Mise à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Ce cours est conçu pour vous présenter le monde puissant du calcul matriciel, en se concentrant spécifiquement sur son application dans la Science des données et l'Apprentissage automatique. À la fin du cours, vous obtiendrez une base solide dans les concepts de calcul essentiels, tels que les dérivés matriciels et vectoriels, les techniques d'optimisation et leurs applications réelles dans les modèles d'apprentissage automatique. Vous apprendrez également à naviguer dans les complexités des algorithmes axés sur les données grâce à une compréhension approfondie du calcul matriciel. Le voyage commence par une introduction au cours, décrivant les sujets clés et offrant des stratégies pour réussir. Vous recevrez des conseils pratiques pour accéder au code essentiel du cours, ce qui vous permettra de vous lancer dans des exercices concrets. La première section principale se penche sur les dérivés matriciels et vectoriels, couvrant des concepts fondamentaux tels que les formes linéaires, les formes quadratiques et les règles de chaîne. Chaque section comprend des exercices pratiques pour solidifier votre compréhension de ces sujets et de leurs applications, comme la résolution de problèmes de moindres carrés et de distribution gaussienne. La deuxième partie du cours plonge profondément dans les techniques d'optimisation, cruciales pour affiner les modèles d'apprentissage automatique. Vous explorerez les tests de dérivée seconde, la descente de gradient et la méthode de Newton, à la fois en une et plusieurs dimensions. Ces méthodes seront démontrées avec du code Python pour montrer comment les stratégies d'optimisation sont mises en œuvre dans la pratique. En appliquant ces techniques dans divers exercices, vous développerez les compétences nécessaires pour optimiser efficacement les algorithmes d'apprentissage automatique. Ce cours est idéal pour ceux qui ont une compréhension de base du calcul et de l'algèbre linéaire et qui cherchent à améliorer leurs compétences dans le contexte de la science des données et de l'apprentissage automatique. Il est parfait pour les scientifiques de données, les passionnés d'apprentissage automatique et les chercheurs qui veulent apprendre les fondements mathématiques derrière les algorithmes qui conduisent les technologies modernes axées sur les données.