cours vous apprend les bases de l'apprentissage automatique (ML) et de l'intelligence artificielle (IA). Explorez les liens entre l'IA, le ML, l'apprentissage profond, et le nouveau domaine de l'IA générative. Construisez une compréhension solide.
course image

Exploring Artificial Intelligence Use Cases and Applications (繁體中文)

Dans ce cours, vous explorerez des cas d'utilisation pratiques de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'intelligence artificielle générative (IA générative) dans divers secteurs. Ces domaines incluent les soins de santé, la finance, le marketing, le divertissement, entre autres. Vous découvrirez également.
course image

Responsible Artificial Intelligence Practices (繁體中文)

Pratiques Responsables de l'Intelligence Artificielle (Français) Dans ce cours, vous apprendrez les pratiques de l'IA. Tout d'abord, vous serez introduit à ce qu'est l'IA responsable. Vous apprendrez à définir l'IA responsable, comprendrez les défis que l'IA responsable tente de surmonter, et explorerez les dimensions clés de l'IA responsable..
course image

Developing Generative Artificial Intelligence Solutions (繁體中文)

Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA Générative) qui comprend les éléments suivants : Définir des cas d'utilisation commerciale Sélectionner des modèles de base (FM) Améliorer les performances des FM Évaluer les performances des FM Déployer et évaluer l'impact sur.
course image

Developing Generative Artificial Intelligence Solutions (日本語)

Développement de solutions d'intelligence artificielle générative (Français) Ce cours explore le cycle de vie des applications utilisant l'intelligence artificielle générative (IA générative). Les détails sont les suivants : Définition des cas d'utilisation commerciaux Choix du modèle de fondation (FM) Amélioration des performances du FM.
course image

Exploring Artificial Intelligence Use Cases and Applications (日本語)

Ce cours explore des cas d'utilisation concrets de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'IA générative dans divers secteurs. Cela inclut la santé, les finances, le marketing, et l'industrie du divertissement, tout en apprenant les capacités et les limites des technologies IA, les méthodes de sélection de m.
course image

Responsible Artificial Intelligence Practices (日本語)

Dans ce cours, vous apprendrez les pratiques d'IA responsable. Tout d'abord, nous expliquerons ce qu'est l'IA responsable. Vous découvrirez comment définir une IA responsable, les défis auxquels elle fait face, et ses principaux éléments. Ensuite, nous aborderons plusieurs sujets pour développer un système d'IA responsable. Nous présenterons l.
course image

A CEO's Generative AI Playbook

Découvrez le guide indispensable pour les PDG souhaitant intégrer l'IA Générative dans leur stratégie d'entreprise. Proposé par Udemy, ce cours offre un guide complet pour maîtriser l'utilisation de l'IA dans un contexte stratégique. Vous apprendrez l'IA Générative, la Génération Augmentée par la Récupération (RAG), les agents IA, et l'intégrat.
course image

Mastering AI on AWS: Training AWS Certified AI-Practitioner

Embarquez pour un voyage transformateur avec le cours d'Udemy "Maîtriser l'IA sur AWS : Formation AWS Certified AI-Practitioner." Ce cours couvre méticuleusement le développement de solutions d'IA et d'apprentissage automatique en utilisant une gamme de services AWS, offrant une plongée en profondeur des principes de base jusqu'au succès de la.
course image

De plus en plus de produits sont désormais développés en utilisant l'intelligence artificielle. Pour éviter d'être laissés à l'écart du progrès, les gestionnaires doivent comprendre comment fonctionne le "cerveau" des robots.

L'intelligence artificielle (IA) et les technologies d'apprentissage automatique sont utilisées depuis de nombreuses années, mais maintenant, l'intensité de leur utilisation a augmenté de manière significative. Par exemple, l'apprentissage automatique est activement mis en œuvre dans les télécommunications, la vente au détail, le marketing et le commerce électronique. Mais beaucoup ne comprennent toujours pas pleinement ce que c'est.

L'apprentissage automatique implique que le système traite un grand nombre d'exemples, au cours desquels il identifie des modèles et les utilise pour prédire les caractéristiques de nouvelles données. En d'autres termes, c'est le processus qui donne à l'IA et aux cours de ML une "conscience", la capacité de se souvenir et d'analyser.

Cas d'utilisation de l'apprentissage automatique

L'utilisation de l'apprentissage automatique a touché de nombreux domaines de nos vies. Examinons les exemples les plus frappants de l'utilisation de l'intelligence informatique :

La reconnaissance faciale dans le métro aidera à identifier les contrevenants ou les criminels dans une énorme masse de personnes. Les observateurs ordinaires ne peuvent pas faire face à cette tâche. Mais une machine rapidement apprenante fera ce travail sans aucun problème.

De quoi avez-vous besoin pour l'apprentissage automatique (ML) ?

Pour ceux qui sont intéressés par la formation, il y a plusieurs exigences à remplir pour réussir dans ce domaine. Voici donc les points principaux que vous devez connaître sur le cours d'apprentissage automatique. Ces exigences incluent :

  1. Connaissances de base en langages de programmation tels que Python, R, Java, JavaScript, etc.

  2. Connaissances moyennes en statistiques et probabilité.

  3. Connaissance de base de l'algèbre linéaire dans le cours de ML. Dans un modèle de régression linéaire, une ligne est tracée à travers tous les points de données, et cette ligne est utilisée pour calculer de nouvelles valeurs.

  4. Compréhension du calcul.

  5. Connaissance de la manière de nettoyer et de structurer les données brutes dans le format désiré pour réduire le temps nécessaire à la prise de décision.

Les cours d'apprentissage automatique de l'AI Eeducation sont le meilleur choix !