Vous souhaitez vous lancer dans l’IA de pointe ? Ce cours est là pour vous y aider. Les ingénieurs en Deep Learning sont très convoités et la maîtrise de ce domaine vous ouvrira de nombreuses opportunités professionnelles. Le Deep Learning est également un nouveau « superpouvoir » qui vous permettra de développer des systèmes d’IA qui n’étaient même pas envisageables il y a encore quelques années.
Vous découvrirez dans ce cours les bases du Deep Learning. Une fois que vous l’aurez terminé, vous serez en mesure de :
- comprendre les grandes tendances technologiques sur lesquelles repose le Deep Learning ;
- développer, entraîner et utiliser des réseaux neuronaux profonds entièrement connectés ;
- mettre en œuvre des réseaux neuronaux efficaces (vectorisés) ;
- comprendre les principaux paramètres de l’architecture d’un réseau neuronal.
Ce cours ne se limitera pas à une description rapide ou superficielle du Deep Learning, mais vous expliquera également son fonctionnement. Une fois que vous l’aurez terminé, vous serez donc en mesure de l’utiliser dans vos propres applications. En outre, si vous recherchez un poste dans l’IA, vous aurez la capacité de répondre à des questions de base posées lors d’entretiens.
Il s’agit du premier cours de la Spécialisation Deep Learning.
Être en mesure d’expliquer les grandes tendances du développement du Deep Learning et comprendre comment et dans quelles situations il est appliqué aujourd’hui.
Inclus
7 vidéos2 lectures1 devoir
Afficher les informations sur le contenu du module
7 vidéos•Total 76 minutes
Bienvenue•6 minutes
Qu’est-ce qu’un réseau neuronal ?•7 minutes
Apprentissage supervisé avec des réseaux neuronaux•8 minutes
Pourquoi le Deep Learning est-il en plein essor ?•10 minutes
À propos de ce cours•2 minutes
Ressources des cours•2 minutes
Entretien avec Geoffrey Hinton•40 minutes
2 lectures•Total 20 minutes
Foire aux questions•10 minutes
Comment utiliser les forums de discussion•10 minutes
1 devoir•Total 30 minutes
Introduction au Deep Learning•30 minutes
Les bases des réseaux neuronaux
Week 2•8 heures à terminer
Détails du module
Apprenez à résoudre un problème d’apprentissage automatique avec l’approche d’un réseau neuronal. Apprenez à utiliser la vectorisation pour accélérer vos modèles.
Inclus
19 vidéos6 lectures1 devoir2 devoirs de programmation2 laboratoires non notés
Afficher les informations sur le contenu du module
19 vidéos•Total 161 minutes
Classification binaire•8 minutes
Régression logistique•6 minutes
Fonction de coût d’une régression logistique•8 minutes
Descente du gradient•11 minutes
Dérivées•7 minutes
Plus d’exemples de dérivées•10 minutes
Graphe de calcul•4 minutes
Dérivées avec un graphe de calcul•15 minutes
Descente du gradient d’une régression logistique•7 minutes
Descente du gradient sur des exemples de m•8 minutes
Vectorisation•8 minutes
Autres exemples de vectorisation•6 minutes
Vectorisation de régression logistique•8 minutes
Vectorisation de la sortie du gradient d’une régression logistique•10 minutes
Diffusion dans Python•11 minutes
Remarque sur les vecteurs Python/NumPy•7 minutes
Bref aperçu des notebooks Jupyter/iPython•4 minutes
Explication de la fonction de coût d’une régression logistique (facultatif)•7 minutes
Entretien avec Pieter Abbeel•16 minutes
6 lectures•Total 34 minutes
Clarification sur la vidéo Fonction de coût d’une régression logistique à venir•1 minute
Clarification sur la vidéo Descente du gradient à venir•1 minute
Dérivation de DL/dz (lecture facultative)•10 minutes
Clarification de « dz »•10 minutes
Code d’honneur du Deep Learning•2 minutes
Devoirs de programmation - FAQ•10 minutes
1 devoir•Total 30 minutes
Bases des réseaux neuronaux•30 minutes
2 devoirs de programmation•Total 60 minutes
Bases de Python avec NumPy (facultatif)•60 minutes
Régression logistique avec une approche de réseau neuronal•0 minutes
2 laboratoires non notés•Total 180 minutes
Bases de Python avec NumPy (facultatif)•60 minutes
Régression logistique avec une approche de réseau neuronal•120 minutes
Réseaux neuronaux peu profonds
Week 3•5 heures à terminer
Détails du module
Apprenez à élaborer un réseau neuronal avec une couche cachée à l’aide de la propagation avant et de la rétropropagation.
Inclus
12 vidéos2 lectures1 devoir1 devoir de programmation1 laboratoire non noté
Afficher les informations sur le contenu du module
12 vidéos•Total 109 minutes
Vue d’ensemble des réseaux neuronaux•4 minutes
Représentation des réseaux neuronaux•5 minutes
Calculer la sortie d’un réseau neuronal•10 minutes
Vectorisation sur plusieurs exemples•9 minutes
Explication de l’implémentation vectorisée•8 minutes
Fonctions d’activation•11 minutes
Pourquoi avez-vous besoin de fonctions d’activation non linéaires ?•6 minutes
Dérivées de fonctions d’activation•8 minutes
Descente du gradient pour les réseaux neuronaux•10 minutes
Intuition de la rétropropagation (facultatif)•16 minutes
Initialisation aléatoire•8 minutes
Entretien avec Ian Goodfellow•15 minutes
2 lectures•Total 2 minutes
Clarification : fonction d’activation•1 minute
Clarification à propos de l’intuition de la rétropropagation à venir (facultatif)•1 minute
1 devoir•Total 30 minutes
Réseaux neuronaux peu profonds•30 minutes
1 devoir de programmation
Classification de données planaires avec une couche cachée•0 minutes
1 laboratoire non noté•Total 150 minutes
Classification de données planaires avec une couche cachée•150 minutes
Réseaux neuronaux profonds
Week 4•5 heures à terminer
Détails du module
Comprendre les principaux calculs sur lesquels se fonde le Deep Learning, les utiliser pour élaborer et entraîner des réseaux neuronaux profonds et les appliquer à la vision par ordinateur.
Inclus
8 vidéos3 lectures1 devoir2 devoirs de programmation2 laboratoires non notés
Afficher les informations sur le contenu du module
8 vidéos•Total 64 minutes
Réseau neuronal profond à couche L•6 minutes
Propagation avant dans un réseau profond•7 minutes
Obtenir les bonnes dimensions pour votre matrice•11 minutes
Pourquoi des représentations profondes ?•11 minutes
Constitution des réseaux neuronaux profonds•9 minutes
Propagation avant et rétropropagation•10 minutes
Paramètres et hyperparamètres•7 minutes
Quel est le rapport avec le cerveau ?•3 minutes
3 lectures•Total 3 minutes
Clarification au sujet de la vidéo Obtenir les bonnes dimensions pour votre matrice•1 minute
Clarification à propos de la vidéo Propagation avant et rétropropagation à venir•1 minute
Clarification au sujet de la vidéo Quel est le rapport avec le cerveau•1 minute
1 devoir•Total 30 minutes
Concepts essentiels des réseaux neuronaux profonds•30 minutes
2 devoirs de programmation
Développement de votre réseau neuronal profond : pas à pas•0 minutes
Application d’un réseau neuronal profond•0 minutes
2 laboratoires non notés•Total 210 minutes
Développement de votre réseau neuronal profond : pas à pas•150 minutes
Réseau neuronal profond - Application•60 minutes
Instructeurs
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
DeepLearning.AI is an education technology company that develops a global community of AI talent.
DeepLearning.AI's expert-led educational experiences provide AI practitioners and non-technical professionals with the necessary tools to go all the way from foundational basics to advanced application, empowering them to build an AI-powered future.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
When will I have access to the lectures and assignments?
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I purchase the Certificate?
When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.