Machine Learning Specialization Coursera

Spécialisation en apprentissage automatique Coursera

Contient des solutions et des notes pour la spécialisation en apprentissage automatique par Andrew NG sur Coursera

Remarque : Si vous souhaitez approfondir les concepts en comprenant tous les mathématiques requis, consultez Mathématiques pour l'apprentissage automatique et la science des données.

---

Cours 1 : Apprentissage automatique supervisé : régression et classification

• Semaine 1

• Représentation du modèle

• Fonction de coût

• Descente de dégradé

• Quiz pratique : Régression

• Quiz pratique : apprentissage supervisé ou non supervisé

• Quiz pratique : entraîner le modèle avec descente de gradient

• Laboratoires facultatifs

• Semaine 2

• Régression linéaire

• Vectorisation Numpy

• Régression multivariée

• Mise à l'échelle des fonctionnalités

• Ingénierie des fonctionnalités

• Descente de dégradé Sklearn

• Méthode normale Sklearn

• Quiz pratique : Descente de gradient en pratique

• Quiz pratique : Régression linéaire multiple

• Laboratoires facultatifs

• Mission de programmation

• Semaine 3

• Régression logistique

• Classification

• Fonction sigmoïde

• Limite de décision

• Perte logistique

• Fonction de coût

• Descente de dégradé

• Scikit Learn - Régression logistique

• Surapprentissage

• Régularisation

• Quiz pratique : Fonction de coût pour la régression logistique

• Quiz pratique : Descente de gradient pour la régression logistique

• Laboratoires facultatifs

• Mission de programmation

Certificat d'achèvement

Cours 2 : Algorithmes d'apprentissage avancés

• Semaine 1

  
  

• Réseaux de neurones pour la classification binaire

• Neurones et couches

• Torréfaction du café

• Torréfaction du café avec Numpy

• Quiz pratique : Intuition des réseaux de neurones

• Quiz pratique : modèle de réseau neuronal

• Quiz pratique : implémentation de TensorFlow

• Quiz pratique : Implémentation de réseaux de neurones dans Numpy

• Laboratoires facultatifs

• Mission de programmation

• Semaine 2

• Réseaux de neurones pour la reconnaissance de chiffres manuscrits - Multiclass

• RElu

• Softmax

• Classification multiclasse

• Quiz pratique : Formation sur les réseaux de neurones

• Quiz pratique : Fonctions d'activation

• Quiz pratique : Classification multiclasse

• Quiz pratique : Concepts supplémentaires sur les réseaux de neurones

• Laboratoires facultatifs

• Mission de programmation

• Semaine 3

• Conseils pour l’apprentissage automatique appliqué

• Quiz pratique : Conseils pour appliquer l'apprentissage automatique

• Quiz pratique : Biais et Variance

• Quiz pratique : Processus de développement de l'apprentissage automatique

• Mission de programmation

• Semaine 4

• Arbres de décision

• Quiz pratique : Arbres de décision

• Quiz pratique : Apprentissage des arbres de décision

• Quiz pratique : Ensembles d'arbres de décision

• Mission de programmation

Certificat d'achèvement

Cours 3 : Apprentissage non supervisé, Recommandeurs, Apprentissage par renforcement

• Semaine 1

• K signifie

• Détection des anomalies

• Quiz pratique : Clustering

• Quiz pratique : Détection d'anomalies

• Missions de programmation

• Semaine 2

• Filtrage collaboratif RecSys

• RecSys utilisant les réseaux de neurones

• Quiz pratique : Filtrage collaboratif

• Quiz pratique : Implémentation de systèmes de recommandation

• Quiz pratique : Filtrage basé sur le contenu

• Missions de programmation

• Semaine 3

• Deep Q-Learning - Lunar Lander

• Quiz pratique : Introduction à l'apprentissage par renforcement

• Quiz pratique : Fonction de valeur état-action

• Quiz pratique : Espaces d'états continus

• Mission de programmation

Certificat d'achèvement

Certificat de spécialisation

Les astronomes au fil du temps

Révision du cours :

Ce cours est le meilleur endroit pour devenir ingénieur en apprentissage automatique. Même si vous êtes un expert, de nombreux algorithmes sont abordés en profondeur, tels que les arbres de décision, qui peuvent contribuer à améliorer davantage les compétences.

Un merci spécial au professeur Andrew Ng pour avoir structuré et adapté ce cours.

---

Un aperçu de ce que vous pourriez accomplir à la fin de cette spécialisation :

• Écrire un algorithme d'apprentissage non supervisé pour faire atterrir l'atterrisseur lunaire à l'aide du Deep Q-Learning

• Le Rover a été entraîné à atterrir correctement sur la surface, correctement entre les drapeaux comme indicateurs après de nombreuses tentatives infructueuses pour apprendre à le faire.

• L'atterrissage final après formation de l'agent à l'aide des paramètres appropriés :

lunar_lander.mp4

• Écrire un algorithme pour un système de recommandation de films

• Une base de données de films est collectée en fonction de son genre.

• Un algorithme de filtrage basé sur le contenu et de filtrage collaboratif est formé et le système de recommandation de films est mis en œuvre.

• Il donne des recommandations de films basées sur le genre du film.

• Et bien plus encore !!

En conclusion, c'est un cours que je recommanderais à tout le monde de suivre. Non seulement parce que vous apprenez beaucoup de nouvelles choses, mais aussi parce que les devoirs sont des exemples concrets et passionnants à réaliser .

Bon apprentissage :))