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
Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.

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
79 301 déjà inscrits
Inclus avec
631 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 : Analyse
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Apprentissage supervisé
- Catégorie : Ingénierie des fonctionnalités
- Catégorie : Modèle de formation
- Catégorie : Modélisation prédictive
- Catégorie : Apprentissage automatique
- Catégorie : Optimisation du modèle
- Catégorie : Algorithme de la forêt aléatoire
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Apprentissage non supervisé
- Catégorie : Analyse avancée
- Catégorie : Apprentissage statistique des machines
- Catégorie : Optimisation des performances
- Catégorie : Évaluation du modèle
- Catégorie : Apprentissage par arbre de décision
Outils que vous découvrirez
- Catégorie : Programmation Python
- Catégorie : Algorithmes de classification
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

O.P. Jindal Global University

Coursera

Fractal Analytics
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
85,57 %
- 4 stars
11,25 %
- 3 stars
2,06 %
- 2 stars
0,63 %
- 1 star
0,47 %
Affichage de 3 sur 631
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.
Révisé le 17 mai 2024
This course helped me take my ML skills to another level entirely, I would certainly recommend it to anyone looking for a breakthrough in data analytics.
Foire Aux Questions
Plus de questions
Aide financière disponible,





