• Ce que vous allez expérimenter

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage pour vous aider à atteindre vos objectifs.

En résumé

  • Un survol de l’apprentissage automatique (machine learning)

  • Introduction aux réseaux de neurones profonds

  • Aperçu des applications en vision par ordinateur (computer vision)

  • Aperçu des applications en Texte et séquences

  • Apprentissage par transfert, un aperçu

  • Exemples pratiques utilisant Keras et Google Colab

  • Exercices de simulation avec Tensorflow Playground

Libérer le potentiel de l’IA pour votre carrière et votre organisation.

Une approche basée sur la pratique

Tout au long du cours, vous apprendrez les concepts de base de l’apprentissage profond afin de développer votre intuition, de saisir le potentiel de l’IA dans votre travail et de commencer à développer des modèles en apprentissage profond.

Vous participerez à 5 travaux pratiques de création de modèles avancés.

Vous apprendrez les principaux concepts de l’apprentissage automatique et profond, tels que : l’architecture d’un réseau de neurones, l’optimisation et la régularisation.

Vous aurez un aperçu de trois domaines de l’apprentissage profond :

  • La vision par ordinateur (computer vision)
  • Le texte et séquences.
  • L’apprentissage par transfert (transfer learning)

Vous apprendrez les bases de Keras, la bibliothèque open source.

Vous pourrez tester et mettre en pratique toutes ces compétences au travers :

  • Des quiz
  • Des exercices pratiques avec Keras, Google Colab et TensorFlow Playground

Le but ultime du cours est de libérer le potentiel de l’IA pour votre carrière et votre organisation.

Plan du cours

    1. Bienvenue!

    2. Comment utiliser ce cours (en anglais)

    3. Espace de discussion et d’échange

    4. Réseaux sociaux de la plateforme

    5. Avant que nous commencions...

    6. Programme du cours

    7. Apprendre comment apprendre

    8. Support du cours

    1. Ce que ce chapitre va couvrir

    2. Objectifs du cours

    3. A qui s’adresse le cours

    4. Nos principes d’apprentissage

    5. Prérequis

    1. Ce que ce chapitre va couvrir

    2. IA, Apprentissage automatique, Apprentissage profond

    3. Pourquoi maintenant?

    4. Apprentissage profond et Valeur économique

    5. L'apprentissage supervisé (Supervised learning)

    6. Pourquoi Keras

    7. Sommaire du chapitre et ce qu'il faut retenir

    8. Lectures optionnelles

    9. Quiz

    1. Ce que ce chapitre va couvrir

    2. Un survol de Google Colab

    3. Un premier cas pratique en Keras: classification d’images

    4. Sommaire du chapitre et ce qu'il faut retenir

    5. C'est à vous: se familiariser avec Keras et Google Colab

    6. Quiz

    1. Ce que ce chapitre va couvrir

    2. Modèle de classification: la base

    3. Un exemple d’algorithme de classification: Régression logistique

    4. Évaluation de modèle de classification

    5. Biais vs Variance

    6. Sommaire du chapitre et ce qu'il faut retenir

    7. Lectures optionnelles

    8. Quiz: Apprentissage automatique

    1. Ce que ce chapitre va couvrir

    2. Définition: le “profond” dans apprentissage profond

    3. Comprendre le réseau de neurones (profond) en graphique

    4. TensroFlow Playground

    5. Sommaire du chapitre et ce qu'il faut retenir

    6. C'est à vous: Développer votre intuition des réseaux de neurones

    7. Solution: labo Tensorflow Playground

    8. Lectures optionnelles

    9. Quiz: Réseau de neurones

About this course

  • Gratuit
  • 105 leçons
  • 0 heures de contenu vidéo

Votre Instructeur

Mohamed Jendoubi

Scientifique de Données, Fondateur d'Uluumy

Je suis passionné par l’intelligence artificielle, l’entrepreneuriat et l’apprentissage de nouvelles connaissances. Je suis motivé chaque jour par la volonté d’avoir un impact positif autour de moi. À la Banque de développement du Canada (bdc), où j’ai été en poste pendant plus d’une décennie comme scientifique de données, j’ai contribué à plusieurs projets analytiques et de transformations numériques au sein des équipes de marketing et de financement. Mon travail au sein de la bdc, m’a aussi permis de constater l’ampleur des défis de transformations numériques pour les petites et moyennes entreprises. Pour réussir leur transformation, ces entreprises ont besoin d’améliorer la compétence de leurs employés. J’ai fondé Uluumy, pour aider à transformer les défis vécus par les entrepreneurs et les professionnels en opportunités en misant sur le développement professionnel et la formation continue.

Photo by Matthew Henry from Burst, Daniel Spase from Unsplash