Découvrir les tâches d’apprentissage, les modèles et la séparation rigoureuse des données.
Ce parcours d’initiation va de l’idée générale de l’apprentissage automatique aux types d’apprentissage, aux notions de modèle et au partage soigneux des données. Vous comparez des exemples d’apprentissage supervisé, non supervisé et par récompense, puis étudiez pourquoi les données d’entraînement doivent rester distinctes des données d’évaluation. L’activité finale utilise un petit jeu de données dont l’usage est autorisé ; aucune expérience en programmation n’est requise.
Décrire l’apprentissage automatique comme la recherche de régularités dans des exemples et le distinguer de règles écrites à l’avance. Classer des situations simples en apprentissage supervisé, non supervisé ou par renforcement et préciser les informations disponibles. Repérer des variables d’entrée, une cible et des données d’entraînement et d’évaluation dans une tâche de prédiction élémentaire. Proposer une séparation des données qui réduit les fuites et expliquer une limite de l’évaluation.
Aucune expérience en programmation ou en statistique n’est nécessaire. Savoir lire des lignes et des colonnes est utile ; n’utilisez que des données publiques ou dont l’usage est autorisé.
Aux débutants qui souhaitent une introduction claire et guidée, sans jargon inutile
Aux personnes qui apprennent mieux avec des exemples, des leçons guidées et de la pratique
Aux professionnels, créateurs et développeurs indépendants recherchant une méthode reproductible
La leçon 1 est gratuite
4 leçons · Débutant · Cours complet.
Ce cours utilise du contenu sous licence CC BY attribué à son fournisseur ou à la personne qui l’a mis en ligne. La lecture des leçons est disponible uniquement après authentification et validation des contrôles de publication et de licence.