[Cours en ligne recommandé] CS230 : Le cours de base de Stanford sur l’apprentissage profond, axé sur la construction de réseaux neuronaux et la pratique de projets d’apprentissage automatique, dirigé par des instructeurs tels qu’Andrew Ng, est devenu un cours incontournable pour les ingénieurs en IA, aidant d’innombrables personnes à se lancer dans l’apprentissage profond. Objectifs d'apprentissage : • Maîtriser les concepts fondamentaux de l'apprentissage profond • Entraîner des modèles de réseaux neuronaux de manière pratique • Apprendre à diriger des projets d'apprentissage automatique performants Contenu principal : • Réseaux convolutionnels (CNN) : Principes fondamentaux du traitement d’images • Réseaux récurrents (RNN/LSTM) : Données séquentielles telles que le texte/les séries temporelles • Optimisation et régularisation : Optimiseur Adam, Dropout/BatchNorm pour la prévention du surapprentissage • Techniques d’initialisation : Méthodes de Xavier/Hessienne Prérequis : Théorie des probabilités (CS109/STATS116) • Algèbre linéaire (MATH51) • Compétences de base en programmation (Python) Convient aux étudiants ayant une formation en sciences des données Vidéos de cours sur YouTube : https://t.co/7laBUxCbj2 Page d'accueil des cours de Stanford :
![[Cours en ligne recommandé] CS230 : Le cours de base de Stanford sur l’apprentissage profond, axé sur la construction de](https://pbs.twimg.com/media/G5CsObWbIAI6NyX.jpg)