Après avoir présenté un historique du machine learning, nous étudierons pourquoi les réseaux de neurones sont aujourd'hui parfaitement adaptés à diverses problématiques. Nous apprendrons ensuite à définir un problème d'apprentissage supervisé et à trouver une solution adaptée à l'aide d'une descente de gradient. Ce processus implique la création d'ensembles de données permettant la généralisation. Nous examinerons comment procéder à cette opération de façon reproductible de sorte que l'expérimentation soit possible.
このコースについて
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約6時間で修了
フランス語
字幕：フランス語, ポルトガル語（ブラジル）, ドイツ語, 英語, スペイン語, 日本語
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約6時間で修了
フランス語
字幕：フランス語, ポルトガル語（ブラジル）, ドイツ語, 英語, スペイン語, 日本語
提供：
Google Cloud
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.
シラバス - 本コースの学習内容
4分で修了
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.
4分で修了
1件のビデオ （合計4分）
1件のビデオ
Introduction4 分
1時間で修了
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.
1時間で修了
10件のビデオ （合計62分）
10件のビデオ
Introduction1 分
Apprentissage supervisé5 分
Régression et classification11 分
Bref historique du ML : régression linéaire7 分
Bref historique du ML : perceptron5 分
Bref historique du ML : réseaux de neurones7 分
Bref historique du ML : arbres de décision5 分
Bref historique du ML : méthodes à noyau4 分
Bref historique du ML : forêts d'arbres décisionnels4 分
Bref historique du ML : réseaux de neurones modernes8 分
1の練習問題
Quiz du module6 分
1時間で修了
Optimisation
Dans ce module, nous vous guidons sur la voie qui vous permettra d'optimiser vos modèles de ML.
1時間で修了
13件のビデオ （合計61分）
13件のビデオ
Définir des modèles de ML4 分
Présentation de l'ensemble de données "natality"6 分
Présentation des fonctions de perte6 分
Descente de gradient5 分
Résoudre des problèmes relatifs aux courbes de perte2 分
Pièges relatifs aux modèles de ML6 分
Atelier : Présentation de TensorFlow Playground6 分
Atelier : TensorFlow Playground (niveau avancé)3 分
Atelier : Utilisation des réseaux de neurones6 分
Résoudre des problèmes relatifs aux courbes de perte1 分
Statistiques de performances3 分
Matrice de confusion5 分
1の練習問題
Quiz du module6 分
3時間で修了
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.
3時間で修了
9件のビデオ （合計64分）
9件のビデオ
Introduction1 分
Généralisation et modèles de ML6 分
Comment déterminer le bon moment pour arrêter l'entraînement d'un modèle ?5 分
Créer des échantillons reproductibles dans BigQuery6 分
Démonstration : Fractionnement d'ensembles de données dans BigQuery8 分
Présentation de l'atelier1 分
Explication de l'atelier9 分
Présentation de l'atelier2 分
Explication de l'atelier23 分
1の練習問題
Questionnaire du module12 分
Machine Learning with TensorFlow on Google Cloud Platform en Français専門講座について
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.
Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
>>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<
よくある質問
いつ講座や課題にアクセスできるようになりますか？
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
返金ポリシーについて教えてください。
サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します。
学資援助はありますか？
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
コースを修了することで大学の単位は付与されますか？
このコースでは大学の単位は付与されませんが、一部の大学ではコース修了証を単位として承認する場合があります。詳細については、大学にお問い合わせください。Coursera（コーセラ）のオンライン学位および Mastertrack™証明書は、大学の単位を取得する機会を提供します。
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
