Après avoir présenté un historique du machine learning, nous étudierons pourquoi les réseaux de neurones sont aujourd'hui parfaitement adaptés à diverses problématiques. Nous apprendrons ensuite à définir un problème d'apprentissage supervisé et à trouver une solution adaptée à l'aide d'une descente de gradient. Ce processus implique la création d'ensembles de données permettant la généralisation. Nous examinerons comment procéder à cette opération de façon reproductible de sorte que l'expérimentation soit possible.
Objectifs du cours :
Déterminer pourquoi le deep learning est désormais si courant
Optimiser et évaluer des modèles en utilisant des fonctions de perte et des statistiques de performances
Corriger les problèmes courants liés au machine learning
Créer des ensembles de données de formation, d'évaluation et de test reproductibles et évolutifs
本課程是 Machine Learning with TensorFlow on Google Cloud Platform 專項課程 專項課程的一部分
Launching into Machine Learning en Français
提供方
教學大綱 - 您將從這門課程中學到什麼
週
1Introduction
Dans ce cours, nous vous enseignerons les connaissances fondamentales en matière de ML pour que vous puissiez comprendre la terminologie que nous utiliserons au cours de cette spécialisation. Grâce aux spécialistes du machine learning de Google, vous découvrirez également des astuces pratiques, ainsi que les écueils à éviter. À la fin du cours, vous disposerez du code et des connaissances nécessaires pour lancer vos propres modèles de ML.
1 個視頻 （總計 4 分鐘）
1 個視頻
Introduction4分鐘
Le machine learning en pratique
Dans ce module, nous vous présentons certains des principaux types de machine learning et aborderons son histoire, des débuts jusqu'à l'apogée. Vous pourrez ainsi rapidement vous familiariser avec le ML.
10 個視頻 （總計 62 分鐘）, 1 個測驗
10 個視頻
Introduction1分鐘
Apprentissage supervisé5分鐘
Régression et classification11分鐘
Bref historique du ML : régression linéaire7分鐘
Bref historique du ML : perceptron5分鐘
Bref historique du ML : réseaux de neurones7分鐘
Bref historique du ML : arbres de décision5分鐘
Bref historique du ML : méthodes à noyau4分鐘
Bref historique du ML : forêts d'arbres décisionnels4分鐘
Bref historique du ML : réseaux de neurones modernes8分鐘
1 個練習
Quiz du module6分鐘
Optimisation
Dans ce module, nous vous guidons sur la voie qui vous permettra d'optimiser vos modèles de ML.
13 個視頻 （總計 61 分鐘）, 1 個測驗
13 個視頻
Introduction42s
Définir des modèles de ML4分鐘
Présentation de l'ensemble de données "natality"6分鐘
Présentation des fonctions de perte6分鐘
Descente de gradient5分鐘
Résoudre des problèmes relatifs aux courbes de perte2分鐘
Pièges relatifs aux modèles de ML6分鐘
Atelier : Présentation de TensorFlow Playground6分鐘
Atelier : TensorFlow Playground (niveau avancé)3分鐘
Atelier : Utilisation des réseaux de neurones6分鐘
Résoudre des problèmes relatifs aux courbes de perte1分鐘
Statistiques de performances3分鐘
Matrice de confusion5分鐘
1 個練習
Quiz du module6分鐘
Généralisation et échantillonnage
Penchons-nous maintenant sur une question un peu particulière : dans quelles conditions est-il préférable de ne pas choisir le modèle ML le plus précis ? Comme nous en avons déjà parlé lors du module précédent sur l'optimisation, ce n'est pas parce que le modèle appliqué à un ensemble de données d'apprentissage présente un taux de perte égal à zéro qu'il sera performant pour de nouvelles données réelles.
9 個視頻 （總計 64 分鐘）, 3 個測驗
9 個視頻
Introduction1分鐘
Généralisation et modèles de ML6分鐘
Comment déterminer le bon moment pour arrêter l'entraînement d'un modèle ?5分鐘
Créer des échantillons reproductibles dans BigQuery6分鐘
Démonstration : Fractionnement d'ensembles de données dans BigQuery8分鐘
Présentation de l'atelier1分鐘
Explication de l'atelier9分鐘
Présentation de l'atelier2分鐘
Explication de l'atelier23分鐘
1 個練習
Questionnaire du module12分鐘
關於 Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
關於 Machine Learning with TensorFlow on Google Cloud Platform 專項課程
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML. Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
常見問題
我什么时候能够访问课程视频和作业？
注册以便获得证书后，您将有权访问所有视频、测验和编程作业（如果适用）。只有在您的班次开课之后，才可以提交和审阅同学互评作业。如果您选择在不购买的情况下浏览课程，可能无法访问某些作业。
我购买证书后会得到什么？
您购买证书后，将有权访问所有课程材料，包括评分作业。完成课程后，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
有助学金吗？
還有其他問題嗎？請訪問 學生幫助中心。
