Tirez un maximum de ce cours
Découvrez l’objectif du cours
Bienvenue dans ce cours consacré à l’apprentissage semi-supervisé (ou SSL pour Semi-Supervised Learning en anglais) !
L’objectif est clair : comprendre les fondements, les approches et les usages concrets du SSL, afin d’être capable d’intégrer cette méthode dans un projet de machine learning lorsque les données étiquetées sont rares ou coûteuses à obtenir.
À la fin du cours, vous serez capable de :
expliquer le principe de l’apprentissage semi-supervisé et ses différences avec les approches supervisée et non supervisée ;
identifier les situations où le SSL apporte une réelle valeur ajoutée ;
implémenter plusieurs techniques semi-supervisées en Python (pseudo-labellisation, propagation de labels sur graphes, régularisation par cohérence, SGANs) ;
évaluer les performances et comprendre les limites de ces techniques.
Ce cours vous guidera pas à pas, du concept à la mise en pratique, à travers des démonstrations et des exercices concrets pour ancrer vos apprentissages.
Rencontrez votre professeur
Expert en analyse de données, Aurélien Quillet a commencé sa carrière en développant des outils de bio-informatique avant de se spécialiser dans l'apprentissage automatique (machine learning). Cette évolution lui a permis d'acquérir une solide expérience dans l'utilisation des tests statistiques et des probabilités au travers de divers projets professionnels couvrant différents secteurs (biologie, finance, marketing, etc.). Formateur depuis 2020, Aurélien Quillet est passionné par le partage de ces connaissances essentielles au développement optimal des entreprises.
Découvrez le fonctionnement du cours
Connaissez-vous le principe d'un cours en ligne sur OpenClassrooms ? Ce cours suit une progression logique que l'on a séquencée en plusieurs chapitres, qu'il est préférable de suivre dans l'ordre.
Avant de démarrer, voici quelques conseils pour exploiter au mieux le contenu de ce cours et optimiser votre apprentissage :
Lisez le texte dans chaque chapitre pour comprendre pourquoi les concepts abordés sont importants.
Suivez les démonstrations pour savoir comment vous pouvez mettre en œuvre ces concepts.
Profitez de chaque occasion de pratiquer en faisant une pause dans le cours, pour vous entraîner de votre côté et reproduire pas à pas ce que vous découvrez.
Suivez le projet fil rouge
Tout au long du cours, vous suivrez un fil rouge inspiré d’un cas d’usage réel en imagerie médicale : la construction d’un modèle de classification semi-supervisé capable d’exploiter efficacement un petit ensemble d’images labellisées et un grand volume d’images non labellisées.
Chaque chapitre introduira une approche clé du SSL (pseudo-labellisation, propagation sur graphes, régularisation par cohérence, et apprentissage via SGAN) que vous appliquerez progressivement pour améliorer le modèle de référence.
Téléchargez la fiche résumé
Nous ne nous sommes qu'au début, mais nous vous proposons ci-dessous une fiche qui résume en deux pages les points clés du cours.
Gardez cette fiche sous la main ; au fil des chapitres, elle vous permettra d'ancrer ce qu'il faut retenir :
Prêt à plonger dans l’apprentissage semi-supervisé ? C’est parti !
