Nouvellement mis à jour pour 2024 ! Mathematics for Apprentissage automatique and Data Science est un programme en ligne fondamental créé par DeepLearning.IA et enseigné par Luis Serrano. Dans l'apprentissage automatique, vous appliquez des concepts mathématiques à travers la programmation. Et donc, dans cette spécialisation, vous appliquerez les concepts mathématiques que vous apprenez en utilisant la programmation Python dans des exercices pratiques en laboratoire. En tant qu'apprenant dans ce programme, vous aurez besoin de compétences de base à intermédiaires en programmation Python pour réussir. Après avoir terminé ce cours, vous serez en mesure de : - Décrire et quantifier l'incertitude inhérente aux prédictions faites par les modèles d'apprentissage automatique, en utilisant les concepts de probabilité, de variables aléatoires et de distributions de probabilité.

- Comprendre visuellement et intuitivement les propriétés des distributions de probabilité couramment utilisées dans l'apprentissage automatique et la science des données comme les distributions de Bernoulli, binomiale et gaussienne - Appliquer des méthodes statistiques courantes comme l'estimation du maximum de vraisemblance (Estimation du maximum de vraisemblance (EMV)) et l'estimation maximale a priori (MAP) aux problèmes d'apprentissage automatique - Évaluer les performances des modèles d'apprentissage automatique en utilisant des estimations d'intervalle et des marges d'erreur - Appliquer les concepts des tests d'hypothèses statistiques sur les données en cours d'utilisation (Mapping) pour trouver, valider et quantifier les modèles. De nombreux ingénieurs en apprentissage automatique et data scientists ont besoin d'aide en mathématiques, et même les praticiens expérimentés peuvent se sentir freinés par un manque de compétences en mathématiques. Cette spécialisation utilise une pédagogie innovante en mathématiques pour vous aider à apprendre rapidement et intuitivement, avec des cours qui utilisent des visualisations faciles à suivre pour vous aider à voir comment les mathématiques derrière l'apprentissage automatique fonctionnent réellement. Nous vous recommandons d'avoir un niveau de mathématiques de lycée (fonctions, algèbre de base) et une familiarité avec la programmation (structures de données, boucles, fonctions, instructions conditionnelles, débogage). Les devoirs et les laboratoires sont rédigés en Python, mais le cours présente toutes les bibliothèques d'apprentissage automatique que vous utiliserez.