Apprivoiser l’apprentissage automatique from edX

L’objectif principal du MOOC Apprivoiser l'Apprentissage Automatique est de vous présenter les concepts importants de manière simplifiée, puis de les pratiquer à l’aide de 7 tutoriels en Python sur l’application en ligne Colab accessible gratuitement. Le niveau théorique est ajusté pour mettre l’emphase sur les principes des méthodes présentées et illustrées avec des exemples concrets. Il y a peu de démonstrations mathématiques avancées.

Pourquoi suivre ce MOOC en Apprentissage Automatique (AA)?

L’AA fera son arrivée prochainement dans votre organisation et vous souhaitez être prêt.
Vous l'utilisez depuis un moment déjà et vous souhaitez vous tenir à jour.
Vous pensez à une réorientation de carrière et vous voulez tester votre intérêt.
Vous envisagez de mener votre entreprise vers l’adoption de l’intelligence artificielle (IA).
On vous a proposé de créer un groupe ou projet en IA et vous aimeriez en apprendre assez sur le sujet pour gérer celui-ci et recruter du personnel qualifié.
Vous avez tout simplement un intérêt pour l’AA et l’IA et souhaitez en apprendre davantage.

Vous serez initié à toutes les étapes à effectuer lors d’un projet en AA. Vous voulez prédire la pression à l’intérieur d’une turbine en fonction des données de multiples senseurs? C’est de la régression! Vous voulez prédire si un patient est atteint ou non de diabète en fonction des résultats d’un examen médical? C’est de la classification! Vous voulez regrouper les clients en différents segments? C’est du regroupement de données! Il y a de nombreuses applications dans une multitude de domaines.

Pour bien appliquer l’AA dans un projet, il faut d’abord comprendre l’importance des données, comment les nettoyer afin de les mettre en valeur, puis quelle méthode en AA permettrait d’extraire la bonne information.

Le cours est divisé en sept modules que vous pourrez suivre à votre rythme. Vous pourrez tester votre compréhension avec de la rétroaction au moyen d’un questionnaire dans chaque module.

Ce MOOC résulte d’une collaboration entre l’Institut de valorisation des données (IVADO) de l’Université de Montréal, l’Institut intelligence et données (IID) de l’Université Laval, à Québec, et Mila - Institut québécois d’intelligence artificielle.

Le contenu a été développé par des professeurs, scientifiques des données, des informaticiens et ingénieurs ayant de l’expérience en R et D académique et industrielle.

Dans ce MOOC, le genre masculin est utilisé comme générique, dans le seul but de ne pas alourdir le texte.

What's inside

Learning objectives

Définir les notions fondamentales de l'apprentissage automatique telles que sous/sur-apprentissage, validation, optimisation.
Identifier le type d'un problème d'apprentissage automatique donné (ex., supervisé / non-supervisé).
Expliquer le fonctionnement et les mécanismes de l’apprentissage automatique.
Identifier les besoins en données pour la réalisation d’un projet en aa.

Utiliser l’application colab pour écrire et exécuter du code python.
Analyser les courbes de performances en entraînement et en validation d’un algorithme d'apprentissage afin d’établir un diagnostic sur le choix des hyperparamètres, de la technique d’optimisation et des données.
Au terme de cette formation en ligne, l’apprenant sera en mesure de:

Définir les notions fondamentales de l'apprentissage automatique telles que sous/sur-apprentissage, validation, optimisation.
Identifier le type d'un problème d'apprentissage automatique donné (ex., supervisé / non-supervisé).
Expliquer le fonctionnement et les mécanismes de l’apprentissage automatique.
Identifier les besoins en données pour la réalisation d’un projet en aa.
Utiliser l’application colab pour écrire et exécuter du code python.
Analyser les courbes de performances en entraînement et en validation d’un algorithme d'apprentissage afin d’établir un diagnostic sur le choix des hyperparamètres, de la technique d’optimisation et des données.
Au terme de cette formation en ligne, l’apprenant sera en mesure de:

Syllabus

Voici les contenus théoriques et pratiques de l’AA abordés dans chaque module:

Module 1 - Introduction à l’AA

Module 2 - Notions de base

Module 3 - Méthodes classiques supervisées : Préambule

Tutoriel de pratique Colab: Comparaison de différentes méthodes de régression

Module 4 - Méthodes classiques supervisées

Tutoriel de pratique Colab: Comparaison de différentes méthodes de classification

Module 5 - Méthodes classiques avancées

Tutoriel de pratique Colab: Exemples d’apprentissage profond

Module 6 - Méthodes d’apprentissage non supervisé

Tutoriel de pratique Colab 1: Exemple de regroupement des données en analyse exploratoire

Tutoriel de pratique Colab 2: Exemple de regroupement des données en analyse d’images

Module 7 - Mise en pratique dans l’industrie

Tutoriel de pratique Colab 1: Exemples de préparation des données

Tutoriel de pratique Colab 2: Sélection et optimisation d’un modèle optimal

Good to know

Know what's good

, what to watch for

, and possible dealbreakers

Helps those with no foundation in learning how to manage an AI team by covering the core concepts of AI in a simple way

Uses Python-based tutorials to reinforce the course's material, which helps learners build hands-on experience

Provides clear examples to illustrate complex learning scenarios

Covers all the essential steps needed to manage an AI project

Taught by a team of leading AI experts, which allows learners to access the latest knowledge and insights

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Apprivoiser l’apprentissage automatique with these activities:

Lire Apprentissage profond

Show steps

Permet de renforcer les connaissances théoriques sur l'apprentissage profond abordées dans le cours.

View L'apprentissage profond (French Edition) on Amazon

Show steps

Lire les chapitres 1 à 4
Résumer les concepts clés de chaque chapitre
Appliquer ces concepts à des exemples pratiques

Participer à des sessions d'étude avec d'autres étudiants

Show steps

Permet de renforcer la compréhension du cours en discutant des concepts avec d'autres étudiants.

Show steps

Trouver un groupe d'étude
Se réunir régulièrement
Discuter des concepts du cours

Suivre des tutoriels sur la bibliothèque scikit-learn

Show steps

Permet d'améliorer les compétences pratiques avec la bibliothèque scikit-learn, utilisée dans le cours.

Browse courses on Python

Show steps

Trouver des tutoriels en ligne
Suivre les tutoriels
Appliquer les connaissances acquises à des exemples pratiques

Three other activities

Expand to see all activities and additional details

Show all six activities

Construire un modèle d'apprentissage automatique

Show steps

Permet de mettre en pratique les techniques d'apprentissage automatique apprises dans le cours.

Browse courses on Machine Learning

Show steps

Choisir un ensemble de données
Nettoyer et préparer les données
Choisir et entraîner un modèle
Évaluer les performances du modèle

Résoudre des problèmes d'apprentissage automatique sur LeetCode

Show steps

Permet d'améliorer les compétences de résolution de problèmes en apprentissage automatique.

Show steps

S'inscrire sur LeetCode
Choisir des problèmes d'apprentissage automatique
Résoudre les problèmes

Contribuer à des projets open source d'apprentissage automatique

Show steps

Permet d'améliorer les compétences pratiques en apprentissage automatique et de contribuer à la communauté open source.

Browse courses on Open Source

Show steps

Trouver des projets open source sur GitHub
Choisir un projet
Contribuer au projet

Career center

Learners who complete Apprivoiser l’apprentissage automatique will develop knowledge and skills that may be useful to these careers:

Research Scientist

Research Scientists conduct scientific research to advance knowledge and develop new technologies. This course provides a valuable foundation in machine learning, a field that is revolutionizing scientific research. By gaining expertise in machine learning concepts and techniques, Research Scientists can enhance their ability to analyze complex data, make accurate predictions, and contribute to groundbreaking discoveries. The course covers supervised and unsupervised learning methods, model evaluation, and optimization strategies, equipping learners with the knowledge and skills to excel in their research endeavors.

See salaries and explore the career path for Research Scientist

Machine Learning Engineer

Machine Learning Engineers design, develop, and deploy machine learning models to solve complex problems. This course provides a solid foundation in machine learning principles and techniques. It covers supervised and unsupervised learning methods, performance evaluation metrics, and model optimization strategies. The practical tutorials using Python and Colab allow learners to gain hands-on experience in implementing and evaluating machine learning algorithms. By completing this course, individuals can enhance their skills and knowledge to transition into or advance their careers as Machine Learning Engineers.

See salaries and explore the career path for Machine Learning Engineer

Statistician

Statisticians collect, analyze, and interpret data to provide insights and make predictions. This course provides a valuable foundation in machine learning, a field that is revolutionizing the way data is analyzed and interpreted. By gaining expertise in machine learning concepts and techniques, Statisticians can enhance their ability to develop more accurate and sophisticated statistical models.

See salaries and explore the career path for Statistician

Quantitative Analyst

Quantitative Analysts use mathematical and statistical models to analyze financial data and make investment decisions. This course provides a solid foundation in machine learning, a field that is increasingly used in quantitative finance. By understanding machine learning techniques, Quantitative Analysts can enhance their ability to develop more accurate and sophisticated financial models. The course covers supervised and unsupervised learning methods, model evaluation metrics, and optimization strategies, providing learners with the knowledge and skills to excel in the field of quantitative finance.

See salaries and explore the career path for Quantitative Analyst

Data Engineer

Data Engineers design, build, and maintain data pipelines to support data analysis and machine learning initiatives. This course provides a valuable foundation in machine learning, a field that is increasingly used in data engineering. By understanding machine learning techniques, Data Engineers can enhance their ability to develop more efficient and scalable data pipelines. The course covers supervised and unsupervised learning methods, model evaluation metrics, and optimization strategies, providing learners with the knowledge and skills to excel in the field of data engineering.

See salaries and explore the career path for Data Engineer

Data Analyst

Data Analysts play a crucial role in transforming raw data into valuable insights. This course offers a comprehensive introduction to machine learning, a field that empowers Data Analysts to extract meaningful patterns and make predictions from data. The course covers both supervised and unsupervised learning methods, providing learners with the knowledge and skills to tackle a wide range of data analysis challenges. By understanding machine learning techniques, Data Analysts can enhance their ability to uncover hidden insights, inform decision-making, and contribute to data-driven solutions.

See salaries and explore the career path for Data Analyst

Operations Research Analyst

Operations Research Analysts use mathematical and analytical techniques to solve complex business problems. This course provides a valuable foundation in machine learning, a field that is increasingly used in operations research. By gaining expertise in machine learning concepts and techniques, Operations Research Analysts can enhance their ability to develop more efficient and effective solutions to business problems.

See salaries and explore the career path for Operations Research Analyst

Actuary

Actuaries use mathematical and statistical models to assess risk and uncertainty. This course provides a valuable foundation in machine learning, a field that is increasingly used in actuarial science. By gaining expertise in machine learning concepts and techniques, Actuaries can enhance their ability to develop more accurate and sophisticated risk models.

See salaries and explore the career path for Actuary

Business Intelligence Analyst

Business Intelligence Analysts help organizations make data-driven decisions. This course offers a comprehensive introduction to machine learning, a field that empowers Business Intelligence Analysts to extract valuable insights and make predictions from data. The course covers both supervised and unsupervised learning methods, providing learners with the knowledge and skills to tackle a wide range of business intelligence challenges. By understanding machine learning techniques, Business Intelligence Analysts can enhance their ability to uncover hidden opportunities, optimize business processes, and contribute to data-driven decision-making.

See salaries and explore the career path for Business Intelligence Analyst

Product Manager

Product Managers lead the development and launch of new products and features. This course provides a valuable foundation in machine learning, a field that is increasingly used to enhance product development. By gaining expertise in machine learning concepts and techniques, Product Managers can enhance their ability to identify product opportunities, understand customer needs, and develop innovative products that leverage machine learning.

See salaries and explore the career path for Product Manager

Data Scientist

Data Scientists gather and interpret vast amounts of data to extract meaningful insights. This course can help develop the foundational knowledge and practical skills needed to succeed as a Data Scientist. The course provides a comprehensive overview of machine learning concepts, including supervised and unsupervised learning methods. The hands-on tutorials using Python and Colab will equip learners with the technical proficiency to apply these concepts to real-world data analysis and problem-solving. Overall, this course can significantly enhance one's ability to become a successful Data Scientist.

See salaries and explore the career path for Data Scientist

Software Engineer

Software Engineers design, develop, and maintain software applications. This course provides a valuable foundation in machine learning, a rapidly growing field that is transforming software development. By gaining expertise in machine learning concepts and techniques, Software Engineers can enhance their ability to create more intelligent and efficient software applications. The course covers supervised and unsupervised learning methods, model evaluation, and optimization strategies, equipping learners with the knowledge and skills to leverage machine learning in their software development projects.

See salaries and explore the career path for Software Engineer

Consultant

Consultants provide expert advice and guidance to organizations on a wide range of topics. This course provides a valuable foundation in machine learning, a field that is increasingly used to solve complex business problems. By gaining expertise in machine learning concepts and techniques, Consultants can enhance their ability to provide valuable insights and recommendations to their clients.

See salaries and explore the career path for Consultant

Technical Writer

Technical Writers create documentation and other materials to explain complex technical concepts. This course provides a valuable foundation in machine learning, a field that is rapidly evolving and generating new terminology and concepts. By gaining expertise in machine learning concepts and techniques, Technical Writers can enhance their ability to create clear and accurate documentation that helps users understand and leverage machine learning technology.

See salaries and explore the career path for Technical Writer

Educator

Educators teach students about various subjects and skills. This course provides a valuable foundation in machine learning, a field that is rapidly growing and transforming industries. By gaining expertise in machine learning concepts and techniques, Educators can enhance their ability to teach students about this important field and prepare them for future careers in technology.

See salaries and explore the career path for Educator