Applied AICollège Unica
4.2SpécialisationSession 4 · Applied AI Systems & MLOps

Algorithmes d'apprentissage non supervisé

20classes60htotalTH2 · PR2 · PNW2pondération par classe

Déroulé classe par classe

20 classes

TH = théorie · PR = pratique · PNW = travail personnel. Ce sont des codes de pondération du ministère (et non des heures) servant à répartir les minutes de chaque classe. La durée d'une classe = heures du cours ÷ nombre de classes ; les trois plages horaires ci-dessous totalisent toujours cette durée.

0%

Progression des quiz

0 sur 0 classes tentées

2 premières classes gratuites avec un parrainage 19 de plus avec l'inscription180 min par classeThéorie 60mPratique 60mTravail personnel 60m
1

Au-delà des étiquettes — apprentissage non supervisé pour la GenAI

GratuitTH2PR2PNW2

Un analyste de données ou d'affaires qui regroupe des billets de soutien sans étiquettes découvre des thèmes que personne n'avait cartographiés — l'apprentissage non supervisé est la façon de donner du sens aux données GenAI non structurées.

Théorie60m
  • Supervisé vs non supervisé dans un contexte GenAI
  • Pourquoi le texte sans étiquette et les plongements sont la norme dans le travail d'agent
  • Trois objectifs : regrouper, réduire les dimensions, détecter les anomalies
Pratique60m
  • Classez 8 tâches GenAI types comme supervisées ou non supervisées
  • Choisissez une tâche non supervisée et décrivez l'aperçu espéré
Travail personnel60m
  • Rédigez une note d'une page sur un problème d'affaires que l'apprentissage non supervisé pourrait résoudre pour un agent
  • Micro-tâche : remettre votre note
2

Similarité et distance — comment les agents mesurent « semblable »

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire d'intégration d'IA qui comprend les métriques de distance peut expliquer pourquoi un agent a récupéré un document plutôt qu'un autre — la distance est le fondement de la récupération

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
3

Mise à l'échelle des caractéristiques pour les plongements et les données d'agent

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui saute la mise à l'échelle en combinant des plongements avec d'autres caractéristiques obtient des regroupements sans signification — la mise à l'échelle est l'étape peu glamour qui corrige ça

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
4

Regrouper des plongements — grouper des documents similaires

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Une stratège en marketing numérique qui regroupe les plongements de la rétroaction client trouve les cinq vrais thèmes à travers des milliers de messages — k-means sur les plongements transforme le bruit en segments

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
5

Choisir K pour des regroupements d'affaires

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire des ventes et du marketing qui choisit k selon la logique d'affaires, pas seulement un score, obtient des segments réellement exploitables pour les campagnes

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
6

Transformer les regroupements en personas — interpréter les segments GenAI

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un directeur du commerce électronique qui transforme des regroupements de plongements bruts en personas nommés donne à l'équipe marketing quelque chose qu'elle peut réellement cibler

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
7

Limites de K-means sur les plongements

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui connaît les limites de k-means évite de forcer des regroupements ronds sur des données GenAI irrégulières — de mauvaises hypothèses signifient de mauvais aperçus

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
8

Regroupement hiérarchique — arbres de sujets pour le savoir d'agent

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire d'intégration d'IA qui bâtit une hiérarchie de sujets donne à un agent une carte de connaissances structurée qu'il peut explorer — la hiérarchie bat les groupes plats pour la navigation

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
9

DBSCAN — regroupement par densité pour le texte bruité

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui traite de la rétroaction désordonnée utilise DBSCAN pour trouver des regroupements de toute forme et signaler le bruit comme valeurs aberrantes

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
10

Évaluer des regroupements sans étiquettes

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire de projet qui exige une métrique de qualité fait confiance aux résultats de regroupement — même sans vérité de terrain, on peut mesurer la cohésion des regroupements

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
11

La malédiction de la dimensionnalité pour les plongements

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui injecte toutes les dimensions de plongement dans k-means obtient souvent de pires regroupements — les dimensions élevées rendent la distance sans signification

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
12

ACP sur les plongements — réduire les dimensions pour la récupération

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire d'intégration d'IA qui réduit des plongements à 768 dimensions à 50 pour la récupération coupe les coûts et accélère la recherche sans perdre le signal

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
13

Choisir combien de composantes conserver

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui conserve assez de variance (disons 95 %) réduit le bruit sans perdre le signal — c'est l'art de la réduction de dimensionnalité

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
14

Visualiser les espaces de plongement — ACP et t-SNE

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Une stratège en marketing numérique qui visualise les plongements de rétroaction client en 2D repère des thèmes qu'un tableur ne pourrait jamais montrer

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
15

Hallucination et détection d'anomalies — repérer les mauvaises sorties GenAI

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un directeur du commerce électronique qui signale automatiquement une réponse d'agent hors marque ou hallucinée protège la marque — la détection d'anomalies sur les plongements repère l'inhabituel

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
16

Détection d'anomalies statistique pour les sorties d'agent

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui signale les réponses d'agent dont le plongement s'écarte de la norme repère les sorties bizarres en secondes — statistiques simples, gros dividende

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
17

Détection d'anomalies par modèle — forêts d'isolation

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire d'intégration d'IA qui a besoin d'une détection d'hallucination évolutive utilise la forêt d'isolation sur les plongements — elle gère de nombreuses caractéristiques et de grands journaux

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
18

Mini-projet — regrouper et surveiller les données d'agent

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire des ventes et du marketing qui regroupe et surveille de vraies sorties d'agent livre des aperçus dignes de confiance, pas seulement de la théorie

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
19

Segmentation client avec des plongements — un vrai cas d'usage

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Une stratège en marketing numérique qui segmente la vraie rétroaction client avec des plongements adapte les offres à chaque thème — c'est la victoire GenAI la plus courante de l'apprentissage non supervisé

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions
20

Présenter et réfléchir — aperçus sans étiquettes pour la GenAI

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un analyste de données ou d'affaires qui présente des aperçus non supervisés sur un agent gagne la confiance en montrant des motifs, pas juste les maths — cette classe ferme la boucle

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Parler aux admissions

Déverrouiller les 20 classes

Obtenez le déroulé complet, le tuteur IA et le quiz pour chaque classe de 4.2 · Algorithmes d'apprentissage non supervisé.

S'inscrire via les admissions

Le paiement en ligne n'est pas encore en service — contactez les admissions pour vous inscrire.

Cours précédent

4.1 · Programmation par scripts et automatisation de tâches

Cours suivant

4.3 · Infonuagique

Retour à la Session 4