À propos du projet

Ce dépôt est une collection complète d'exemples de code et de tutoriels en apprentissage automatique et en apprentissage profond, maintenue par l'auteur de deeplearningcourses.com. Il sert de base de code d'accompagnement pour un large éventail de cours en ligne, allant des statistiques fondamentales aux sujets avancés en IA. Le dépôt est organisé par cours, chaque cours occupant son propre dossier. Les utilisateurs sont invités à regarder la leçon « Where to get the code » (généralement la leçon 2 ou 3) dans chaque cours pour identifier le dossier correspondant. L'auteur recommande de cloner plutôt que de forker le dépôt afin de rester à jour avec les mises à jour fréquentes des cours. Les sujets couverts dans les cours associés incluent : - **Mathématiques fondamentales** : algèbre linéaire, probabilités, calcul différentiel et calcul matriciel pour la science des données et l'apprentissage automatique. - **Apprentissage automatique classique** : régression linéaire, régression logistique, naive Bayes, machines à vecteurs de support, forêts aléatoires, AdaBoost, analyse de clustering et apprentissage non supervisé avec modèles de Markov cachés. - **Apprentissage profond** : réseaux de neurones, réseaux de neurones convolutifs (CNN), réseaux de neurones récurrents (RNN), GANs, autoencodeurs variationnels et vision par ordinateur avancée. - **Traitement du langage naturel** : NLP avec apprentissage profond, transformers et techniques avancées de NLP. - **Apprentissage par renforcement** : apprentissage par renforcement profond en PyTorch et Python. - **IA générative** : ChatGPT et LLMs OpenAI en Python, IA générative pour la vision par ordinateur, et deepfakes/clonage vocal. - **Méthodes bayésiennes** : régression linéaire bayésienne, classification bayésienne et apprentissage automatique bayésien avec tests A/B. - **IA financière** : ingénierie financière et IA en Python, incluant un bot de trading par paires ChatGPT. - **Séries temporelles** : analyse de séries temporelles, prévision et apprentissage automatique. - **Systèmes de recommandation** : systèmes de recommandation et apprentissage profond en Python. - **Prérequis** : la pile NumPy en Python, la régression linéaire et la régression logistique comme prérequis pour l'apprentissage profond. À partir des cours TensorFlow 2.0, les exemples de code plus récents ont été déplacés vers des notebooks Google Colab, avec des liens fournis dans les cours respectifs. Le dépôt renvoie également vers des cours VIP et exclusifs couvrant des sujets spécialisés tels que l'inférence statistique, la programmation linéaire pour la régression linéaire et MATLAB pour les professionnels des STEM. Le dépôt est destiné aux étudiants et aux praticiens cherchant des exemples de code pratiques pour compléter un apprentissage en ligne structuré. Ce n'est pas une bibliothèque ou un framework autonome, mais plutôt une ressource éducative qui s'accompagne de vidéos de cours et de supports de cours disponibles sur deeplearningcourses.com et lazyprogrammer.me.