Ce programme complet offre une formation de bout en bout sur le cycle de vie de l'apprentissage automatique de production, conçu pour faire passer vos modèles de l'expérimentation au déploiement. Vous progresserez depuis l'application de pipelines d'ingénierie de fonctionnalités avec scikit-learn et la sélection de modèles par le biais d'une évaluation rigoureuse, jusqu'à l'optimisation des modèles PyTorch avec des boucles d'entraînement personnalisées et des diagnostics avancés. Enfin, vous maîtriserez les principes de l'IA responsable en créant des cartes de modèles et des systèmes d'audit pour le respect de l'éthique. À la fin de ce cours, vous serez en mesure de construire, de régler et de déployer des solutions d'IA efficaces, fiables et éthiques. Ces compétences sont essentielles pour les ingénieurs ML qui développent et maintiennent des systèmes d'apprentissage automatique robustes et de qualité.

Production, développement de modèles d'IA et éthique
Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.

Production, développement de modèles d'IA et éthique
Ce cours fait partie de plusieurs programmes.

Instructeur : Professionals from the Industry
Inclus avec En savoir plus
Demander à Coursera
Expérience recommandée
Ce que vous apprendrez
Appliquer des boucles d'entraînement personnalisées avec des callbacks (arrêt anticipé, points de contrôle) et diagnostiquer les problèmes de gradient à l'aide de l'analyse des normes et des activations.
Mettre en place des pipelines d'ingénierie des caractéristiques pour les données structurées et textuelles, puis évaluer les expériences d'apprentissage automatique afin de sélectionner des modèles prêts à être déployés en production.
Créer des fiches de modèle exhaustives pour les fonctionnalités des modèles de langage à grande échelle (LLM), détaillant l'usage prévu, les limites techniques et les indicateurs d'équité spécifiques.
Évaluer les systèmes d'IA à l'aune des principes éthiques établis afin d'identifier les biais et de proposer des stratégies concrètes pour les atténuer.
Compétences que vous acquerrez
- Catégorie : Ingénierie des fonctionnalités
- Catégorie : Documentation du logiciel
- Catégorie : MLOps (Machine Learning Operations)
- Catégorie : Pipelines de données
- Catégorie : Évaluation du modèle
- Catégorie : Prétraitement des données
- Catégorie : Apprentissage profond
- Catégorie : Modèle de formation
- Catégorie : L'IA responsable
- Catégorie : Éthique des données
- Catégorie : Documentation technique
- Catégorie : Optimisation du modèle
Outils que vous découvrirez
- Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
- Catégorie : Déploiement du modèle
- Catégorie : PyTorch (Bibliothèque d'apprentissage automatique)
Détails à connaître

Ajouter à votre profil LinkedIn
mars 2026
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 3 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeur

Offert par
En savoir plus sur Apprentissage automatique
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.








