Des fondations mathématiques et informatiques jusqu’au machine learning et à l’IA avancée. ≈ 10 h par semaine sur 40 semaines.
Écrire ses premiers programmes en Python, manipuler fichiers, web et bases SQL, et acquérir une culture critique des données et de l'IA.
Projet : Le capstone de Python for Everybody (collecte, stockage et visualisation de données web) puis l'examen final de Fundamentals of Computing.
Voir le semestreS2 · 191 hAcquérir les outils mathématiques continus dont dépendent toute la statistique et l'apprentissage automatique.
Projet : Le capstone de Mathematics for Engineers : calcul numérique de l'écoulement autour d'un cylindre (allée de Kármán).
Voir le semestreS3 · 173 hSavoir prouver, compter et raisonner sur des graphes, puis concevoir et analyser des algorithmes efficaces.
Projet : Le projet Delivery Problem de UCSD : résoudre un problème de voyageur de commerce et comparer des heuristiques.
Voir le semestreS4 · 269 hConstruire une base probabiliste solide puis apprendre à estimer, tester et modéliser.
Projet : Une étude complète en R : formuler une question, ajuster un modèle linéaire ou un GLM, diagnostiquer les résidus et rédiger un rapport reproductible.
Voir le semestreS5 · 191 hPréparer des données réelles à grande échelle en Python, puis entraîner et évaluer des modèles supervisés et non supervisés.
Projet : Le projet final de Data Wrangling with Python, puis un modèle prédictif complet sur ces mêmes données.
Voir le semestreS6 · 262 hMaîtriser les trois grands piliers de l'IA moderne : l'inférence bayésienne, les réseaux de neurones profonds et l'apprentissage par renforcement.
Projet : Deux capstones : celui de Bayesian Statistics (analyse bayésienne complète d'un jeu de données) et A Complete Reinforcement Learning System (agent de bout en bout).
Voir le semestreDes fondations mathématiques et informatiques jusqu’au machine learning et à l’IA avancée.