Bienvenue dans les Fondations de l'Apprentissage Automatique, votre guide pratique des techniques fondamentales qui alimentent les solutions basées sur les données. Maîtrisez les domaines clés de l'apprentissage automatique - apprentissage supervisé (prédiction), apprentissage non supervisé (découverte de caractéristiques), prétraitement des données et ingénierie des caractéristiques, et prévision des séries temporelles - en utilisant Pandas, Scikit-learn, Statsmodels et Prophet pour relever les défis du monde réel. À la fin de ce cours, vous serez en mesure : - d'implémenter et d'évaluer les principaux modèles supervisés (par exemple, la régression, la classification, les modèles à base d'arbres et les SVM) pour la prédiction - d'appliquer des méthodes non supervisées (par exemple, K-Means, Isolation Forest) pour la segmentation et la détection d'anomalies - d'effectuer un prétraitement des données robuste : gérer les anomalies et les problèmes d'accès à l'information - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information et des données - d'utiliser des outils de gestion de l'information, K-Means, Isolation Forest) pour la segmentation et la détection d'anomalies - Effectuer un prétraitement robuste des données : traiter les données manquantes, encoder les catégories, mettre à l'échelle les caractéristiques et appliquer la réduction de la dimensionnalité (ACP) - Construire et analyser les prévisions de séries temporelles avec ARIMA, lissage exponentiel, Holt-Winters et Prophet - Grâce à des exercices pratiques et à un projet capstone de prédiction des achats des clients, vous développerez des compétences polyvalentes pour relever en toute confiance les défis courants en matière d'apprentissage automatique.
Fondements de l'apprentissage automatique
Ce cours fait partie de plusieurs programmes.
Instructeur : Professionals from the Industry
4 684 déjà inscrits
Inclus avec
Expérience recommandée
Compétences que vous acquerrez
- Catégorie : Apprentissage non supervisé
- Catégorie : Détection des anomalies
- Catégorie : Scikit-learn (Bibliothèque d'Apprentissage automatique)
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Apprentissage automatique
- Catégorie : Nettoyage des données
- Catégorie : Transformation de données
- Catégorie : Prévisions
- Catégorie : Manipulation de données
- Catégorie : Ingénierie des caractéristiques
- Catégorie : Modélisation statistique
- Catégorie : Réduction de dimensionnalité
- Catégorie : Analyse prédictive
- Catégorie : Traitement des données
- Catégorie : Modélisation prédictive
- Catégorie : Apprentissage supervisé
- Catégorie : Analyse de régression
- Catégorie : Analyse des séries temporelles et prévisions
Détails à connaître
Ajouter à votre profil LinkedIn
août 2025
20 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- 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 4 modules dans ce cours
Bienvenue à l'Apprentissage supervisé, le fondement de l'Apprentissage automatique moderne ! Dans ce module, vous maîtriserez des algorithmes essentiels tels que la régression linéaire, la régression logistique, les arbres de décision et les serveurs d'authentification (SVM) qui constituent l'épine dorsale de l'analytique prédictive. Nous vous guiderons dans des mises en œuvre pratiques à l'aide d'outils standard tels que Scikit-learn, pour vous aider à construire des modèles capables de prédire des résultats avec une précision impressionnante. À la fin de ce module, vous serez en mesure de sélectionner l'algorithme approprié pour différents problèmes, d'entraîner et d'évaluer efficacement les modèles, et d'interpréter leurs résultats pour conduire des décisions éclairées par les données.
Inclus
13 vidéos10 lectures6 devoirs4 laboratoires non notés
Que faire lorsque vos données ne comportent pas d'exemples étiquetés ? Dans ce module, vous explorerez l'Apprentissage non supervisé, où les algorithmes trouvent la structure et les informations dans les données par eux-mêmes. Vous maîtriserez les techniques de clustering telles que les K-Moyennes et le clustering hiérarchique pour regrouper des clients, des produits ou des comportements similaires, et apprendrez à détecter les anomalies susceptibles de représenter des fraudes ou des événements inhabituels. À la fin de ce module, vous serez équipé d'outils puissants pour découvrir des informations cachées dans vos données que les méthodes supervisées pourraient manquer, élargissant ainsi votre boîte à outils pour les défis de la science des données dans le monde réel.
Inclus
10 vidéos8 lectures5 devoirs4 laboratoires non notés
Saviez-vous que la préparation des données détermine souvent le succès du modèle plus que la sélection de l'algorithme ? Dans ce module essentiel, vous apprendrez les compétences critiques du Prétraitement des données et de l'Ingénierie des caractéristiques qui séparent les novices des scientifiques de données professionnels. Nous vous guiderons dans le traitement des données manquantes, l'encodage des variables catégoriques, la mise à l'échelle des caractéristiques et la sélection des attributs les plus importants qui feront briller vos modèles. En maîtrisant ces techniques, vous améliorerez considérablement la précision et la fiabilité de vos modèles, en vous assurant qu'ils fonctionnent bien sur des données désordonnées du monde réel qui, autrement, feraient échouer des modèles moins bien préparés.
Inclus
11 vidéos7 lectures5 devoirs4 laboratoires non notés
Découvrons comment établir correctement des prévisions à partir de données temporelles ! Dans ce module, vous apprendrez des techniques spécialisées pour travailler avec des données temporelles telles que les cours de bourse, les prévisions de vente et les relevés de capteurs que les approches ML traditionnelles ne peuvent pas traiter efficacement. Vous mettrez en œuvre des modèles de prévision pratiques à l'aide d'outils tels que ARIMA, le lissage exponentiel et Facebook Prophet, et comprendrez comment identifier les tendances, la saisonnalité et d'autres schémas temporels. À la fin de ce module, vous serez en mesure de construire des systèmes de prévision précis qui peuvent prédire les valeurs futures sur la base de modèles historiques, ajoutant une compétence puissante et en demande à votre boîte à outils d'apprentissage automatique.
Inclus
9 vidéos5 lectures4 devoirs1 devoir de programmation3 laboratoires non notés
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.
Instructeur
Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuitFractal Analytics
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuitUniversity of Washington
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
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.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - à partir de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Plus de questions
Aide financière disponible,