Introduction à l'IA avec Python
A course by Rodrigo MontemayorProgrammeur
A course by Rodrigo Montemayor, Programmeur
Découvrez les bases de l'intelligence artificielle et comment les appliquer à la résolution de problèmes
Grâce au machine learning, toutes les industries révolutionnent leur façon de travailler. Dans ce cours en ligne, le programmeur expert Rodrigo Montemayor vous apprendra les bases de l'apprentissage automatique avec Python à partir de zéro.
Tout au long des leçons, vous apprendrez ce que c'est et comment cela fonctionne, quels types existent et comment l'apprentissage automatique peut être appliqué pour résoudre divers problèmes. Préparez-vous à faire partie du futur de l'intelligence artificielle.
Qu'allez-vous apprendre dans ce cours en ligne ?
29 leçons & 34 vidéos téléchargées
Configuration de l'environnement de travail
14 minutes, 25 secondes
Bibliothèques Python
2 minutes, 38 secondes
Votre premier modèle : la régression linéaire
16 minutes, 38 secondes
La régression linéaire en détail
4 minutes, 47 secondes
Ensembles et analyse de données
20 minutes, 13 secondes
Exercice de régression linéaire
15 minutes, 21 secondes
Que comprend ce cours ?
Vous commencerez le cours en apprenant à mieux connaître votre professeur Rodrigo Montemayor, qui vous parlera de son parcours de programmeur et de ses plus grandes références.
Ensuite, vous verrez ce qu'est l'apprentissage automatique et comment il peut être appliqué dans différentes industries. Ensuite, vous découvrirez les types de machine learning qui existent.
Dans la prochaine unité, vous poserez un problème dans les concepts d'apprentissage automatique et comprendrez que les données sont essentielles pour obtenir des résultats. Étape par étape, vous apprendrez certains termes comme les balises, les fonctionnalités ou les bibliothèques. Ainsi, vous ferez votre premier modèle en utilisant la régression linéaire. Vous comprendrez comment le processus de formation et le calcul des pertes fonctionnent pour s'améliorer automatiquement et vous découvrirez les problèmes les plus courants.
Plus tard, Rodrigo vous donnera quelques conseils sur la manipulation et la représentation des données. Il parlera également d'un autre type de modèle, la régression logistique, en plus des réseaux de neurones. Enfin, vous apprendrez à tirer parti des modèles existants et déjà formés pour résoudre des problèmes.
What is this course's project?
Vous créerez un modèle d'apprentissage automatique qui servira à classer et à détecter vos propres images à l'aide de réseaux de neurones.
Projets d'élèves du cours
Who is this online course for?
Toute personne intéressée à apprendre les bases de l'apprentissage automatique.
Requirements and materials
Pour mener à bien ce cours, vous aurez besoin de connaissances de base en Python.
Avis
- il y a 23 heures
pues me esta gustando :D
- il y a 3 jours
hasta ahora todo bien
- il y a 7 jours
MUY BUENO
- gaspi17PLUSil y a 7 jours
Explica bien y le presta atencion a las personas que programan en google colab o las que programan en visual studio code
- teveproserPLUSil y a 16 jours
Hoy en dia el analisis de datos, python y la ia son las mejores herramientas para crecer, excelente curso, excelente enseñanza para la carrera profesional.
D'autre part, il partage du contenu sur la chaîne Youtube RingaTech, dans le but d'enseigner et d'informer sur la technologie, la cybersécurité et l'intelligence artificielle. Dans le cadre de la chaîne, il a développé quelques projets et jeux dont le code est accessible au public.
Contenu
- U1
Introduction
- Présentation
- influence
- U2
Les bases de l'apprentissage automatique
- Qu'est-ce que l'apprentissage automatique ?
- Possibilités d'apprentissage automatique
- Configuration de l'environnement de travail
- U3
vos premiers modèles
- Types et exemples d'apprentissage automatique
- Les données : la base de tout modèle
- Bibliothèques Python
- Votre premier modèle : la régression linéaire
- La régression linéaire en détail
- U4
Algorithmes d'apprentissage automatique
- Ensembles et analyse de données
- Exercice de régression linéaire
- Régression logistique
- Exercice de régression logistique
- arbres de décision
- Exercice d'arbres de décision
- U5
Plus d'algorithmes d'apprentissage automatique
- prendre en charge les machines vectorielles
- Soutenir l'exercice de la machine vectorielle
- Clustering avec K-means
- Exercice de clustering avec K-means
- U6
Réseaux de neurones et apprentissage profond
- Intuition et comment les réseaux de neurones apprennent
- Réseau neuronal de régression
- Réseau de neurones de classe 1
- Classification Réseau de neurones 2
- Convolutions et filtres
- Réseaux de neurones convolutifs 1
- Réseaux de neurones convolutifs 2
- Transfert d'apprentissage 1
- Transfert d'apprentissage 2
- PF
Projet final
- Introduction à l'IA avec Python
Ce qu’il faut attendre d’un cours Domestika
Apprenez à votre rythme
Apprenez chez vous, sans horaires fixes et à votre rythme. C’est vous qui décidez de votre programme d’apprentissage.
Apprenez auprès de grands noms du secteur créatif
Apprenez les techniques et les méthodes les plus utiles auprès des meilleurs professionnels du secteur créatif.
Rencontrez des spécialistes reconnus
Dans chaque leçon, votre professeur vous transmettra ses connaissances avec enthousiasme, vous donnera des explications claires et vous fera bénéficier de son expertise.
Certificates
PLUSIf you're a Plus member, get a certificat personnalisé signed by your teacher for every course. Share it on your portfolio, social media, or wherever you like.
Soyez aux premières loges
Profitez de vidéos de haute qualité pour ne manquer aucun détail. Grâce à un accès illimité, vous pourrez les regarder autant de fois que nécessaire pour perfectionner vos compétences.
Partagez vos connaissances et vos idées
Posez des questions, demandez des avis ou suggérez des solutions. Partagez votre expérience d’apprentissage avec les autres élèves de la communauté qui ont, comme vous, une passion pour la créativité.
Rejoignez une communauté créative internationale
Cette communauté réunit plus de huit millions de personnes des quatre coins du monde, curieuses et passionnées, avec cette même envie de développer et d’exprimer leur créativité.
Assistez à des cours de haute qualité
Domestika sélectionne les professeurs avec soin et produit chaque cours en interne afin de garantir une expérience d’apprentissage en ligne de qualité optimale.
Foire aux questions
Vous apprendrez les concepts clés du Machine Learning, comment appliquer des algorithmes à des problèmes concrets, travailler avec la vision par ordinateur, préparer et analyser des données, et développer des projets pratiques en utilisant Python et des bibliothèques populaires comme pandas, scikit-learn et TensorFlow.
Le cours est de niveau intermédiaire. Il est conseillé d’avoir des connaissances de base en programmation Python et des notions générales en mathématiques pour tirer le meilleur parti des contenus et exercices pratiques.
Vous devez avoir Python installé, un accès à Google Colab ou Visual Studio Code, et des connaissances de base en programmation. Une connexion internet stable et un ordinateur suffisamment performant pour exécuter des notebooks et bibliothèques de Machine Learning sont également recommandés.
Vous réaliserez des projets de classification d’images et de textes, détection d’anomalies, segmentation de clients, modèles de régression et classification binaire, ainsi que des applications de vision par ordinateur avec des jeux de données réels et des bibliothèques Python.
Le cours couvre des applications telles que la vision artificielle, la reconnaissance de formes, la détection de fraudes, le diagnostic médical, la prédiction de prix, la segmentation de clients et les systèmes de recommandation personnalisés.
Contrairement à la programmation traditionnelle, le Machine Learning permet aux systèmes d’apprendre à partir des données et d’améliorer leurs performances automatiquement, au lieu de suivre des règles codées explicitement.
Vous utiliserez pandas pour l’analyse de données, scikit-learn pour les modèles de Machine Learning, TensorFlow et Keras pour les réseaux neuronaux, ainsi que Google Colab et Visual Studio Code pour coder et exécuter vos projets.