Démarrez en IA en 2024 - Devenez un expert à partie de rien, gratuitement!
Note: Tous les liens ici-présent seront vers des ressources en anglais, mais n’hésitez pas à me contacter pour d’avantages de ressources en français! Je vous invite également à suivre ma chaîne YouTube en Français et ce blog pour en apprendre plus sur l'IA!Voici un exemple de vidéos que nous faisons sur la chaîne où j’explique ChatGPT:
Un guide complet pour démarrer et s'améliorer dans l'apprentissage automatique (ML), l'intelligence artificielle (IA) en 2024 sans AUCUNE expérience dans le domaine et rester à jour avec les dernières nouvelles et les techniques de pointe!
On me pose la même question plusieurs fois par jour sur mes réseaux sociaux. La question est «Comment puis-je commencer dans l'apprentissage automatique?». Cette question prend plusieurs formes, telles que "Comment puis-je commencer gratuitement?" ou «Comment puis-je commencer si je n'ai pas d'expérience en tant que développeur», etc. J'ai donc décidé d'écrire un guide complet sur la façon de démarrer dans l'apprentissage automatique en 2024 sans aucune expérience du tout, et gratuitement. En raison de ces questions pertinentes, j'ai recherché de nombreuses ressources et enregistré les meilleures sur un bloc-notes au cours des dernières années pour répondre rapidement aux futures questions.
Aujourd'hui, je vais partager ce bloc-notes avec vous et énumérer de nombreuses ressources intéressantes, et vous donner quelques conseils sur la façon d'apprendre et d'améliorer vos compétences en apprentissage automatique.
Qui peut devenir un expert en apprentissage automatique en 2024?
Ce guide est destiné à toute personne n'ayant aucune expérience ou une petite expérience en programmation, en mathématiques et / ou en apprentissage automatique. Il n'y a pas d'ordre spécifique à suivre, mais un chemin classique serait de haut en bas, en suivant l'ordre donné dans cet article. Si vous n'aimez pas les livres, ignorez la section, si vous ne souhaitez pas suivre un cours en ligne, vous pouvez également ignorer celle-ci. Il n'y a pas une seule façon de devenir un expert en apprentissage automatique, et avec de la motivation, vous pouvez absolument y parvenir en créant vos propres étapes.
Mais l'objectif de cet article est de donner un chemin à tous ceux qui souhaitent se lancer dans l'apprentissage automatique et ne savent pas par où commencer. Je sais qu'il peut être difficile de trouver par où commencer ou ce qu'il faut faire ensuite pour apprendre quelque chose de nouveau. Surtout lorsque vous n’avez pas d’enseignant ou de personne pour vous guider. C'est pourquoi je vais énumérer de nombreuses ressources importantes à consulter classées par ordre de «difficulté» avec une courbe d'apprentissage linéaire. Si vous êtes plus avancé, vous pouvez simplement sauter quelques étapes.
Toutes les ressources listées ici sont gratuites, à l'exception de certains cours et livres en ligne, qui sont certainement recommandés pour une meilleure compréhension, mais il est définitivement possible de devenir un expert sans ceux-ci, avec un peu plus de temps consacré aux lectures, vidéos et exercices en ligne. En ce qui concerne les cours payants, les liens de ce guide sont des liens affiliés. S'il vous plaît, utilisez-les si vous avez envie de suivre un cours car il me soutiendra. Merci et amusez-vous à apprendre! N'oubliez pas que cela dépend entièrement de vous et n'est pas nécessaire. Ces livres supplémentaires m'ont été très utiles et j’ai donc pensé que ça pourrait aussi être utile à d'autres de les partager ici.
N'ayez pas peur de rejouer des vidéos ou d'apprendre les mêmes concepts à partir de plusieurs sources. La répétition est la clé du succès pour apprendre quelque chose de nouveau!
Retrouvez la liste complète sur GitHub et abonnez-vous à ma newsletter hebdomadaire sur l'IA pour restez à jour!
Mentionez-moi sur Twitter @Whats_AI ou LinkedIn @Louis (What’s AI) Bouchard si vous partagez ce guide!
Table des matières
Voici une brève table des matières de cet article si vous souhaitez sauter les premières étapes tout de suite:
— Plongeons tête première!
— Commencez à apprendre sérieusement!
— Lisez des articles!
— Lisez des livres!
— Aucun background en mathématique? Regardez ça!
— Pas d’expériences en programmations? Pas de problème!
— Suivez des cours en ligne!
— Practique, pratique, et pratique!
— Plus de ressources! (Rejoignez des communautés, utilisez des “cheat sheets”, suivez les nouvelles du domaine, et plus!)
— Conclusion
Notez qu'il existe également un répertoire GitHub de cet article avec toutes les ressources clairement identifiées pour que vous puissiez également les suivre dans l'ordre.
Plongeons tête première!
À mon avis, la meilleure façon de commencer à apprendre quoi que ce soit est de visionner de courtes vidéos YouTube. L’IA ne fait pas exception. Il existe des milliers de vidéos et de listes de lecture incroyables qui enseignent gratuitement des concepts importants de l'apprentissage automatique sur cette plate-forme, et vous devriez certainement en profiter. Voici quelques-unes des meilleures vidéos que j'ai trouvées qui vous donneront une excellente première introduction aux termes que vous devez connaître pour vous lancer sur le terrain.
Le premier que je recommanderais personnellement est une playlist YouTube présentant les termes les plus utilisés du domaine par What’s AI (ou ma chaîne en version française). Il s'agit d'une liste de lecture incontournable pour avoir une compréhension de base de l'apprentissage automatique et de tous les termes fréquemment mentionnés dans les autres ressources à venir. Il s’agit simplement d’une série de très courtes vidéos d’une minute couvrant tous les termes les plus utilisés, des notions de base aux plus avancés. Il ne faudra pas plus de 30 minutes pour avoir un aperçu complet du domaine!
À la suite de ces courtes vidéos, je suggérerais de plonger un peu plus dans les fondements de l'apprentissage automatique et de l'apprentissage profond et d'en apprendre davantage sur les réseaux de neurones. Comprendre les réseaux de neurones et la rétropropagation est la chose la plus importante lors du démarrage et vous donne un énorme avantage lorsque vous plongez dans des conférences et des cours plus avancés.
Heureusement pour nous, une chaîne incroyable appelée 3Blue1Brown a créé une série de vidéos couvrant ces concepts très clairement. N'ayez pas peur de rejouer les vidéos ou de trouver une autre playlist par vous-même si certains aspects des vidéos ne vous sont pas clairs! L'apprentissage est fait de répétition!
Maintenant que vous avez une bonne base sur ce qu'est un algorithme d'apprentissage automatique, comment ça fonctionne et comment il est possible d’apprendre avec la rétropropagation, vous êtes prêt à plonger un peu plus en profondeur avec des cours plus complets et avancés.
N'hésitez pas à continuer à regarder d'autres vidéos sur YouTube. Il a d'excellentes ressources et est une plate-forme d'apprentissage gratuite et sous-estimée!
Commencez à apprendre sérieusement!
Cette étape est un peu plus longue que la précédente, car vous regarderez de nombreuses heures de cours gratuits sur YouTube et en apprendrez beaucoup. Il ne faut surtout pas sous-estimer YouTube comme plateforme d’apprentissage. Il y a de nombreuses vidéos tout autant qualitatives que nos universités, et ce gratuit!
S'il vous plaît, ne regardez pas ces cours pendant que vous faites autre chose. Ce sont d'excellentes ressources qui méritent d'être concentrées. Prenez des notes et posez des questions via les communautés en ligne, comme si vous suiviez un cours universitaire!
Ils sont également fascinants. Une fois que vous avez la motivation d'appuyer sur le bouton «Play», vous serez accro jusqu'au bout et en apprendrez BEAUCOUP, je le promets!
Voici une liste rapide des meilleurs cours (en anglais) que je suggérerais de regarder en premier. Ils sont répertoriés dans l'ordre «difficulté de compréhension». Partant d'une introduction et se terminant par des spécialisations. Notez que même ces spécialisations sont encore une introduction à ce stade, mais elles vous prépareront aux étapes plus amusantes à venir! Bien sûr, ils sont tous gratuits!
— Introduction to machine learning (Stanford)
— Introduction to deep learning (MIT)
— Deep learning specialization (Deeplearning.ai — Andrew Ng)
Lisez des articles!
Comme cela a été prouvé à plusieurs reprises. Les humains apprennent mieux en répétant et en apprenant de différentes manières, comme entendre, écrire, lire, regarder, etc. C'est pourquoi il est aussi important de lire que de regarder des vidéos pour mieux comprendre. Vous couvrirez de nombreux angles et aurez une vision plus complète de ce que vous essayez d'apprendre. Cette section est une liste d'articles courts entièrement gratuits et facultatifs également en anglais.
Noter que vous pouvez certainement trouver d'autres articles par vous-même, ce ne sont que des suggestions basées sur mes choix personnels.
Voici 5 articles que je vous suggère de consulter avant de vous plonger dans des livres, du codage ou des cours en ligne. Ce sont toutes de courtes lectures très utiles si vous associez cela aux vidéos mentionnées précédemment.
5 Beginner-Friendly Steps to Learn Machine Learning and Data Science with Python — Daniel Bourke
What is Machine Learning? — Roberto Iriondo
Machine Learning for Beginners: An Introduction to Neural Networks — Victor Zhou
A Beginners Guide to Neural Networks — Thomas Davis
Understanding Neural Networks — Prince Canuma
Reading lists for new MILA students — Anonyme
The 80/20 AI Reading List — Vishal Maini
Maintenant que vous avez parcouru ces courtes lectures et vidéos, vous êtes définitivement prêt à commencer à coder et à vous entraîner! Si vous sentez que vous avez besoin d'une compréhension plus approfondie de l'aspect théorique de l'apprentissage automatique, la section suivante est pour vous. Sinon, vous pouvez passer directement aux sections de codage, de cours en ligne ou de pratique ci-dessous pour apprendre de manière exponentielle!
Lisez des livres!
Cette section est complètement facultative, mais elle est fortement recommandée pour mieux comprendre les «coulisses» d'un algorithme d'apprentissage automatique. Les livres sont un excellent moyen d'apprendre à votre rythme. Assurez-vous de tout comprendre avant de passer en mode pratique. N'ayez pas peur de relire les sections! Comme vous le savez peut-être, la plupart des livres nécessitent beaucoup de travail de la part des auteurs et ne sont donc pas gratuits. Heureusement pour nous, il existe un livre incroyable qui est entièrement gratuit et disponible en ligne! Le reste est disponible sur Amazon à l'achat souvent en français, mais ces liens vous dirigeront vers la version anglaise. Ici, je liste quelques-uns des meilleurs livres à lire pour les personnes préférant le chemin de lecture:
Deep learning book — Gratuit en ligne
Dive into Deep Learning — Gratuit en ligne
Probabilistic Machine Learning: An Introduction — Gratuit en ligne
Artificial Intelligence: A Modern Approach — Facultatif (Payant)
Pattern Recognition and Machine Learning — Facultatif (Payant)
Deep Learning with Python — Facultatif (Payant)
Understanding Machine Learning: From Theory to Algorithms — Shai Shalev-Shwartz and Shai Ben-David — Gratuit en ligne
De super livres pour développer votre formation en mathématiques:
Mathematics for Machine Learning — Gratuit en ligne
The Elements of Statistical Learning — Facultatif (Payant)
Statistical Inference — Facultatif (Payant)
Une introduction complete au monde de l’algèbre linéaire:
Calculus: Concepts and Contexts — Facultatif (Payant)
Single Variable Calculus: Concepts and Contexts — Facultatif (Payant)
Multivariable Calculus: Concepts and Contexts — Facultatif (Payant)
Encore une fois, ces livres sont complètement optionnels, mais ils vous fourniront une meilleure compréhension de la théorie et vous apprendront même des fondements importants sur le codage de vos réseaux de neurones!
Vous êtes maintenant plus que prêt à commencer à coder et à appliquer la théorie que vous avez apprise et maîtrisée.
Aucun background en mathématique? Regardez ça!
Ne vous inquiétez pas, comme la plupart des choses de la vie, vous pouvez apprendre les mathématiques! Voici quelques ressources intéressantes pour les débutants et les plus avancées d’entre vous pour vous familiariser avec les mathématiques utilisées en apprentissage automatique. Je suggérerais de commencer par ces trois concepts très importants dans l'apprentissage automatique (voici 3 super cours gratuits disponibles sur Khan Academy):
Linear Algebra — Khan Academy
Statistics and probability — Khan Academy
Multivariable Calculus — Khan Academy
Voici quelques excellents livres et vidéos gratuits qui pourraient vous aider à apprendre dans une «approche plus structurée»:
mathematicalmonk sur YouTube
Mathematics for Machine Learning — Garrett Thomas
An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) — Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani
Si vous manquez toujours de confiance en mathématiques, consultez la section des livres ci-dessus, où j'ai partagé de nombreux bons livres pour acquérir une solide formation en mathématiques.
Vous avez maintenant une très bonne formation en mathématiques pour l'apprentissage automatique et vous êtes prêt à plonger plus profondément dans la portion pratique!
Pas d’expériences en programmations? Pas de problème!
Cette section est destinée aux débutants en programmation. Si vous n'avez aucune expérience en Python ou dans tout autre langage de programmation, cela vous permettra de démarrer et vous donnera une base formidable pour la programmation d'apprentissage automatique.
Si vous êtes déjà assez familier avec python, vous pouvez passer à l'étape «Suivre les cours en ligne»!
Voici les meilleurs cours en ligne pour apprendre le côté programmation de l'apprentissage automatique:
Au début, vous devez apprendre python. Un excellent moyen de commencer est avec ce didacticiel interactif gratuit pour apprendre python ou en suivant ce super didacticiel pratique d'apprentissage automatique.
Ensuite, vous pouvez suivre ce cours gratuit sur OpenClassroom, appelé Learn Python Basics for Data Analysis.
Suite à ces deux ressources, si vous n'êtes toujours pas à l'aise avec python, vous pouvez vous plonger plus profondément dans un cours payant sur Coursera par IBM appelé Machine Learning with Python. Cela vous préparera certainement à commencer à coder vos premiers algorithmes d'apprentissage automatique et à améliorer considérablement vos compétences en programmation! Une autre bonne idée est de suivre une formation en ligne, comme celle-ci par Data Science dojo. Notez que ceux-ci sont souvent payants et totalement optionnels. Ce ne sont que d'autres ressources pour ceux d'entre vous qui aimeraient avoir plus de pratiques «guidées» en utilisant des sessions en direct où ils vous proposeront des exercices et des projets stimulants sur lesquels travailler! Une alternative pourrait être de trouver des exercices et des projets en ligne, en utilisant Kaggle par exemple, de rejoindre une communauté pour trouver des coéquipiers d'apprentissage et poser des questions.
Confirmez vos compétences en python avec ces 100 exercices NumPy. C'est une excellente collection d'exercices qui ont été rassemblés dans la liste de diffusion NumPy, sur stack overflow et dans la documentation NumPy.
Suivez des cours en ligne!
Maintenant que vous avez une bonne compréhension de la théorie derrière l'apprentissage automatique ET une formation en codage, vous êtes prêt à commencer votre chemin dans les cours d'apprentissage automatique. Bien sûr, ce sont tous facultatifs. Encore une fois, le premier est gratuit et les autres sont payants, car ils vous apprendront beaucoup de choses et certains vous donneront même des certifications que vous pourrez utiliser dans votre CV!
Si vous ne souhaitez suivre aucun cours, vous pouvez passer à la section suivante et commencer à vous entraîner par vous-même. Ce sera un peu plus difficile au début, mais avec vos compétences de «googler» et de la motivation, vous serez en mesure de réussir à coup sûr.
Si vous préférez être plus guidé et avoir des étapes claires à suivre, ces cours sont les meilleurs à faire (du plus basique au plus avancé):
Intro to Machine Learning — Kaggle (Apprenez les idées de base du machine learning et créez vos premiers modèles)
Instructor-led Online Data Science Bootcamp — datasciencedojo (programme d'apprentissage complet de 16 semaines)
Data Science Training + Industry Experience — datasciencedojo (programme d'apprentissage complet de 16 semaines avec expérience professionnelle)
fast.ai’s Deep Learning Courses — Gratuit
Maintenant, vous êtes plus que prêt à commencer à vous entraîner et à construire votre portfolio!
Pratique, pratique, et pratique!
La chose la plus importante dans la programmation est la pratique. Et cela s'applique également à l'apprentissage automatique. Il peut être difficile de trouver un projet personnel à pratiquer. Vous devez trouver un problème à résoudre avant de pouvoir même commencer à coder, ce qui peut être très difficile sans aucune aide.
Heureusement, Kaggle existe. Ce site Web regorge de cours gratuits, de tutoriels et de compétitions. Vous pouvez participer gratuitement à des compétitions, télécharger simplement leurs données, découvrir leur problème et commencer à coder et à tester tout de suite! Vous pouvez même gagner de l'argent en gagnant des compétitions et c'est une excellente chose à avoir sur votre CV. C'est peut-être le meilleur moyen d'acquérir de l'expérience tout en apprenant beaucoup, et même de gagner de l'argent!
Vous pouvez également créer des équipes pour la compétition Kaggle et apprendre avec d’autres gens! Je vous propose de rejoindre une communauté pour trouver une équipe et apprendre avec les autres, c'est toujours mieux que d'apprendre seul. La section suivante y est consacrée.
Plus de ressources! (Rejoignez des communautés, utilisez des “cheat sheets”, suivez les nouvelles du domaine, et plus!)
La plupart du temps, la meilleure façon d'apprendre est d'apprendre avec quelqu'un d'autre. Rejoignez des communautés en ligne et trouvez des partenaires avec lesquels apprendre!
— Voici un serveur Discord génial avec de nombreux passionnés d'IA où vous pouvez apprendre ensemble, poser des questions, trouver des coéquipiers pour des compétitions Kaggle, partager vos projets et bien plus encore!
— Voici un autre excellent serveur Discord où vous pouvez rester au courant des dernières nouvelles de l'IA, poser des questions, partager vos projets et plus encore!
— Vous pouvez également suivre les communautés Reddit - Posez des questions, partagez vos projets, suivez l'actualité du domaine, et plus encore. Voici les plus populaires:
artificial — Artificial Intelligence
MachineLearning — Machine Learning (Le plus grand subreddit du domaine)
DeepLearningPapers — Deep Learning Papers
ComputerVision — Extracting useful information from images and videos
learnmachinelearning — Learn Machine Learning
LatsestInML — Game-changing developments in machine learning you shouldn’t miss
— Sauvegardez des Cheat Sheets!
Les meilleures Cheat Sheets pour l'intelligence artificielle, l'apprentissage automatique et Python:
Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data — Stefan Kojouharov
Machine Learning cheatsheets for Stanford’s CS 229 — Afshine Amidi & Shervine Amidi
Cheat Sheet of Machine Learning and Python (and Math) Cheat Sheets — Robbie Allen
AI Expert Roadmap — Utilisez ceci comme liste de contrôle de vos compétences!
— Une autre chose importante dans ce domaine est de rester à jour avec les nouveaux papiers à venir et les nouvelles applications qui sont publiés chaque jour. Un excellent moyen est de rejoindre des groupes LinkedIn qui partagent ces nouvelles applications, de suivre des publications sur Medium ou même des chaînes YouTube qui résument ces nouveaux articles. Je répertorie ici quelques-uns des meilleurs que je connaisse, mais vous pouvez certainement en chercher plus dans votre domaine d'intérêt!
Abonnez-vous aux chaînes YouTube qui partagent de nouveaux articles: restez à jour avec les nouvelles du domaine! (anglais)
Two Minutes Papers — Vidéos hebdomadaires couvrant les nouveaux articles
What’s AI — Vidéos hebdomadaires couvrant les nouveaux articles
Bycloud — Vidéos bimensuelles couvrant les nouveaux articles
— Rejoignez des groupes LinkedIn (anglais)
— Rejoignez des groupes Facebook (anglais)
Artificial Intelligence & Deep Learning — The definitive and most active FB Group on A.I., Neural Networks and Deep Learning. All things new and interesting on the frontier of A.I. and Deep Learning. Neural networks will redefine what it means to be a smart machine in the years to come.
Deep learning — Nowadays society tends to be soft and automated evolving into the 4th industrial revolution, which consequently drives the constituents into the swirl of societal upheaval. To survive or take a lead one is supposed to be equipped with associated tools. Machine is becoming smarter and more intelligent. Machine learning is inescapable skill and it requires people to be familiar with. This group is for these people who are interest in the development of their talents to fit in.
— Souscrivez à des Newsletters (anglais)
Synced AI TECHNOLOGY & INDUSTRY REVIEW — Premier fournisseur chinois de médias et d’informations pour l’IA et l’apprentissage automatique.
Inside AI — Un aperçu quotidien d'histoires et de commentaires sur l'intelligence artificielle, la robotique et la neurotechnologie.
AI Weekly — Une collection hebdomadaire d'actualités sur l'IA et de ressources sur l'intelligence artificielle et l'apprentissage automatique.
AI Ethics Weekly — Les dernières mises à jour de l'éthique de l'IA livrées dans votre boîte de réception chaque semaine.
What’s AI weekly - Couvre l'actualité de l'IA et partage de nombreux projets et ressources utiles.
— Suivez des comptes et publications sur Medium
Towards Data Science — “Sharing concepts, ideas, and codes”
Towards AI — “The Best of Tech, Science, and Engineering.”
OneZero — “The undercurrents of the future. A Medium publication about tech and science.”
Un peu d’autopromotion, moi-même - «Salut, je suis Louis, de Montréal, Canada, également connu sous le nom de« What’s AI ». J'essaie de partager et d'expliquer les termes et les nouvelles de l'intelligence artificielle de la meilleure façon possible pour tout le monde. Mon objectif est de démystifier la «boîte noire» de l'IA pour tout le monde et de sensibiliser les gens aux risques de son utilisation. »
— Regardez ce répertoire complet pour rester à jour avec les nouvelles en IA sur GitHub
BAILOOL/DoYouEvenLearn — Guide essentiel pour suivre les nouveautés en IA/ML/vision par ordinateur
Conclusion
Ceci est un guide pour toute personne n'ayant aucune expérience ou une petite expérience en programmation, en mathématiques et / ou en apprentissage automatique. Il n'y a pas d'ordre spécifique à suivre, mais un chemin classique serait de haut en bas.
Notez qu'il s'agit d'une liste non exhaustive de ressources pour devenir un expert en apprentissage automatique à partir de rien en 2024. Vous pouvez certainement utiliser plus ou moins de ressources et apprendre à votre rythme. Tout dans la vie n'est pas une compétition et vous devez suivre votre instinct au sujet de la meilleure façon que vous pouvez apprendre. Ne vous sentez jamais coupable de rejouer une vidéo ou de lire un article deux fois pour comprendre un concept. Nous avons tous vécu cela et c'est parfaitement normal. Le plus important est que vous compreniez les concepts et non que vous parcouriez la liste le plus rapidement possible.
Merci beaucoup d'avoir lu ce guide et je vous souhaite à tous la meilleure des chances dans vos futures carrières en apprentissage automatique!
— Au plaisir de parler avec vous!
Retrouvez la liste complète sur GitHub et abonnez-vous à ma newsletter hebdomadaire sur l'IA pour rester à jour!
Mentionnez-moi sur Twitter @Whats_AI ou LinkedIn @Louis (What’s AI) Bouchard si vous partagez ce guide!
Venez discuter avec nous dans notre communauté Discord: apprenez l'IA ensemble et partagez vos projets, vos articles, vos meilleurs cours, trouvez des coéquipiers pour participer à des compétitions Kaggle et bien plus encore!
Si vous aimez mon travail et que vous souhaitez rester à jour avec l'IA, vous devez absolument me suivre sur mes autres médias sociaux (LinkedIn, Twitter) et vous abonner à ma newsletter hebdomadaire sur l'IA!