Data ScienceDécouvrir Coursera Plus
Data Science · Année 3 · Données, machine learning et IA
S6 IA avancée
Maîtriser les trois grands piliers de l'IA moderne : l'inférence bayésienne, les réseaux de neurones profonds et l'apprentissage par renforcement.
262heures de cours
27semaines à 10 h
4étapes
13nouveaux cours
4universités
Compétences visées
- Inférence bayésienne, MCMC, modèles de mélange, séries temporelles
- Réseaux convolutifs, récurrents, autoencodeurs, GAN
- Transfert d'apprentissage et IA générative
- Processus de décision markoviens, TD-learning, Q-learning, policy gradient
Projet du semestre
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).
Cours du semestre
- 1University of California, Santa CruzIntermédiaireR, Microsoft Excel
Voir les 5 cours
Cours Niveau Durée Note (avis) Bayesian Statistics: From Concept to Data Analysis Intermédiaire 11 h 4,6 (3 233) Bayesian Statistics: Techniques and Models Intermédiaire 30 h 4,8 (498) Bayesian Statistics: Mixture Models Intermédiaire 22 h 4,5 (63) Bayesian Statistics: Time Series Analysis Intermédiaire 19 h 4,3 (18) Bayesian Statistics: Capstone Project Avancé 12 h 4,5 (10) - 2Johns Hopkins UniversityIntermédiairePython, TensorFlow, PyTorch
Voir les 3 cours
Cours Niveau Durée Note (avis) Introduction to Neural Networks Intermédiaire 18 h 4,2 (10) Advanced Neural Network Techniques Intermédiaire 11 h — Practical Methodology and Ethics in AI Intermédiaire 7 h 4,5 (11) - 3Illinois TechIntermédiaireApache Hadoop, Apache Spark, NoSQL
Voir le cours
Cours Niveau Durée Note (avis) Deep Learning Débutant 57 h 4,5 (37) - 4University of Alberta (with Alberta Machine Intelligence Institute)IntermédiairePython
Prérequis annoncés : 1 year undergraduate CS or 2-3 years software development; Python; basic statistics, linear algebra and calculus
Voir les 4 cours
Cours Niveau Durée Note (avis) Fundamentals of Reinforcement Learning Intermédiaire 15 h 4,8 (2 911) Sample-based Learning Methods Intermédiaire 22 h 4,8 (1 259) Prediction and Control with Function Approximation Intermédiaire 22 h 4,8 (851) A Complete Reinforcement Learning System (Capstone) Intermédiaire 16 h 4,7 (654)
Lectures
Bayesian Data Analysis, 3rd ed.A. Gelman et al.La référence du bayésien appliqué ; parties I à III en parallèle de UC Santa Cruz.PDF gratuit, usage non commercial
Deep Learning: Foundations and ConceptsC. M. Bishop, H. BishopManuel récent (2024) : des réseaux simples aux transformers et modèles de diffusion.Version en ligne gratuite
Deep LearningI. Goodfellow, Y. Bengio, A. CourvilleLe classique ; la partie I révise les mathématiques, la partie II couvre CNN et RNN.Gratuit en ligne
Reinforcement Learning: An Introduction, 2nd ed.R. S. Sutton, A. G. BartoManuel officiel de la spécialisation d'Alberta : les chapitres suivent l'ordre des quatre cours.PDF gratuit
Points d’attention
- Foundations of Neural Networks et le cours Deep Learning d'Illinois Tech ont peu d'avis (24 et 37) ; s'appuyer sur Bishop ou Goodfellow pour la théorie.
- Le cours Deep Learning est pris seul dans la spécialisation Data Analytics and Deep Learning d'Illinois Tech.
Avec Coursera Plus
Ce semestre représente 262 heures, soit environ 6 mois à 10 heures par semaine. L’abonnement Coursera Plus donne accès à la plupart de ses cours pendant cette période.