К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Améliorez les réseaux neuronaux profonds · LearnSpace
Назад в каталог
courseraАнализ данных

Améliorez les réseaux neuronaux profonds

Курс от DeepLearning.AI
Начальный≈ 18.2 чФранцузский
О курсеНавыкиПрограммаПреподаватели

О курсе

Dans ce cours, vous apprendrez la "magie" qui permet l'efficacité de l’apprentissage profond. Plutôt que de voir le processus d’apprentissage profond comme une boîte noire, vous comprendrez ce qui commande la performance et vous pourrez ainsi obtenir systématiquement de bons résultats plus souvent. Vous apprendrez également TensorFlow. Au bout de 3 semaines, vous: - Pourrez comprendre les meilleures pratiques dans le secteur de construction des applications d’apprentissage profond. - Serez en mesure d’utiliser avec efficacité des "astuces", communes des réseaux neuronaux, qui incluent l’initialisation, la régularisation L2 et la régularisation du décrochage, la normalisation par lots, la vérification de gradients, - Pourrez mettre en œuvre et employer une variété d’algorithmes d’optimisation, comme par exemple la descente de gradients par mini-lots, le momentum, RMSprop et Adam, et contrôler leur convergence. - Comprendrez, à l’ère de l’apprentissage profond, les nouvelles meilleures pratiques sur la configuration des ensembles train/dev/test et comment analyser les biais/variances - Pourrez implémenter un réseau neuronal dans TensorFlow. Ceci est le deuxième cours de spécialisation en apprentissage profond.

Навыки, которые вы освоите

Model OptimizationDeep LearningPerformance TuningTest DataMachine LearningAlgorithmsTensorflowModel EvaluationModel TrainingArtificial Neural NetworksDebugging

Программа курса

3 модулей · 57 учебных материалов

01Aspects pratiques de l’apprentissage profond25 материалов

Configurez votre application d’apprentissage automatique

Ensembles Train / Dev / TestВидеоBiais / VarianceВидеоProcédé de base pour l’apprentissage automatiqueВидео

Régularisez votre réseau neuronal

Éclaircissements sur la prochaine vidéo de régularisationЧтение

Учитесь у экспертов

Andrew Ng

Instructor

Kian Katanforoosh

Senior Curriculum Developer

Younes Bensouda Mourri

Curriculum developer

Améliorez les réseaux neuronaux profonds
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 18.2 ч

3 модулей

Язык: Французский

Субтитры: Китайский (Тайвань), Китайский (Китай), Бразильский португальский, Вьетнамский, Корейский, Русский, Турецкий, Английский, Испанский

Часть программы вашего университета
RégularisationВидео
Pourquoi la régularisation réduit-elle le surapprentissage?Видео
Régularisation du décrochageВидео
Éclaircissements sur la vidéo suivante sur la Compréhension du décrochageЧтение
Compréhension du décrochageВидео
Autres méthodes de régularisationВидео

Configuration de votre problème d’optimisation

Éclaircissements sur la vidéo suivante sur la normalisation des entréesЧтениеNormalisation des entréesВидеоDisparition / explosion des gradientsВидеоInitialisation de la pondération pour les réseaux profondsВидеоApproximation numérique des gradientsВидеоVérification des gradientsВидеоNotes d’implémentation de la vérification des gradientsВидео

Questions pratiques

Aspects pratiques de l’apprentissage profondЗадание

Tâche de programmation

InitialisationЛабораторнаяInitialisationПрограммированиеRégularisationЛабораторнаяRégularisationПрограммированиеVérification des gradientsЛабораторнаяVérification des gradientsПрограммирование

Héros de l'apprentissage profond (Facultatif)

Entretien avec Yoshua BengioВидео
02Algorithmes d’optimisation16 материалов

Algorithmes d’optimisation

Descente de gradient des mini-lotsВидеоCompréhension de la descente de gradient des mini-lotsВидеоMoyennes de pondération exponentielleВидеоCompréhension des moyennes de pondération exponentielleВидеоCorrection des biais dans des moyennes de pondération exponentielleВидеоDescente de gradient avec momentВидеоRMSpropВидеоÉclaircissements sur la vidéo suivante sur l’optimisation des AdamЧтениеAlgorithme d’optimisation des AdamВидеоÉclaircissements sur la vidéo de décroissance du taux d’apprentissageЧтениеDécroissance du taux d’apprentissageВидеоLe problème des optima locauxВидео

Questions pratiques

Algorithmes d’optimisationЗадание

Tâche de programmation

OptimisationЛабораторнаяOptimisationПрограммирование

Héros de l'apprentissage profond (Facultatif)

Entretien avec Yuanqing LinВидео
03Réglage des hyper-paramètres, normalisation des lots et cadres de programmation16 материалов

Réglage des hyper-paramètres

Processus de réglageВидеоUtilisation d’une échelle appropriée pour choisir les hyper-paramètresВидеоRéglage des hyper-paramètres dans la pratique : Pandas vs. CaviarВидео

Normalisation des lots

Normalisation d’activations dans un réseauВидеоAjustement de la normalisation des lots dans un réseau neuronalВидеоPourquoi la normalisation de lots fonctionne-t-elle ?ВидеоNormalisation des lots au moment du testВидео

Classification multi-classes

Éclaircissements sur la vidéo suivante sur SoftmaxЧтениеRégression SoftmaxВидеоFormation d’un classificateur softmaxВидео

Introduction aux cadres de programmation

Cadres d’apprentissage profondВидеоTensorFlowВидео

Questions pratiques

Réglage des hyperparamètres, normalisation des lots, cadres de programmationЗадание

Tâche de programmation

Remarque sur TensorFlow 1 et TensorFlow 2ЧтениеTensorflowЛабораторнаяTensorflowПрограммирование