Un 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.
Plan pour cette page
Décider si cette ressource externe convient à votre objectif avant de quitter la plateforme.
Vous repartirez avec
Les étapes centrales d’un projet d’apprentissage automatique, l’évaluation et certains enjeux de production au moyen de textes, vidéos et exercices web.
Temps
15 h environ
Avant de commencer
Connaissance de Python, NumPy et pandas ; algèbre, algèbre linéaire et statistiques recommandées, calcul différentiel facultatif pour certains sujets.
Faites ceci maintenant
Lisez d’abord pourquoi elle a été sélectionnée, comment l’utiliser et sa limite principale.
Machine Learning Crash CourseLes étapes centrales d’un projet d’apprentissage automatique, l’évaluation et certains enjeux de production au moyen de textes, vidéos et exercices web.
Il constitue un pont gratuit et substantiel entre culture générale et pratique technique.
Personnes à l’aise avec Python, l’algèbre et des statistiques élémentaires.
Le proposer après les notions de base de la plateforme, en choisissant les modules et en distinguant les exemples Google des méthodes générales.
01Affirmation
02Source
03Périmètre
04Revue
Les étapes centrales d’un projet d’apprentissage automatique, l’évaluation et certains enjeux de production au moyen de textes, vidéos et exercices web.
Adéquation et objectif
Pourquoi la ressource est présente et ce qu’il faut savoir avant de commencer.
Pourquoi cette sélection
Il constitue un pont gratuit et substantiel entre culture générale et pratique technique.
Pour qui
Personnes à l’aise avec Python, l’algèbre et des statistiques élémentaires.
Prérequis
Connaissance de Python, NumPy et pandas ; algèbre, algèbre linéaire et statistiques recommandées, calcul différentiel facultatif pour certains sujets.
Utilisation et accès
Comment prévoir le temps, l’accès et les besoins pratiques.
Comment l’utiliser
Le proposer après les notions de base de la plateforme, en choisissant les modules et en distinguant les exemples Google des méthodes générales.
Langue
Anglais, avec certaines éditions localisées de Google Developers.
Accès
La lecture est publique. Les exercices Colab fonctionnent dans le navigateur ; un compte Google est utile pour enregistrer une copie.
Accessibilité
Les vidéos et notebooks Colab doivent être testés séparément pour les sous-titres, le clavier et les lecteurs d’écran.
Interprétation et permissions
Ce qui encadre le point de vue, la réutilisation et nos propres affirmations.
Perspective
Le contenu reflète les pratiques d’ingénierie et les priorités de production de Google.
Droits
La page indique CC BY 4.0 pour le contenu et Apache 2.0 pour le code, sauf mention contraire ; conserver les avis et vérifier les exceptions.
Forces
Couverture technique étendue
Les exercices rendent visibles les effets des choix mathématiques
Limites
Le cours n’est pas réellement sans prérequis
Les outils Google et les modules évolutifs exigent du contexte
inAi