À partir de l'histoire du machine learning, nous examinons les raisons pour lesquelles les réseaux de neurones fonctionnent si bien de nos jours dans différents problèmes liés à la science des données. Nous évoquons ensuite la façon d'aborder un problème d'apprentissage supervisé et le moyen d'y répondre en utilisant la descente de gradient. Cela implique de créer des ensembles de données menant à une généralisation ; nous évoquons les méthodes pour y parvenir de façon reproductible en utilisant l'expérimentation.
课程信息
可分享的证书
完成后获得证书
100% 在线
立即开始，按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为7 小时
法语（French）
字幕：法语（French）, 英语（English）, 西班牙语（Spanish）
可分享的证书
完成后获得证书
100% 在线
立即开始，按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为7 小时
法语（French）
字幕：法语（French）, 英语（English）, 西班牙语（Spanish）
提供方
Google 云端平台
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
教学大纲 - 您将从这门课程中学到什么
完成时间为 4 分钟
Introduction
Dans ce cours, nous vous enseignerons les connaissances fondamentales en matière de ML pour que vous puissiez comprendre la terminologie que nous utiliserons au cours de cette spécialisation. Grâce aux spécialistes du machine learning de Google, vous découvrirez également des astuces pratiques, ainsi que les écueils à éviter. À la fin du cours, vous disposerez du code et des connaissances nécessaires pour lancer vos propres modèles de ML.
完成时间为 4 分钟
1 个视频 （总计 4 分钟）
1 个视频
Introduction4分钟
完成时间为 2 小时
Le machine learning en pratique
Dans ce module, nous vous présentons certains des principaux types de machine learning et aborderons son histoire, des débuts jusqu'à l'apogée. Vous pourrez ainsi rapidement vous familiariser avec le ML.
完成时间为 2 小时
10 个视频 （总计 62 分钟）
10 个视频
Introduction1分钟
Apprentissage supervisé5分钟
Régression et classification11分钟
Bref historique du ML : régression linéaire7分钟
Bref historique du ML : perceptron5分钟
Bref historique du ML : réseaux de neurones7分钟
Bref historique du ML : arbres de décision5分钟
Bref historique du ML : méthodes à noyau4分钟
Bref historique du ML : forêts d'arbres décisionnels4分钟
Bref historique du ML : réseaux de neurones modernes8分钟
1 个练习
Quiz du module30分钟
完成时间为 2 小时
Optimisation
Dans ce module, nous vous guidons sur la voie qui vous permettra d'optimiser vos modèles de ML.
完成时间为 2 小时
13 个视频 （总计 61 分钟）
13 个视频
Définir des modèles de ML4分钟
Présentation de l'ensemble de données "natality"6分钟
Présentation des fonctions de perte6分钟
Descente de gradient5分钟
Résoudre des problèmes relatifs aux courbes de perte2分钟
Pièges relatifs aux modèles de ML6分钟
Atelier : Présentation de TensorFlow Playground6分钟
Atelier : TensorFlow Playground (niveau avancé)3分钟
Atelier : Utilisation des réseaux de neurones6分钟
Résoudre des problèmes relatifs aux courbes de perte1分钟
Statistiques de performances3分钟
Matrice de confusion5分钟
1 个练习
Quiz du module30分钟
完成时间为 4 小时
Généralisation et échantillonnage
Penchons-nous maintenant sur une question un peu particulière : dans quelles conditions est-il préférable de ne pas choisir le modèle ML le plus précis ? Comme nous en avons déjà parlé lors du module précédent sur l'optimisation, ce n'est pas parce que le modèle appliqué à un ensemble de données d'apprentissage présente un taux de perte égal à zéro qu'il sera performant pour de nouvelles données réelles.
完成时间为 4 小时
9 个视频 （总计 64 分钟）
9 个视频
Introduction1分钟
Généralisation et modèles de ML6分钟
Comment déterminer le bon moment pour arrêter l'entraînement d'un modèle ?5分钟
Créer des échantillons reproductibles dans BigQuery6分钟
Démonstration : Fractionnement d'ensembles de données dans BigQuery8分钟
Présentation de l'atelier1分钟
Explication de l'atelier9分钟
Présentation de l'atelier2分钟
Explication de l'atelier23分钟
1 个练习
Questionnaire du module30分钟
关于 Machine Learning with TensorFlow on Google Cloud Platform en Français 专项课程
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
常见问题
我什么时候能够访问课程视频和作业？
我订阅此专项课程后会得到什么？
退款政策是如何规定的？
有助学金吗？
完成课程后，我会获得大学学分吗？
还有其他问题吗？请访问 学生帮助中心。
