Image de cours gratuite Deep Learning

Cours en ligne gratuitDeep Learning

Durée du cours en ligne : 5 heure et 13 minutes

5

étoileétoileétoileétoileétoile

(3)

Apprenez le deep learning gratuitement: neurones, backprop et vectorisation. Gagnez des bases solides pour lancer vos projets IA et data science.

Dans ce cours gratuit, découvrez

  • Séquence d’entraînement d’un réseau: propagation avant, coût, backprop, mise à jour des paramètres
  • Perceptron et neurone sigmoïde: modèle, activation et principe de classification binaire
  • Lien vraisemblance / log loss (entropie croisée) pour entraîner un classifieur binaire
  • Calcul des gradients d’un neurone et descente de gradient pour optimiser w et b
  • Dérivée de la sigmoïde: a(1−a) avec a = σ(z)
  • Vectorisation des équations: calculs efficaces sur m exemples (matrices) sans boucles
  • Gradient vectorisé dJ/dw pour un lot de m exemples et dimensions associées
  • Implémentation d’un neurone artificiel (forward, coût, gradients, update) en code
  • Frontière de décision d’un modèle linéaire à sortie sigmoïde et interprétation géométrique
  • Normalisation des pixels en [0,1] pour stabilité numérique et meilleure convergence
  • Réseau à 2 couches: dimensions de W[l], b[l], calcul Z[l]=W[l]A[l-1]+b[l]
  • Backpropagation d’un réseau 2 couches: dZ2=A2−Y, dW2=(1/m)dZ2 A1^T, etc.
  • Seuil de classification: conversion de a2 en ŷ binaire via 0,5
  • Propagation avant générale d’un réseau profond: Z[l]=W[l]A[l−1]+b[l], A[0]=X

Descriptif du cours

Vous souhaitez comprendre vraiment comment fonctionne le deep learning, au-delà des bibliothèques toutes faites? Ce cours en ligne gratuit vous accompagne pas à pas pour construire des bases solides en intelligence artificielle et science des données, avec une approche progressive: de l’intuition mathématique à la mise en pratique, jusqu’aux réseaux profonds.

Au fil des leçons, vous explorez le cœur d’un modèle de neurone artificiel: fonction sigmoïde, frontière de décision et interprétation probabiliste. Vous apprenez à relier la notion de vraisemblance à la fonction de perte log loss, puis à calculer des gradients de manière claire, afin de comprendre ce que signifie optimiser un classifieur binaire. L’objectif est de vous rendre autonome face aux notions clés que l’on retrouve dans tous les projets modernes d’IA.

La formation met aussi l’accent sur la vectorisation, indispensable pour passer d’une équation comprise sur papier à une implémentation efficace sur des lots de données. Vous verrez comment écrire correctement les expressions vectorisées des gradients, manipuler les dimensions des matrices et sécuriser vos calculs, notamment dans un réseau à deux couches. Cette rigueur vous aide à éviter les erreurs fréquentes quand on code la propagation avant et la rétropropagation.

En avançant, vous passez du neurone unique à un réseau de neurones à deux couches, puis à un réseau profond. Vous comprenez comment choisir un seuil de décision, pourquoi normaliser les pixels entre 0 et 1 pour stabiliser l’apprentissage, et comment généraliser la propagation avant quand l’architecture s’agrandit. À la fin, vous avez une vision cohérente de l’entraînement: quelle séquence suivre, quels calculs sont réalisés à chaque étape, et comment relier théorie et code pour préparer des cas d’usage concrets comme la classification d’images.

Que vous soyez débutant en IA, développeur curieux ou profil data qui veut renforcer ses fondamentaux, ce cours vous donne des repères clairs et des exercices pour consolider votre compréhension. Vous repartez avec une méthode pour analyser, implémenter et déboguer vos réseaux de neurones, et un socle fiable pour aborder ensuite des modèles plus avancés.

Contenu du cours

  • Leçon vidéo : FORMATION DEEP LEARNING COMPLETE (2021)

    30m

  • Exercice: Dans Deep Learning avec Akademy Performance Digital, quelle est la bonne séquence d’entraînement d’un réseau de neurones ?

  • Leçon vidéo : LE PERCEPTRON - DEEP LEARNING (02)

    24m

  • Exercice: Quelle relation décrit correctement le lien entre vraisemblance et fonction log loss pour entraîner un classifieur binaire ?

  • Leçon vidéo : LES GRADIENTS D'UN NEURONE - DEEP LEARNING (03)

    33m

  • Exercice: Quelle est la dérivée de la fonction sigmoïde a = 1/(1+e^(-z)) par rapport à z ?

  • Leçon vidéo : La VECTORISATION des équations - DEEP LEARNING (04)

    20m

  • Exercice: Dans le cadre du deep learning, quelle est l’expression vectorisée correcte du gradient de la fonction de coût par rapport à w pour un lot de m exemples ?

  • Leçon vidéo : PROGRAMMATION d'un NEURONE ARTIFICIEL (DEEP LEARNING 5)

    38m

  • Exercice: Frontière de décision pour un modèle linéaire à sortie sigmoïde

  • Leçon vidéo : NEURONE ARTIFICIEL - CHAT VS CHIEN - DEEP LEARNING 6

    58m

  • Exercice: Deep Learning avec Akademy Performance Digital: pourquoi normaliser les pixels en 0-1 ?

  • Leçon vidéo : RÉSEAU DE NEURONES (2 COUCHES) - DEEP LEARNING 7

    24m

  • Exercice: Dimensions de W[2] et b[2] pour calculer Z[2] = W[2] A[1] + b[2]

  • Leçon vidéo : La BACK-PROPAGATION - DEEP LEARNING 8

    31m

  • Exercice: Quelle est l’expression vectorisée correcte du gradient dW2 dans un réseau à deux couches, en notant A1 l’activation de la première couche et dZ2 = A2 - Y ?

  • Leçon vidéo : PROGRAMMER UN RÉSEAU DE NEURONES à 2 COUCHES - DEEP LEARNING 9

    22m

  • Exercice: Deep Learning — Dans un réseau à deux couches, quel seuil est utilisé pour convertir l’activation a2 en prédiction binaire

  • Leçon vidéo : RÉSEAU DE NEURONES PROFOND - DEEP LEARNING 10

    26m

  • Exercice: Quelle est la formule ge9ne9rale pour calculer ZC en propagation avant dans un re9seau profond lorsque A0 = X ?

Ce cours gratuit comprend:

5 heure et 13 minutes du cours vidéo en ligne

Certificat numérique de réussite du cours (gratuit)

Exercices pour développer vos connaissances

100% gratuit, du contenu au certificat

Prêt à commencer ?Téléchargez l’application et commencez dès aujourd’hui !

Installez l'application

dès maintenant pour accéder au cours
Icône représentant les cours de technologie et de commerce

Plus de 5000 cours gratuits

Programmation, anglais, marketing digital et bien plus encore ! Apprenez ce que vous voulez, gratuitement.

Icône de calendrier avec cible représentant la planification des études

Plan d'études avec IA

L'intelligence artificielle de notre application peut créer un planning d'études pour le cours que vous choisissez.

Icône professionnelle représentant la carrière et le commerce

De débutant à professionnel accompli

Améliorez votre CV grâce à notre certificat gratuit, puis utilisez notre intelligence artificielle pour trouver l'emploi de vos rêves.

Vous pouvez également utiliser le code QR ou les liens ci-dessous.

Code QR - Télécharger Cursa - Cours en ligne

Commentaires de cours: Deep Learning

YI

Yattara Ibrahima sory

étoileétoileétoileétoileétoile

vraiment j'ai aimé la qualité de cet cours. Un cours très utiles pour les développeurs en intelligence artificielle. Bref c'était génial.

Plus de cours gratuits sur Intelligence artificielle et science des données

Ebook + livres audio gratuits ! Apprenez en écoutant ou en lisant !

Téléchargez l'application dès maintenant pour avoir accès à + 5000 cours gratuits, exercices, certificats et de nombreux contenus sans rien payer !

  • Cours en ligne 100% gratuits du début à la fin

    Des milliers de cours en ligne en vidéo, livres électroniques et livres audio.

  • Plus de 60 000 exercices gratuits

    Pour tester vos connaissances lors de cours en ligne

  • Certificat numérique gratuit et valide avec code QR

    Généré directement à partir de la galerie de photos de votre téléphone portable et envoyé à votre adresse e-mail

Application Cursa sur l'écran du livre électronique, l'écran du cours vidéo et l'écran des exercices du cours, ainsi que le certificat de fin de cours