Introduction to Machine Learning: Art of the Possible (French)

Ce cours numérique est conçu pour aider les décideurs d'entreprise à comprendre les principes de base du machine learning (ML).Niveau du cours : FondamentauxDurée : 30 minutesRemarque : ce cours comporte des transcriptions ou des sous-titres localisés. La narration est en anglais.Pour afficher les sous-titres, cliquez sur le bouton CC dans le coin inférieur droit du joueur.ActivitésCe cours comprend des présentations, des vidéos et des évaluations des connaissances.Objectifs du coursDans ce cours, vous apprendrez à :Comprendre les bases du machine learning pour aider à évaluer les bénéfices et les risques associés à l'adoption du ML dans diverses études de casPublic viséCe cours s'adresse aux personnes suivantes :Dirigeants d'entreprise non techniques et autres décideurs d'entreprise qui sont ou seront impliqués dans des projets de MLLes participants au programme AWS Machine Learning Embark et aux ateliers de découverte du Machine Learning Solutions Lab (MLSL)PrérequisPour assister à ce cours, il est conseillé aux participants de disposer des connaissances suivantes :Connaissances de base des ordinateurs et des systèmes informatiquesQuelques connaissances de base du concept de machine learningDéroulement du coursModule 1 : Comment le machine learning peut-il aider ?Définir l'intelligence artificielleDéfinir le machine learningDécrire les différents domaines métier impactés par le machine learningDécrire la boucle de rétroaction positive (volant d'inertie) qui stimule les projets de MLDécrire le potentiel du machine learning dans les marchés sous-utilisésModule 2 : Comment fonctionne le machine learning ?Décrire l'intelligence artificielleDécrire la différence entre l'intelligence artificielle et le machine learningModule 3 : Quels sont les problèmes potentiels liés au machine learning ?Décrire les différences entre les modèles simples et les modèles complexesComprendre les problèmes d'inexplicabilité et d'incertitude liés aux modèles de machine learningModule 4 : Conclusion