- Choisissez-la si
- Choisissez cette étagère pour les mécanismes, mathématiques, notebooks, code, architectures ou agents.
- Commencez ici
- Pour une expérience douce, utilisez TensorFlow Playground ou Teachable Machine. Pour le code, commencez par Kaggle.
- Puis faites ceci
- Utilisez ensuite un Lab lié pour tester un mécanisme et gardez ce qui a changé dans Ma carte.
Machine Learning Crash Course
Google for DevelopersUn cours technique modulaire couvrant la régression, la classification, les données, les réseaux de neurones, les plongements, les grands modèles de langage, la production et l’équité.
- Enseigne
- Les étapes centrales d’un projet d’apprentissage automatique, l’évaluation et certains enjeux de production au moyen de textes, vidéos et exercices web.
- Pourquoi elle est ici
- Il constitue un pont gratuit et substantiel entre culture générale et pratique technique.
- Limite centrale
- Le cours n’est pas réellement sans prérequis
Intro to Machine Learning
KaggleUne introduction courte, centrée sur des notebooks, pour construire et valider de premiers modèles d’apprentissage automatique.
- Enseigne
- Le déroulement d’un projet tabulaire, les arbres de décision, la validation et le sous- ou surapprentissage à travers des exercices de code.
- Pourquoi elle est ici
- Ses exercices compacts peuvent transformer le vocabulaire abstrait en un premier flux exécutable.
- Limite centrale
- Les détails dynamiques de la plateforme n’ont pas été entièrement vérifiés
Practical Deep Learning for Coders
fast.aiUn cours gratuit de neuf leçons qui enseigne l’apprentissage profond en construisant des applications avec des bibliothèques modernes.
- Enseigne
- La vision, les données tabulaires, le filtrage collaboratif, le traitement du langage, le déploiement et les mécanismes des modèles par le code.
- Pourquoi elle est ici
- Il propose une suite exigeante aux personnes prêtes à dépasser les explications conceptuelles.
- Limite centrale
- Trop avancé pour un parcours général de débutants
CS50's Introduction to Artificial Intelligence with Python
Harvard University / CS50Un cours Python exigeant de sept semaines qui aborde les algorithmes fondamentaux de l’IA par des cours et projets de programmation.
- Enseigne
- La recherche, la connaissance, l’incertitude, l’optimisation, l’apprentissage, les réseaux de neurones et le traitement du langage.
- Pourquoi elle est ici
- Il apporte une profondeur algorithmique et une structure de projets évalués absentes des ressources courtes de culture générale.
- Limite centrale
- Charge de travail et prérequis élevés
Hugging Face Learn
Hugging FaceUn catalogue évolutif de cours sur les LLM, les agents, la robotique, l’apprentissage par renforcement, la vision, l’audio, la diffusion et les outils de modèles ouverts.
- Enseigne
- Où trouver les formations spécialisées de Hugging Face et comment la plateforme organise les domaines techniques actuels.
- Pourquoi elle est ici
- Il cartographie utilement l’écosystème de formation aux modèles ouverts, à condition de ne pas le traiter comme un cours unique et stable.
- Limite centrale
- Le catalogue évolue trop vite pour une approbation globale
Hugging Face Agents Course
Hugging FaceUn cours technique vivant sur la construction et l’évaluation de flux d’agents avec des frameworks open source actuels.
- Enseigne
- Les composants d’un agent, l’usage d’outils, les observations et actions, smolagents, puis des notions d’évaluation et d’intégration.
- Pourquoi elle est ici
- Il donne aux personnes techniquement préparées un parcours concret tout en rendant visible l’évolution rapide du domaine.
- Limite centrale
- Le contenu vivant peut vieillir rapidement
TensorFlow Playground
TensorFlow / GoogleUne visualisation web pour expérimenter avec de petits réseaux de neurones et observer l’évolution des frontières de décision.
- Enseigne
- L’effet des variables d’entrée, couches cachées, activations, taux d’apprentissage, bruit et régularisation sur un classifieur simplifié.
- Pourquoi elle est ici
- Elle rend directement visibles plusieurs notions d’entraînement normalement abstraites.
- Limite centrale
- Le problème jouet ne représente pas un système de production
Teachable Machine
Google Creative LabUn outil web pour entraîner sans code de petits classifieurs d’images, de sons ou de postures à partir d’exemples.
- Enseigne
- Le lien entre exemples étiquetés, entraînement, confiance et prédictions en direct dans une expérience contrôlée.
- Pourquoi elle est ici
- Il rend rapidement concrets les choix de données d’entraînement lorsqu’il est intégré à une leçon prudente.
- Limite centrale
- Confidentialité et consentement doivent être gérés activement
Neural networks
3Blue1BrownUne collection vidéo visuelle pour construire l’intuition sur les réseaux de neurones, la descente de gradient et les mathématiques associées.
- Enseigne
- La transformation des entrées par les couches, l’ajustement des poids et le rôle des gradients.
- Pourquoi elle est ici
- Les animations donnent une intuition mathématique difficile à obtenir avec du texte seul.
- Limite centrale
- La densité visuelle peut poser problème sans alternative descriptive
The Illustrated Transformer
Jay AlammarUn parcours illustré très utilisé pour comprendre l’architecture du transformer original et la circulation de l’attention.
- Enseigne
- Les plongements, le codage positionnel, les blocs encodeur/décodeur, l’auto-attention et l’enchaînement des calculs.
- Pourquoi elle est ici
- Il fournit aux apprenants intermédiaires un modèle visuel cohérent avant d’aborder les variantes modernes.
- Limite centrale
- Le texte décrit une génération antérieure de transformers
MLU-Explain
Amazon Machine Learning UniversityUne collection d’essais visuels consacrés à certaines méthodes d’apprentissage automatique et notions d’évaluation.
- Enseigne
- Les thèmes incluent réseaux de neurones, régression, apprentissage par renforcement, ROC/AUC et mesures d’équité, avec un niveau variable.
- Pourquoi elle est ici
- Elle apporte des explications ciblées qui complètent un parcours structuré sans le remplacer.
- Limite centrale
- La collection n’est pas un programme cohérent unique
