Il s'agit du cinquième cours du certificat Google Advanced Data Analytics. Dans ce cours, vous découvrirez l'apprentissage automatique, qui utilise des algorithmes et des statistiques pour enseigner aux systèmes informatiques à découvrir des modèles dans les données. Les professionnels des données utilisent l'apprentissage automatique pour aider à analyser de grandes quantités de données, résoudre des problèmes complexes et faire des prédictions précises. Vous vous concentrerez sur les deux principaux types d'apprentissage automatique : supervisé et non supervisé. Vous apprendrez à appliquer différents modèles d'apprentissage automatique à des problèmes professionnels et vous vous familiariserez avec des modèles spécifiques tels que la Classification naïve bayésienne, l'arbre décisionnel, la forêt aléatoire, etc.

Les rouages de l'apprentissage automatique
Saisissez l'occasion de faire des économies ! Bénéficiez de 40 % de réduction sur 3 mois de Coursera Plus et d'un accès complet à des milliers de cours.

Les rouages de l'apprentissage automatique
Ce cours fait partie de Certificat Professionnel Google Advanced Data Analytics (analyse avancée des données)
Enseigné en Français (doublage IA)

Instructeur : Google Career Certificates
77 342 déjà inscrits
Inclus avec
625 avis
Ce que vous apprendrez
Identifier les caractéristiques des différents types d'apprentissage automatique
Préparer les données pour les modèles d'apprentissage automatique.
Construire et évaluer des modèles d'Apprentissage supervisé et non supervisé à l'aide de Python
Démontrer une sélection appropriée de modèles et de métriques pour un algorithme d'apprentissage automatique
Compétences que vous acquerrez
- Catégorie : Algorithme de la forêt aléatoire
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Ingénierie des fonctionnalités
- Catégorie : Optimisation des performances
- Catégorie : Évaluation du modèle
- Catégorie : Apprentissage supervisé
- Catégorie : Optimisation du modèle
- Catégorie : Analyse
- Catégorie : Modèle de formation
- Catégorie : Apprentissage non supervisé
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Apprentissage automatique
- Catégorie : Apprentissage statistique des machines
- Catégorie : Modélisation prédictive
- Catégorie : Analyse avancée
- Catégorie : Apprentissage par arbre de décision
Outils que vous découvrirez
- Catégorie : Algorithmes de classification
- Catégorie : Programmation Python
Détails à connaître

Ajouter à votre profil LinkedIn
22 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise en Apprentissage automatique
- 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 auprès de Google

Il y a 5 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
Statut : PrévisualisationO.P. Jindal Global University
Statut : Essai gratuit
Statut : Essai gratuitCoursera
Statut : Essai gratuitDeepLearning.AI
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
85,46 %
- 4 stars
11,34 %
- 3 stars
2,07 %
- 2 stars
0,63 %
- 1 star
0,47 %
Affichage de 3 sur 625
Révisé le 8 oct. 2023
Wonderful course......THANK YOU to the instructors as they all were amazing and encouraging.
Révisé le 31 janv. 2025
great explanation on random forest & ensembles. Now I know what random forest and boosting means
Révisé le 14 janv. 2024
Very useful course! Concise overview of strengths and weaknesses of various cutting edge machine learning techniques.
Foire Aux Questions
Plus de questions
Aide financière disponible,




