Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.9
5,611 avis
niveau Débutant
Expérience recommandée
Expérience recommandée
Niveau débutant
Nous vous recommandons de suivre les cours Apprentissage supervisé : Régression et classification et Algorithmes d'apprentissage avancés - dans la spécialisation Apprentissage automatique.
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.9
5,611 avis
niveau Débutant
Expérience recommandée
Expérience recommandée
Niveau débutant
Nous vous recommandons de suivre les cours Apprentissage supervisé : Régression et classification et Algorithmes d'apprentissage avancés - dans la spécialisation Apprentissage automatique.
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
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
Dans le troisième cours de la spécialisation en apprentissage automatique, vous allez : - Utiliser des techniques d'apprentissage non supervisé : y compris le clustering et la détection d'anomalies - Construire des systèmes de recommandation avec une approche de filtrage collaboratif et une méthode d'apprentissage profond basée sur le contenu - Construire un modèle d'apprentissage par renforcement profond La spécialisation en apprentissage automatique est un programme en ligne fondamental créé en collaboration entre DeepLearning.AI et Stanford Online. Dans ce programme adapté aux débutants, vous apprendrez les principes fondamentaux de l'apprentissage automatique et comment utiliser ces techniques pour créer des applications d'IA dans le monde réel.
Cette Specialization est enseignée par Andrew Ng, un visionnaire de l'IA qui a mené des recherches critiques à l'Université de Stanford et des travaux révolutionnaires chez Google Brain, Baidu et Landing.AI pour faire progresser le domaine de l'IA. Cette Specialization en 3 cours est une version mise à jour et étendue du cours pionnier d'Andrew sur l'apprentissage automatique, noté 4,9 sur 5 et suivi par plus de 4,8 millions d'apprenants depuis son lancement en 2012.
Il fournit une large introduction à l'apprentissage automatique moderne, y compris l'apprentissage supervisé (régression linéaire multiple, régression logistique, réseaux neuronaux et arbres de décision), l'apprentissage non supervisé (clustering, réduction de la dimensionnalité, systèmes de recommandation), et certaines des meilleures pratiques utilisées dans la Silicon Valley pour l'intelligence artificielle et l'innovation en matière d'apprentissage automatique (évaluation et réglage des modèles, adoption d'une approche centrée sur les données pour améliorer les performances, et bien plus encore).) À la fin de cette Specializations, vous aurez maîtrisé les concepts clés et acquis le savoir-faire pratique pour appliquer rapidement et puissamment l'apprentissage automatique à des problèmes difficiles du monde réel. Si vous cherchez à percer dans l'IA ou à construire une carrière dans l'apprentissage automatique, la nouvelle Specialization Machine Learning est le meilleur endroit pour commencer.
Cette semaine, vous apprendrez deux algorithmes clés d'apprentissage non supervisé : le regroupement et la détection d'anomalies
Inclus
13 vidéos1 lecture2 devoirs2 devoirs de programmation
Afficher les informations sur le contenu du module
13 vidéos•Total 120 minutes
Bienvenue !•3 minutes
Qu'est-ce que le regroupement ?•4 minutes
L'intuition des K-moyennes•7 minutes
Algorithme K-means•10 minutes
Objectif d'optimisation•11 minutes
Initialisation des K-moyens•9 minutes
Choix du nombre de grappes•7 minutes
Recherche d'événements inhabituels•12 minutes
Distribution gaussienne (normale)•11 minutes
Algorithme de détection des anomalies•12 minutes
Développement et évaluation d'un système de détection d'anomalies•12 minutes
Détection d'anomalies et apprentissage supervisé•8 minutes
Choisir les fonctionnalités à utiliser•15 minutes
1 lecture•Total 2 minutes
Rejoignez le forum DeepLearning.IA pour poser des questions, obtenir du soutien ou partager des idées étonnantes !•2 minutes
2 devoirs•Total 60 minutes
Clustering•30 minutes
Détection des anomalies•30 minutes
2 devoirs de programmation•Total 360 minutes
k-means•180 minutes
Détection des anomalies•180 minutes
Systèmes de recommandation
Semaine 2•11 heures à terminer
Détails du module
Inclus
15 vidéos3 devoirs2 devoirs de programmation1 laboratoire non noté
Afficher les informations sur le contenu du module
15 vidéos•Total 150 minutes
Formuler des recommandations•6 minutes
Utilisation des caractéristiques par élément•11 minutes
Algorithme de filtrage collaboratif•14 minutes
Étiquettes binaires : favs, likes et clics•8 minutes
Normalisation de la moyenne•9 minutes
Implémentation du filtrage collaboratif par TensorFlow•12 minutes
Recherche d'éléments connexes•7 minutes
Filtrage collaboratif et filtrage basé sur le contenu•10 minutes
Apprentissage profond pour le filtrage basé sur le contenu•10 minutes
Recommandation à partir d'un large catalogue•8 minutes
Utilisation éthique des systèmes de recommandation•11 minutes
Implémentation TensorFlow du filtrage basé sur le contenu•5 minutes
Réduire le nombre de caractéristiques (optionnel)•12 minutes
Algorithme PCA (facultatif)•18 minutes
ACP en code (optionnel)•11 minutes
3 devoirs•Total 90 minutes
Filtrage collaboratif•30 minutes
Mise en œuvre de systèmes de recommandation•30 minutes
Filtrage basé sur le contenu•30 minutes
2 devoirs de programmation•Total 360 minutes
Systèmes de recommandation par filtrage collaboratif•180 minutes
Apprentissage profond pour le filtrage basé sur le contenu•180 minutes
1 laboratoire non noté•Total 30 minutes
ACP et visualisation des données (facultatif)•30 minutes
Apprentissage par renforcement
Semaine 3•8 heures à terminer
Détails du module
Cette semaine, vous découvrirez l'apprentissage par renforcement et construirez un réseau neuronal profond d'apprentissage Q afin de faire atterrir un atterrisseur lunaire virtuel sur Mars !
Inclus
18 vidéos3 lectures3 devoirs1 devoir de programmation1 laboratoire non noté
Afficher les informations sur le contenu du module
18 vidéos•Total 163 minutes
Qu'est-ce que l'apprentissage par renforcement ?•9 minutes
Exemple de rover martien•7 minutes
Le retour dans l'apprentissage par renforcement•10 minutes
Prendre des décisions : Politiques d'apprentissage par renforcement•3 minutes
Révision des concepts clés•6 minutes
Définition de la fonction de valeur de l'action de l'État•11 minutes
Exemple de fonction de valeur de l'action de l'État•5 minutes
Exemple d'applications de l'espace d'état continu•6 minutes
L'atterrisseur lunaire•6 minutes
Apprentissage de la fonction état-valeur•17 minutes
Raffinement de l'algorithme : Architecture de réseau neuronal améliorée•3 minutes
Raffinement de l'algorithme : politique ϵ-greedy•9 minutes
Raffinement de l'algorithme : Mini-batch et mises à jour progressives (facultatif)•12 minutes
L'état de l'apprentissage par renforcement•3 minutes
Résumé et remerciements•3 minutes
Andrew Ng et Chelsea Finn sur l'IA et la robotique•33 minutes
3 lectures•Total 5 minutes
[IMPORTANT] Rappel sur la fin de l'accès aux cahiers de laboratoire•2 minutes
Remerciements•2 minutes
(Facultatif) Possibilité d'encadrer d'autres apprenants•1 minute
3 devoirs•Total 90 minutes
Introduction à l'apprentissage par renforcement•30 minutes
Fonction de valeur de l'action de l'État•30 minutes
Espaces d'états continus•30 minutes
1 devoir de programmation•Total 180 minutes
Apprentissage par renforcement•180 minutes
1 laboratoire non noté•Total 60 minutes
Fonction de valeur de l'action de l'État (laboratoire facultatif)•60 minutes
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.
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 est une société de technologie éducative qui développe une communauté mondiale de talents en matière d'IA.
Les expériences éducatives de DeepLearning.AI, menées par des experts, fournissent aux praticiens de l'IA et aux professionnels non techniques les outils nécessaires pour passer des bases fondamentales aux applications avancées, leur permettant ainsi de construire un avenir propulsé par l'IA.
La Leland Stanford Junior University, communément appelée Stanford University ou Stanford, est une université de recherche privée américaine située à Stanford, en Californie, sur un campus de 3 310 hectares près de Palo Alto, en Californie, aux États-Unis.
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.’
Avis des étudiants
4.9
5 611 avis
5 stars
91,77 %
4 stars
7,05 %
3 stars
0,74 %
2 stars
0,17 %
1 star
0,24 %
Affichage de 3 sur 5611
A
AS
5·
Révisé le 1 juin 2025
this was a very good course for build a very strong foundation of machine learnignn and many advance this were also taught, with a whole lot of guidence on every step.
really appricated thsi course .
T
TF
5·
Révisé le 17 juil. 2023
I hope more and more engineers in Japan take this course.The joy of learning machine learning with the world's top lecturer far outweighs the pain learning the subject in the non-native language.
S
SA
5·
Révisé le 22 sept. 2025
Thank you so much this is a great course, and thanks for the financial aid that enabled me to study the course and improve my skills and career. this specialization is so valuable and useful.
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je souscris à cette Specializations ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.