Les mathématiques et les statistiques derrière l'IA, avec de vrais exemples et des graphiques que vous pouvez modifier. Vous apprenez ce que veulent dire les nombres et comment les utiliser pour décider, pas comment calculer à la main.
Lisez toutes les leçons sans compte, ou connectez-vous pour vous inscrire et suivre vos progrès.
Inscrivez-vous pour enregistrer les leçons que vous terminez. C'est gratuit.
À la fin de ce cours, vous pourrez :
Les systèmes d’IA sont faits de nombres. Un modèle enregistre le message d’un client sous forme de liste de nombres. Il apprend en rendant un nombre, la perte, plus petit. Une équipe décide de le mettre en service parce qu’un résultat de test est assez bon. Si vous savez lire ces nombres, vous pouvez suivre le travail, poser les bonnes questions et repérer une affirmation fragile avant qu’elle cause du tort.
Ce cours enseigne les mathématiques et les statistiques que le travail en IA utilise chaque jour, du côté pratique. Vous ne démontrez pas de théorèmes et vous ne faites pas de longs calculs à la main. Chaque idée part plutôt d’une situation réelle : l’équipe de soutien de Larkfield, une boutique en ligne fictive, qui utilise l’IA pour trier les billets de ses clients. Vous voyez chaque idée dans un graphique, vous la modifiez dans un explorateur interactif, puis vous l’utilisez pour prendre une décision.
À la fin, vous rédigez un cahier de raisonnement illustré pour un petit problème de prédiction : les résumés, la similarité, les probabilités, quelques étapes d’entraînement, l’incertitude et une recommandation de seuil, chacun avec un graphique et une explication honnête. Il vous faut un navigateur et une calculatrice.
Aucun. Il vous faut un navigateur et une calculatrice (celle d'un téléphone suffit). Certaines leçons ont des zones Python facultatives qui s'exécutent dans le navigateur. Chacune d'elles a aussi une version sans code.
Nouveaux diplômés et professionnels qui veulent travailler avec l'IA et qui doivent lire ses nombres avec confiance. Le cours s'adresse aussi aux personnes qui n'ont pas fait de mathématiques depuis l'école.
Vous pouvez étudier les idées de ce cours sans écrire de code. Lisez les modules 1, 3, 5 et 6 (environ 5–6 h), répondez à leurs vérifications des connaissances, et obtenez un certificat des notions gratuit. Vous pourrez revenir à la pratique plus tard.
Les parcours pour les personnes qui dirigent ou utilisent l'IA suivent ce cours de cette façon. Voir les parcours
Des spécialistes de l'IA expérimentés ont conçu ce cours. L'IA nous a aidés à rédiger le contenu; des personnes ont choisi l'approche pédagogique et les exemples, et ont révisé chaque leçon. Les résultats que vous voyez sont les vrais résultats de l'exécution du code. Comment nous créons les cours
Lisez les symboles d'une formule, puis décrivez un ensemble de nombres avec le bon résumé. Vous voyez pourquoi une seule grande valeur déplace la moyenne mais pas la médiane, et comment un graphique peut tromper.
Voyez comment un système d'IA enregistre un billet, une photo ou une phrase sous forme de liste de nombres. Vous utilisez des vecteurs pour trouver des éléments semblables, l'idée derrière la recherche et les recommandations.
Raisonnez sur le hasard avec des comptes, pas avec des formules. Vous découvrez pourquoi la plupart des alertes pour un problème rare sont de fausses alertes, et quelles distributions décrivent les données que vous voyez.
Regardez un modèle apprendre. Vous suivez une courbe de perte qui descend, un pas à la fois. Vous voyez pourquoi un taux d'apprentissage trop petit ou trop grand fait échouer l'entraînement.
Décidez ce qu'un résultat de test montre vraiment. Vous mesurez à quel point un résultat peut changer par hasard, et vous vérifiez si une petite amélioration est réelle avant de l'annoncer.
Transformez les scores d'un modèle en décisions. Vous déplacez un seuil et vous regardez changer la précision, le rappel et le coût. Puis vous vérifiez si l'on peut se fier aux scores pour chaque groupe.
Utilisez tous les modules dans un projet pratique. Vous recueillez des preuves, puis vous les comparez aux objectifs du cours.
D'autres personnes enseignent bien ce sujet. Nous avons choisi ces ressources pour accompagner ce cours. Elles s'ouvrent sur d'autres sites.Voir tous les choix de la communauté
ChaîneYouTube · Grant Sanderson
Pourquoi nous le recommandonsGrant Sanderson makes hard mathematics easy to see. Start with his series on neural networks and on linear algebra. They are a very good partner to our mathematics course.
ChaîneYouTube · Luis Serrano
Pourquoi nous le recommandonsLuis Serrano explains machine learning, the mathematics behind it and how transformers work, with simple pictures and friendly examples. He is the author of Grokking Machine Learning. A good partner to our mathematics and machine learning courses.
Chargement des avis…
Vous avez suivi ce cours? Connectez-vous pour donner votre avis. Vous pouvez donner un avis après avoir terminé 25 % des leçons.
