Choisissez votre parcours de formation

Pour devenir un expert du machine learning, vous devez d'abord acquérir des bases solides dans quatre domaines d'apprentissage : le codage, les mathématiques, l'étude théorique du machine learning et la création de projets de ML.

Commencez par notre sélection de programmes sur TensorFlow afin d'améliorer ces quatre compétences ou formez-vous à votre rythme à l'aide de la bibliothèque de ressources ci-dessous.

Les quatre domaines d'apprentissage du machine learning

Au début de votre formation, il est primordial de savoir comment acquérir des connaissances sur le machine learning. Votre parcours de formation s'articule autour de quatre domaines, qui représentent les pièces maîtresses du puzzle. Pour vous aider, nous avons compilé une liste de livres, de vidéos et de cours en ligne pour que vous puissiez monter en compétences et vous préparer à intégrer le ML dans vos projets. Vous pouvez commencer par nos programmes guidés ou avancer à votre rythme en consultant la bibliothèque de ressources.

Compétences en codage : connaître les concepts du machine learning ne suffit pas pour créer des modèles. Pour tester et optimiser un modèle, il vous faut gérer des données, régler des paramètres et analyser des résultats, autant d'opérations qui exigent une certaine maîtrise du codage.
Mathématiques et statistiques : le machine learning est une discipline à forte composante mathématique. Connaître les notions mathématiques sous-jacentes s'avère fondamental pour créer des modèles de ML ou modifier des modèles existants.
Étude théorique du ML : en acquérant des bases théoriques, vous construisez un socle solide sur lequel vous appuyer, notamment en cas de problèmes.
Créez des projets : rien de mieux que la pratique pour tester ses connaissances. N'hésitez pas à vous lancer rapidement. Exercez-vous avec un Colab ou un tutoriel très simple.

Pour les débutants

Les bases du machine learning avec TensorFlow

Apprenez les bases du ML à travers une série de livres et de cours en ligne. Après une présentation du ML, vous découvrirez le deep learning dans TensorFlow 2.0. Vous pourrez ensuite tester vos connaissances à l'aide de tutoriels de niveau débutant.

Niveau intermédiaire et expert

Machine learning théorique et avancé avec TensorFlow

Une fois que vous maîtrisez les fondamentaux du machine learning, passez à la vitesse supérieure avec une approche théorique des réseaux de neurones et du deep learning, et approfondissez les concepts mathématiques sous-jacents.

Pour les débutants

Développement JavaScript avec TensorFlow

Découvrez les bases du développement de modèles de machine learning en langage JavaScript et comment déployer ces modèles directement dans le navigateur. Après une présentation générale sur le deep learning, réalisez les exercices pratiques pour bien démarrer avec TensorFlow.js.