Formation

Des parcours d’apprentissage structurés et ludifiés. Gagnez des XP en progressant et atteignez 90 % de maîtrise pour débloquer l’étape suivante.

Vous ne savez pas par où commencer ?

Répondez à quelques questions et obtenez un plan d’étude guidé adapté à votre objectif, ou commencez par les parcours Fondamentaux ci-dessous.

Créer votre plan d’étude →

Exécutez du vrai code dans vos leçons

De nombreuses leçons intègrent des cellules Python interactives (numpy et scipy) qui s’exécutent directement dans votre navigateur. Modifiez le code et lancez-le, sans installation. La première leçon de chaque parcours est gratuite.

Essayer une leçon interactive

Fondements

Fondements des probabilités et de la statistique

Raisonner rigoureusement sur l'incertitude, puis aborder le problème central de l'apprentissage : séparer l'erreur que l'on peut supprimer de celle que l'on ne peut pas.

5 modules: 5 modules
XP total: 540 XP
Seuil de maîtrise: 90 % pour avancer

Fondements

Recherche et heuristiques

La plus ancienne idée qui fonctionne en intelligence artificielle : décrire un problème par des états et des actions, puis laisser une exploration systématique trouver le chemin. La stratégie retenue décide si la réponse est optimale, et si la mémoire s’épuise avant qu’elle n’arrive.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Fondements

Satisfaction de contraintes

Décrivez un problème par des variables, des domaines et des contraintes, et un solveur générique pourra l’attaquer sans savoir de quoi il parle - à condition de le laisser raisonner sur les contraintes au lieu de seulement deviner des valeurs.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Apprentissage automatique supervisé

Démontrer les méthodes supervisées de référence au lieu de simplement les appeler : moindres carrés, régression logistique, pénalités de rétrécissement et ensembles d'arbres.

4 modules: 4 modules
XP total: 500 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Recherche en IA et théorie des jeux

Décider quoi faire quand un autre agent décide aussi : jeu optimal contre un adversaire, élagage de la recherche, et équilibre lorsque les intérêts ne divergent qu'en partie.

2 modules: 2 modules
XP total: 260 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Fondements de l’apprentissage profond

Ce qu'un réseau de neurones calcule réellement, comment la règle de dérivation en chaîne livre tous les gradients en une seule passe arrière, et pourquoi la convolution est le bon a priori pour une image.

3 modules: 3 modules
XP total: 400 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Logique et représentation des connaissances

L’autre tradition de l’intelligence artificielle : représenter ce qu’un système sait par des phrases vraies ou fausses, et en dériver ce qui doit suivre - avec des garanties qu’un modèle appris ne peut pas offrir.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Apprentissage non supervisé

Trouver de la structure dans des données sans réponse à prédire, et en assumer la conséquence : sans y il n'y a pas d'erreur hors échantillon, et chaque choix doit donc être défendu autrement.

3 modules: 3 modules
XP total: 300 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Raisonnement probabiliste avec les réseaux bayésiens

Représenter une loi jointe sur de nombreuses variables par un graphe et une poignée de petites tables, puis y répondre aux requêtes exactement quand la structure le permet et par échantillonnage quand elle ne le permet pas.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Machines à vecteurs de support

Classer en choisissant la bande la plus large qui sépare deux classes, puis l’assouplir pour que quelques points puissent s’y installer, et enfin la courber sans jamais construire l’espace dans lequel elle se courbe.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Au-delà de la linéarité

Gardez les moindres carrés et changez ce sur quoi vous régressez : des fonctions de base fixées achètent de la courbure, des contraintes achètent de la régularité, et une pénalité achète une courbe qui choisit elle-même sa souplesse.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Décider dans l’incertitude

Combinez ce que vous croyez et ce que vous voulez : l’utilité espérée comme critère, la courbe qui explique pourquoi des gens sensés refusent des paris favorables, et un prix de l’information qui reste nul tant qu’elle ne vous fait pas changer d’avis.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Planification classique

Décrivez les actions par ce qu’elles changent et un solveur peut lire la description elle-même : les schémas qui définissent le problème engendrent aussi les heuristiques qui le résolvent, ce qu’aucune recherche en boîte noire ne sait offrir.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Apprendre des modèles probabilistes

Quand les données sont complètes, apprendre un modèle probabiliste revient à compter - la dérivée de la log-vraisemblance fait le reste. Quand des variables sont cachées, il n’y a rien à compter, et le remède consiste à deviner les effectifs, réajuster, et recommencer jusqu’à ce que la vraisemblance cesse de monter.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Méthodes de classification comparées

Il existe un classifieur qu’aucune méthode ne peut battre, et il lui faut la réponse pour se construire. Tout le reste - plus proches voisins, analyse discriminante, régression logistique - est une supposition différente sur ce qu’il aurait fait, et les suppositions échouent dans des directions différentes.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Optimisation pour l’apprentissage

Tous les modèles de ce site sont ajustés par la même boucle : regarder la pente, faire un pas. Ce qui décide si cette boucle converge en quarante pas ou diverge en trois n’est pas le modèle - c’est la courbure, le bruit et la taille du pas. Les trois se mesurent avant la première époque.

3 modules: 3 modules
XP total: 300 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Inférence statistique

Ce qu'un échantillon peut et ne peut pas dire de la population qui l'a produit : comment un estimateur se trompe, ce qu'un intervalle de confiance promet réellement, et ce qu'est une valeur p - avec les trois endroits où chacun est couramment lu comme quelque chose de plus fort qu'il n'est.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Inference causale

Pourquoi une comparaison entre traites et non traites peut porter le mauvais signe, ce que la randomisation achete reellement, et la regle qui dit sur quelles variables ajuster - y compris celles qui degradent la reponse.

3 modules: 3 modules
XP total: 320 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Séries temporelles

Ce qui casse quand les observations ne sont pas indépendantes : une régression qui trouve une relation entre deux séries sans rapport, des écarts-types faux d’un facteur connu, et une découpe de validation qui annonce un modèle plus de cinq fois meilleur qu’il ne l’est.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Théorie de l’information

Le seul endroit du domaine où une borne est atteinte exactement : l’entropie est la longueur minimale d’un code, le meilleur code l’atteint, et le supplément payé pour la mauvaise distribution est la fonction de perte que vous entraînez déjà.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Expérimentation et tests A/B

Ce que rapporte une expérience en ligne trop petite, consultée trop souvent ou lue sur trop de métriques : un effet gonflé 2,4 fois, un taux de faux positifs de 19 % au lieu de 5 %, et un segment vainqueur dans près de la moitié des expériences où il ne s’est rien passé.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Systèmes de recommandation

Deux décalages ajustés qui livrent les deux tiers du gain d’exactitude avant l’apprentissage du moindre facteur latent, un modèle 1,28 fois pire pour les utilisateurs qui lui ont le moins parlé, et l’angle mort qui s’ouvre quand un système ne voit jamais que les notes de ce qu’il a choisi de montrer.

3 modules: 3 modules
XP total: 330 XP
Seuil de maîtrise: 90 % pour avancer

Intermédiaire

Détection d’anomalies

Un détecteur qui ne se déclenche jamais obtient 99,5 % de justesse, une ROC de 0,9468 masque une file d’alertes fausse à 64 %, la distance à la moyenne se classe sous le hasard quand les anomalies siègent au centre, et vingt anomalies groupées se cachent les unes les autres de la méthode conçue pour les trouver.

3 modules: 3 modules
XP total: 330 XP
Seuil de maîtrise: 90 % pour avancer

Avancé

Modèles de langage et IA générative

Comment le texte devient des nombres, comment l'attention permet à un jeton de recueillir du contexte dans toute la séquence, et ce que le pré-entraînement puis l'affinage font réellement aux poids.

3 modules: 3 modules
XP total: 440 XP
Seuil de maîtrise: 90 % pour avancer

Avancé

Apprentissage par renforcement

Bien agir quand les issues sont incertaines : l'equation de Bellman et comment la resoudre, puis ce qui change lorsque l'environnement est inconnu et que l'agent doit apprendre par la seule experience.

3 modules: 3 modules
XP total: 440 XP
Seuil de maîtrise: 90 % pour avancer

Avancé

Raisonnement probabiliste dans le temps

Suivre un monde qui change pendant que vous l'observez à travers un capteur bruité : les deux hypothèses qui rendent le problème traitable, les récursions progressive et rétrograde qui répondent à toute requête sur le passé et le présent, et l'algorithme distinct qu'exige l'histoire la plus probable.

4 modules: 4 modules
XP total: 460 XP
Seuil de maîtrise: 90 % pour avancer

Avancé

Décider sous observabilité partielle

Un agent qui ne voit pas dans quel état il se trouve doit agir sur une distribution à la place. Cette distribution est, elle, toujours observable, ce qui ramène le problème à un MDP - sur un espace continu, où les algorithmes exacts ne se referment pas.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer

Avancé

Theorie statistique de l'apprentissage

Pourquoi ajuster un echantillon vous apprend quoi que ce soit sur le monde dont il provient, ce que mesure reellement la capacite d'une classe de modeles, et le theoreme selon lequel aucune methode n'est la meilleure partout - avec ce que ce theoreme ne dit pas.

3 modules: 3 modules
XP total: 340 XP
Seuil de maîtrise: 90 % pour avancer