• pour les personnes
  • pour les affaires
  • pour les universités
  • pour les gouvernements
Coursera
Connexion
Inscrivez-vous gratuitement
Coursera
  • Parcourir
  • Machine Learning

Cours d'Apprentissage automatique en ligne

Découvrez des cours d'Apprentissage automatique couvrant les algorithmes, la modélisation des données, et les systèmes d'IA.

Passer aux résultats de la recherche

Filtrer par

Objet
Obligatoire
 *

Langue
Obligatoire
 *

La langue utilisée tout au long du cours, tant dans l’enseignement que dans les évaluations.

Produit d'apprentissage
Obligatoire
 *

Développez des compétences professionnelles en moins de deux heures grâce à des tutoriels pratiques.
Apprenez auprès des meilleurs enseignants grâce à des devoirs notés, des vidéos et des forums de discussion.
Apprenez à utiliser un nouvel outil ou une nouvelle compétence dans un environnement interactif et pratique.
Apprenez à maîtriser une matière de manière approfondie en suivant une série de cours et de projets.
Obtenez des qualifications professionnelles auprès de leaders du secteur qui prouvent votre expertise.
Obtenez des qualifications professionnelles tout en suivant des cours comptant pour votre master.
Obtenez votre licence ou votre master en ligne pour un prix inférieur à l'apprentissage en personne.
Bénéficiez d'un apprentissage de niveau supérieur sans toutefois vous engager dans un programme complet.
Obtenez une qualification professionnelle délivrée par l'université dans un format flexible et interactif.

Niveau
Obligatoire
 *

Durée
Obligatoire
 *

Sous-titres
Obligatoire
 *

Éducateur
Obligatoire
 *

Explorez le catalogue de cours de Apprentissage automatique

  • Statut : Essai gratuit
    Essai gratuit
    D
    S

    Plusieurs enseignants

    Apprentissage automatique

    Compétences que vous acquerrez: Deep learning, Apprentissage automatique, Intelligence artificielle, Tensorflow, IA responsable, Éthique des données, Arbre de décision, Apprentissage supervisé, Apprentissage non supervisé, NumPy, Algorithme de forêt aléatoire, Apprentissage par renforcement, Programmation en Python, Arbre de classification et de régression (CART), Jupyter, Ingénierie des caractéristiques, Scikit-learn (Bibliothèque d'Apprentissage automatique), Apprentissage automatique appliqué, Modélisation prédictive, Intelligence artificielle et apprentissage automatique (IA/ML)

    4,9
    évaluation, 4,9 sur 5 étoiles
    ·
    36 k avis

    Débutant · Spécialisation · 1 à 3 mois

  • Statut : Essai gratuit
    Essai gratuit
    I

    IBM

    Apprentissage automatique avec Python

    Compétences que vous acquerrez: Apprentissage automatique, Arbre de décision, Scikit-learn (Bibliothèque d'Apprentissage automatique), Apprentissage non supervisé, Apprentissage supervisé, Modélisation statistique, Analyse de régression, Ingénierie des caractéristiques, Apprentissage automatique appliqué, Réduction de dimensionnalité, Arbre de classification et de régression (CART), Modélisation prédictive

    4,7
    évaluation, 4,7 sur 5 étoiles
    ·
    18 k avis

    Intermédiaire · Cours · 1 à 3 mois

  • Statut : Nouveau
    Nouveau
    Statut : Essai gratuit
    Essai gratuit
    C

    Coursera

    Foundations of Machine Learning

    Compétences que vous acquerrez: Supervised Learning, Unsupervised Learning, Time Series Analysis and Forecasting, Applied Machine Learning, Machine Learning Algorithms, Feature Engineering, Dimensionality Reduction, Machine Learning, Predictive Modeling, Predictive Analytics, Scikit Learn (Machine Learning Library), Forecasting, Data Processing, Anomaly Detection, Data Manipulation, Regression Analysis, Statistical Modeling, Data Transformation, Data Cleansing

    Intermédiaire · Cours · 1 à 4 semaines

  • Statut : Essai gratuit
    Essai gratuit
    I

    IBM

    IBM Machine Learning

    Compétences que vous acquerrez: Deep learning, Analyse exploratoire des données (AED), Apprentissage automatique, Science des données, Apprentissage non supervisé, Méthodes statistiques, Inférence statistique, Apprentissage supervisé, Traitement des données, Algorithmes d'apprentissage automatique, Apprentissage par renforcement, Architectures de modèles génératifs, Programmation en Python, Tests d'hypothèses statistiques, Modélisation prédictive, Analyse de régression, Ingénierie des caractéristiques, Apprentissage automatique appliqué, Réduction de dimensionnalité, Analyse des Données

    Préparer un diplôme

    4,6
    évaluation, 4,6 sur 5 étoiles
    ·
    3,3 k avis

    Intermédiaire · Certificat Professionnel · 3 à 6 mois

  • Statut : Essai gratuit
    Essai gratuit
    D

    DeepLearning.AI

    Mathématiques pour l'apprentissage automatique et la science des données

    Compétences que vous acquerrez: Mathématiques appliquées, Apprentissage automatique, Tests A/B, Échantillonnage (statistiques), Inférence statistique, Transformation de données, Distribution de probabilité, Analyse numérique, NumPy, Analyse statistique, Algèbre linéaire, Probabilités et statistiques, Calculs, Modélisation mathématique, Statistiques descriptives, Probabilité, Statistiques bayésiennes, Tests d'hypothèses statistiques, Réduction de dimensionnalité

    4,6
    évaluation, 4,6 sur 5 étoiles
    ·
    2,9 k avis

    Intermédiaire · Spécialisation · 1 à 3 mois

  • Statut : Essai gratuit
    Essai gratuit
    I

    Imperial College London

    Mathématiques pour l'apprentissage automatique

    Compétences que vous acquerrez: Mathématiques appliquées, Apprentissage automatique, Statistiques, Science des données, Manipulation des données, Produits dérivés, NumPy, Analyse statistique, Algèbre linéaire, Programmation en Python, Probabilités et statistiques, Calculs, Algorithmes d'apprentissage automatique, Analyse de régression, Algorithmes, Jupyter, Réseaux neuronaux artificiels, Mathématiques avancées, Réduction de dimensionnalité

    4,6
    évaluation, 4,6 sur 5 étoiles
    ·
    15 k avis

    Débutant · Spécialisation · 3 à 6 mois

Qu’est-ce qui vous amène sur Coursera aujourd’hui ?

  • Statut : Essai gratuit
    Essai gratuit
    D

    DeepLearning.AI

    Apprentissage automatique supervisé : régression et classification

    Compétences que vous acquerrez: Apprentissage automatique, Intelligence artificielle, Transformation de données, Scikit-learn (Bibliothèque d'Apprentissage automatique), Apprentissage supervisé, Analyse de régression, NumPy, Programmation en Python, Ingénierie des caractéristiques, Jupyter, Arbre de classification et de régression (CART), Apprentissage automatique appliqué, Modélisation prédictive, Modélisation statistique

    4,9
    évaluation, 4,9 sur 5 étoiles
    ·
    30 k avis

    Débutant · Cours · 1 à 4 semaines

  • Statut : Essai gratuit
    Essai gratuit
    U

    University of Washington

    Apprentissage automatique

    Compétences que vous acquerrez: Deep learning, Apprentissage automatique, Vision par ordinateur, Intelligence artificielle, Analyse de régression, Apprentissage non supervisé, Exploration de texte, Modélisation statistique, Analyse prédictive, Algorithmes d'apprentissage automatique, Apprentissage statistique des machines, Modélisation prédictive, Big Data, Ingénierie des caractéristiques, Arbre de classification et de régression (CART), Statistiques bayésiennes, Data mining, Apprentissage automatique appliqué, Analyse d'images, Apprentissage supervisé

    4,6
    évaluation, 4,6 sur 5 étoiles
    ·
    16 k avis

    Intermédiaire · Spécialisation · 3 à 6 mois

  • Statut : Essai gratuit
    Essai gratuit
    I

    IBM

    IBM Introduction à l'apprentissage automatique

    Compétences que vous acquerrez: Apprentissage automatique, Analyse exploratoire des données (AED), Inférence statistique, Analyse de régression, Apprentissage non supervisé, Apprentissage supervisé, Algorithmes d'apprentissage automatique, Analyse statistique, Statistiques, Accès aux données, Méthodes statistiques, Tests d'hypothèses statistiques, Traitement des données, Apprentissage automatique appliqué, Scikit-learn (Bibliothèque d'Apprentissage automatique), Ingénierie des caractéristiques, Analyse des Données, Arbre de classification et de régression (CART), Modélisation prédictive, Réduction de dimensionnalité

    4,6
    évaluation, 4,6 sur 5 étoiles
    ·
    3,1 k avis

    Intermédiaire · Spécialisation · 3 à 6 mois

  • Statut : Essai gratuit
    Essai gratuit
    G

    Google

    Les rouages de l'apprentissage automatique

    Compétences que vous acquerrez: Apprentissage automatique, Analyse avancée, Éthique des données, Apprentissage non supervisé, Arbre de décision, Algorithme de forêt aléatoire, Validation des données, Programmation en Python, Ingénierie des caractéristiques, Optimisation des performances, Gestion des flux de travail, Arbre de classification et de régression (CART), Apprentissage supervisé, Apprentissage automatique appliqué

    4,8
    évaluation, 4,8 sur 5 étoiles
    ·
    562 avis

    Avancées · Cours · 1 à 3 mois

  • Statut : Essai gratuit
    Essai gratuit
    I

    IBM

    Introduction à l’intelligence artificielle (IA)

    Compétences que vous acquerrez: Opportunités de marché, Candidature au LLM, IA responsable, IA générative, Traitement du langage naturel (NLP)

    4,7
    évaluation, 4,7 sur 5 étoiles
    ·
    21 k avis

    Débutant · Cours · 1 à 4 semaines

  • Statut : Nouveau
    Nouveau
    Statut : Prévisualisation
    Prévisualisation
    P

    Packt

    Machine Learning with PyTorch and Scikit-Learn

    Compétences que vous acquerrez: Reinforcement Learning, Dimensionality Reduction, PyTorch (Machine Learning Library), Deep Learning, Generative AI, Pandas (Python Package), Scikit Learn (Machine Learning Library), Python Programming, Machine Learning, Artificial Neural Networks, Data Processing, Natural Language Processing, Feature Engineering, Predictive Modeling, Supervised Learning, Unsupervised Learning, Data Transformation, NumPy

    Intermédiaire · Cours · 3 à 6 mois

1234…487

En résumé, voici 10 de nos cours les plus populaires sur machine learning .

  • Apprentissage automatique: DeepLearning.AI
  • Apprentissage automatique avec Python: IBM
  • Foundations of Machine Learning: Coursera
  • IBM Machine Learning: IBM
  • Mathématiques pour l'apprentissage automatique et la science des données: DeepLearning.AI
  • Mathématiques pour l'apprentissage automatique: Imperial College London
  • Apprentissage automatique supervisé : régression et classification: DeepLearning.AI
  • Apprentissage automatique: University of Washington
  • IBM Introduction à l'apprentissage automatique: IBM
  • Les rouages de l'apprentissage automatique: Google

Questions fréquentes sur Machine Learning

Parcourez les cours d'apprentissage automatique ci-dessous - des points de départ populaires sur Coursera.

  • Apprentissage automatique avec Python : IBM
  • Fondements de l'apprentissage automatique : Coursera
  • Apprentissage automatique supervisé : Régression et classification : DeepLearning.IA
  • Fondements de l'apprentissage automatique et de l'intelligence artificielle (IA) : AWS
  • Apprentissage automatique en production : DeepLearning.IA‎

Ces cours adaptés aux débutants développent des concepts de base sans nécessiter d'expérience préalable approfondie en mathématiques ou en codage :

  • Apprentissage automatique pour tous - Offre un aperçu non technique de l'apprentissage automatique et de ses utilisations dans le monde réel.
  • IA For Everyone - Bien qu'il ne soit pas spécifique au ML, ce cours aide les apprenants à comprendre comment le ML s'inscrit dans le paysage plus large de l'IA.
  • Spécialisation en Apprentissage automatique (cours 1) - Commence avec l'apprentissage supervisé en utilisant Python, aucune connaissance préalable en ML n'est requise.‎

La spécialisation Apprentissage automatique par l'Université de Stanford et DeepLearning.IA dure 2 mois et se concentre sur :

  • TensorFlow
  • Intelligence artificielle (IA)
  • L'apprentissage supervisé

Elle utilise des outils tels que Python, Excel, NumPy et Scikit-learn.

À l'inverse, le certificat professionnel IBM Apprentissage automatique s'étend sur 3 mois et met l'accent sur :

  • Ingénierie des caractéristiques
  • Analyse exploratoire des données (AED)
  • Tests d'hypothèses statistiques

Il comprend des outils tels que Python, SQL, Power BI, Pandas, Numpy et Scikit-learn.

Les deux cours couvrent les fondamentaux de l'apprentissage automatique pour les scientifiques de données, mais diffèrent en profondeur et en domaines spécialisés. Choisissez en fonction de vos préférences :

  • Le cours Stanford pour une étude plus intensive de l'IA et du Deep learning
  • Le cours d'IBM pour une approche complète de l'analyse des données et des méthodes statistiques.‎

Commencez par identifier vos objectifs, qu'il s'agisse d'explorer les principes fondamentaux de l'apprentissage automatique, d'acquérir des compétences adaptées à l'emploi ou de vous préparer à un rôle dans le domaine de l'IA ou de la science des données.

  • Pour une base classique, fondée sur les mathématiques, essayez Apprentissage automatique supervisé par Andrew Ng (Stanford).
  • Vous voulez un cours moderne et facile à suivre pour les débutants ? Explorez l'Apprentissage automatique - Vision par ordinateur moderne et IA générative par Packt.
  • Pour l'apprentissage automatique appliqué avec de vrais outils, envisagez le certificat professionnel IBM Apprentissage automatique, qui comprend Python, Scikit-learn et des laboratoires pratiques.‎
  • Un serveur d'authentification couvre un sujet spécifique de l'apprentissage automatique, comme l'Apprentissage non supervisé, les Recommandations, l'Apprentissage par renforcement.
  • Une spécialisation comprend plusieurs cours pour construire des connaissances structurées - comme la spécialisation Apprentissage automatique, qui enseigne les techniques supervisées, non supervisées et avancées.
  • Un certificat professionnel vous prépare à des fonctions professionnelles avec une formation, des outils et des projets de bout en bout, comme le certificat d'apprentissage automatique IBM ou le certificat d'ingénierie IA.‎

Oui, Coursera propose une variété de cours gratuits sur de nombreux sujets, y compris l'apprentissage automatique. Bien que vous puissiez accéder gratuitement à la plupart des supports de cours en auditant les cours, cela n'inclut pas les devoirs notés ou un certificat d'achèvement. Pour ceux qui souhaitent obtenir un certificat afin de présenter leur apprentissage ou d'améliorer leur profil professionnel, Coursera offre la possibilité d'acheter le cours. En outre, Coursera propose des essais gratuits ou une aide financière aux apprenants qui remplissent les conditions requises, ce qui rend les certifications plus accessibles à tous.‎

L'apprentissage automatique est une branche de l'intelligence artificielle qui cherche à développer des systèmes informatiques capables d'apprendre à partir de données sans intervention humaine. Ces techniques puissantes reposent sur la création de modèles analytiques sophistiqués qui sont « formés » pour reconnaître des structures au sein d'un ensemble de données spécifique avant d'être libérés pour appliquer ces structures à un volume croissant de données, améliorant progressivement les performances sans instructions supplémentaires.

Par exemple, l'apprentissage automatique ouvre la voie à des algorithmes de reconnaissance d'image de plus en plus précis. Les programmeurs humains fournissent un ensemble relativement restreint d'images catégorisées, comme par exemple « voitures » ou « pas des voitures », puis exposent les algorithmes à un nombre beaucoup plus important d'images afin qu'ils puissent apprendre. Bien que les algorithmes itératifs généralement utilisés dans l'apprentissage automatique ne soient pas nouveaux, la puissance des systèmes informatiques actuels a permis à cette méthode d'analyse de données de devenir plus efficace plus rapidement que jamais. ‎

L'apprentissage automatique est une sorte de domaine hybride, situé à la croisée des chemins entre l'informatique, la science des données, les algorithmes et la théorie mathématique. Du côté de l'informatique, les ingénieurs en apprentissage automatique et d'autres professionnels dans ce domaine ont généralement besoin de solides compétences en génie logiciel, des fondamentaux comme la programmation en toute confiance et la capacité de codage à la connaissance globale des principes de conception de systèmes.

Il est également important de connaître les concepts de la science des données, notamment en matière d'évaluation et de modélisation de données, afin de garantir que les algorithmes fonctionnent correctement et deviennent plus précis au fil du temps, et non moins. Enfin, l'apprentissage automatique s'appuyant fortement sur les algorithmes ainsi que sur les statistiques et les principes de probabilité qui les sous-tendent, une solide formation théorique en mathématiques peut également être précieuse. ‎

Les compétences en apprentissage automatique peuvent ouvrir les portes à de nombreux rôles à forte demande dans la technologie et la recherche, notamment :

  • Apprentissage automatique
  • Scientifique des données
  • Chercheur en IA
  • Ingénieur en robotique
  • Analyste quantitatif en finance
  • Développeur de logiciels spécialisé dans l'IA
  • Les professionnels occupant ces rôles utilisent les techniques d'apprentissage automatique pour créer des solutions innovantes, améliorer la prise de décision basée sur les données et repousser les limites de l'intelligence artificielle.

Découvrez quel rôle d'apprentissage automatique vous convient le mieux en répondant à notre quiz sur les carrières!‎

Les algorithmes d'apprentissage automatique en ligne sont des méthodes d'apprentissage automatique qui mettent à jour les modèles en continu à mesure que de nouvelles données arrivent, plutôt que de s'entraîner sur un ensemble de données fixe. Ils sont utiles pour les applications en temps réel telles que la détection des fraudes ou les systèmes de recommandation. Vous pouvez explorer ces concepts dans des cours comme Apprentissage automatique by Stanford University sur Coursera, qui présente les techniques fondamentales utilisées dans les modèles adaptatifs.‎

L'inférence causale dans l'apprentissage automatique se concentre sur l'identification des relations de cause à effet plutôt que de simples corrélations. Elle est utilisée dans des domaines tels que les soins de santé, l'économie et la politique pour faire des prédictions et prendre des décisions plus fiables. Des cours tels que A Crash Course in Causality : Inferring Causal Effects from Observational Data de l'Université de Pennsylvanie sur Coursera offrent une solide introduction à ces méthodes.‎

Le contenu de cette FAQ a été mis à disposition à des fins d'information uniquement. Il est conseillé aux étudiants d'effectuer des recherches supplémentaires afin de s'assurer que les cours et autres qualifications suivis correspondent à leurs objectifs personnels, professionnels et financiers.

Autres sujets à explorer

Arts et sciences humaines
338 cours
Business
1095 cours
Informatique
668 cours
Science des données
425 cours
Technologies de l'information
145 cours
Santé
471 cours
Mathématiques et logique
70 cours
Développement personnel
137 cours
Sciences physiques et ingénierie
413 cours
Sciences sociales
401 cours
Apprentissage des langues
150 cours

Pied de page Coursera

Compétences

  • Intelligence artificielle (IA)
  • Cybersécurité
  • analyse des données
  • Marketing numérique
  • Parler anglais
  • IA générative (GenAI)
  • Microsoft Excel
  • microsoft power bi
  • Project Management
  • Python

Certificats et programmes

  • Certificat de cybersécurité Google
  • Certificat Google Data Analytics
  • Certificat d'assistance informatique Google
  • Certificat de gestion de projet Google
  • Certificat Google UX Design
  • Certificat d'Analyste de données IBM
  • Certificat IBM Science des données
  • Certificat en Apprentissage automatique
  • Certificat d'Analyste décisionnelle Microsoft Power BI (données)
  • Certificat de concepteur UI / UX

Industries et carrières

  • Business
  • Informatique
  • Science des données
  • Éducation et enseignement
  • Ingénierie
  • Finance
  • Soins de santé
  • Ressources humaines (RH)
  • Technologies de l’information (IT)
  • Marketing

Ressources professionnelles

  • Test d'aptitude professionnelle
  • Exemples de points forts et de points faibles pour les entretiens d’embauche
  • Compétences à acquérir pour les hauts revenus
  • Comment fonctionnent les crypto-monnaies ?
  • Comment mettre en évidence des doublons dans Google Sheets
  • Comment apprendre l'Intelligence artificielle (IA)
  • Certifications populaires en cybersécurité
  • Préparation à la certification PMP
  • Signes indiquant que vous obtiendrez le poste après un entretien
  • Qu'est-ce que l'Intelligence artificielle (IA) ?

Coursera

  • À propos
  • Ce que nous proposons
  • Direction
  • Carrières
  • Catalogue
  • Coursera Plus
  • Certificats Professionnels
  • Certificats MasterTrack®
  • Diplômes
  • Pour l'entreprise
  • Pour les gouvernements
  • Pour le campus
  • Devenir un partenaire
  • Impact social
  • cours gratuits
  • Partagez votre expérience d'apprentissage Coursera

Communauté

  • Étudiants
  • Partenaires
  • Testeurs bêta
  • Blog
  • Le podcast Coursera
  • Blog Tech

Plus

  • Presse
  • Investisseurs
  • Conditions
  • Confidentialité
  • Aide
  • Accessibilité
  • Contact
  • Articles
  • Répertoire
  • Filiales
  • Déclaration sur l’esclavage moderne
  • Gérer les préférences en matière de cookies
Apprendre partout
Télécharger dans l'App Store
Disponible sur Google Play
Logo Certified B Corporation
© 2025 Coursera Inc. Tous droits réservés.
  • Facebook Coursera
  • Linkedin Coursera
  • Twitter Coursera
  • YouTube Coursera
  • Instagram Coursera
  • TikTok Coursera