Dans la spécialisation Machine Learning, nous couvrirons l'apprentissage supervisé, l'apprentissage non supervisé et les bases de l'apprentissage profond. Vous appliquerez les algorithmes de ML à des données réelles, apprendrez quand utiliser quel modèle et pourquoi, et améliorerez les performances de vos modèles. En commençant par l'apprentissage supervisé, nous couvrirons la régression linéaire et logistique, le KNN, les arbres de décision, les méthodes d'assemblage telles que Random Forest et Boosting, et les méthodes à noyau telles que SVM. Nous nous intéresserons ensuite aux méthodes non supervisées, y compris les techniques de réduction de la dimensionnalité (par exemple, l'ACP), le clustering et les systèmes de recommandation. Nous terminons par une introduction aux bases de l'apprentissage profond, y compris le choix des architectures de modèles, la construction et l'entraînement de réseaux neuronaux avec des bibliothèques comme Keras, et des exemples pratiques de CNN et de RNN.
Cette spécialisation peut être suivie pour des crédits académiques dans le cadre des diplômes MS in Data Science ou MS in Computer Science de CU Boulder offerts sur la plateforme Coursera. Ces diplômes d'études supérieures entièrement accrédités offrent des cours ciblés, des sessions courtes de 8 semaines et des frais de scolarité à la carte. L'admission est basée sur la performance dans trois cours préliminaires, et non sur les antécédents scolaires. Les diplômes CU sur Coursera sont idéaux pour les jeunes diplômés ou les professionnels en activité. Pour en savoir plus :
MS en science des données : https://malolife.top/degrees/master-of-science-data-science-boulder
MS en science informatique : https://coursera.org/degrees/ms-computer-science-boulder
Projet d'apprentissage appliqué
Dans cette spécialisation, vous construirez un système de recommandation de films, identifierez les types de cancer en fonction des séquences d'ARN, utiliserez des CNN pour la pathologie numérique, pratiquerez des techniques de NLP sur des tweets de catastrophe, et générerez même vos images de chiens avec des GAN. Vous réaliserez un projet final d'apprentissage supervisé, non supervisé et profond pour démontrer votre maîtrise du cours.
