Dans ce module, nous aborderons les concepts liés au paradigme de l'apprentissage automatique. Nous commencerons par apprendre à choisir un modèle, en nous appuyant sur des considérations telles que la gestion du compromis biais-variance. Ensuite, nous explorerons la manière dont les modèles d'apprentissage automatique convergent, notamment grâce à l'utilisation de la descente stochastique du gradient pour minimiser les fonctions de perte. Enfin, nous terminerons par quelques considérations pratiques sur la programmation de modèles d'IA avancés à l'aide de bibliothèques permettant le réglage des hyperparamètres.

Dans ce module, nous irons au-delà des nombres et apprendrons à utiliser l'apprentissage automatique sur des images et du texte. Nous commencerons par aborder l'analyse des données textuelles et passerons en revue les principales méthodes utilisées dans le traitement du langage naturel. Ensuite, nous apprendrons à analyser des images en construisant des réseaux neuronaux convolutifs comprenant des couches de convolution et de pooling.

Dans ce projet final, nous allons mettre en pratique ce que nous avons appris dans le dernier module pour classer des images de produits selon qu'elles présentent ou non un défaut.