Mon parcours à travers 7 cours d'Andrew Ng sur le Machine Learning et l'IA

Je dois admettre, une fois que j'ai commencé à suivre les cours d'Andrew Ng, je n'arrivais plus à m'arrêter :D Au cours des derniers mois, j'ai complété sept de ses cours sur Coursera et DeepLearning.AI. Chacun a construit sur le précédent et m'a donné une image plus claire du fonctionnement réel du machine learning et de l'IA. Voici mon avis sur ces cours, dans l'ordre qui me semble le plus logique si tu pars de zéro :

• Spécialisation en Machine Learning
• ChatGPT Prompt Engineering pour les développeurs
• Generative AI for Everyone
• Building system with chatGPT API
• Neural Networks and Deep Learning
• Functions, Tools, and Agents with LangChain
• Vector Databases : des embeddings aux applications

1. Spécialisation en Machine Learning - Une base solide

Cette spécialisation en 3 cours adaptée aux débutants fournit une base solide dans les concepts et applications du machine learning. Les cours vont des algorithmes d'apprentissage supervisé comme la régression et la classification à des techniques plus avancées comme l'apprentissage non supervisé et l'apprentissage par renforcement. J'ai apprécié les exercices de codage pratiques en Python et l'ai trouvé accessible même avec une expérience de programmation limitée. C'est l'un des meilleurs cours d'introduction au machine learning qui existe.

2. Generative AI for Everyone - Démystifier le battage médiatique

Ciblé pour un public non technique, ce cours démystifie l'IA générative, en expliquant ses applications et ses limites. Le contenu est bien organisé, équilibrant les avantages et les inconvénients et démystifiant les mythes courants. C'est un excellent cours pour quiconque cherche à comprendre l'IA générative de la conception au lancement, y compris la construction de prompts efficaces.

3. Neural Networks and Deep Learning - Comprendre les modèles clés

Ce cours a commencé à aller un peu plus loin dans le deep learning, comment il est appliqué à l'apprentissage supervisé, les principales catégories de modèles (CNN, RNN, etc.) et quand ils doivent être appliqués. Suivre ce cours après la "Spécialisation en Machine Learning" peut sembler un peu redondant avec certains contenus. N'hésite pas à les sauter.

4. Quand tu te sens prêt à construire ta première application Gen AI

Quand tu sens que tu es prêt à commencer à construire ta première application, surtout une application Gen AI, commence par les cours suivants "ChatGPT Prompt Engineering pour les développeurs", "Building system with chatGPT API",

Ces cours te feront gagner beaucoup de temps car ils te donneront un aperçu des étapes les plus importantes à réfléchir lors de la construction de tes applications. Bien sûr, ils viennent avec du code d'exemple aussi donc ils sont très pratiques.

ChatGPT Prompt Engineering pour les développeurs

Ce cours est une aubaine pour les débutants comme pour les apprenants avancés. Il est enseigné par Andrew et également Isa Fulford d'OpenAI. Il se concentre sur les nuances de l'ingénierie des prompts et l'utilisation des grands modèles de langage (LLM). Le cours élucide brillamment les concepts fondamentaux des LLM et offre des insights pratiques sur les meilleures pratiques d'ingénierie des prompts. Il est particulièrement précieux pour ceux qui cherchent à comprendre et à exploiter la puissance des API LLM dans diverses applications. Par exemple, comment demander à GPT de produire sa réponse au format JSON pour pouvoir l'utiliser ultérieurement dans ton application.

Building Systems with the ChatGPT API

Suite au cours d'ingénierie des prompts, cette session d'une heure est parfaite pour les débutants en LLM. Elle fournit des exemples pratiques et enseigne comment construire efficacement des systèmes multi-étapes en utilisant de grands modèles de langage. Le cours est un excellent primer pour ceux qui s'intéressent à l'ingénierie des prompts et aux applications de grands modèles de langage. J'apprécie les conseils ci-dessous avec des exemples de code réels :

• Comment utiliser l'"API de modération" pour valider les entrées des utilisateurs, éviter l'injection de prompts
• Raisonnement en chaîne de pensée
• Enchaînement des prompts
• Évaluations des sorties

5. Prêt à plonger encore plus profond ?

Après ces cours, si tu veux approfondir la construction d'applications Gen AI, les deux cours "Functions, Tools, and Agents with LangChain" et "Vector Databases : des embeddings aux applications" sont parfaits.

Comprendre ce qu'est une base de données vectorielle, comment elle fonctionne et comment elle peut t'aider à construire une application d'IA générative multimodale est super cool.

En regardant en arrière, je suis reconnaissant de la façon dont ces cours se sont construits les uns sur les autres. Ils m'ont donné non seulement des connaissances théoriques mais aussi la confiance pratique pour commencer à construire des choses. Si tu viens d'un background non technique comme moi, je pense que c'est vraiment le meilleur parcours d'apprentissage disponible.

6. Mise à jour (novembre 2025) : Mettre ça en pratique

Tu te souviens quand j'ai dit que j'attendais avec impatience "de tirer parti de ces apprentissages dans des projets du monde réel" ? Eh bien, je l'ai vraiment fait.

Après avoir complété ces cours, j'ai passé 75 jours à construire https://stratum.chandlernguyen.com/ — une plateforme marketing IA à 9 agents qui applique exactement ce qu'Andrew a enseigné : ingénierie des prompts LLM, appel de fonctions, raisonnement en chaîne de pensée et systèmes multi-agents.

La plateforme utilise 11 cadres stratégiques (SWOT, Porter's Five Forces, Blue Ocean Strategy, etc.) et un apprentissage progressif — ce qui signifie que les agents IA deviennent plus intelligents sur ton entreprise à chaque conversation. Elle est conçue pour les petites entreprises et les agences marketing qui ont besoin d'intelligence stratégique, pas seulement d'exécution.

Est-ce parfait ? Certainement pas (j'apprends encore !). Mais c'est en ligne, ça fonctionne, et ça vient directement de l'application de ce que j'ai appris dans les cours d'Andrew. Parfois la meilleure façon d'apprendre est de construire quelque chose de réel.

Si tu es curieux de savoir comment ces concepts IA se traduisent en vrais produits, tu peux en lire plus sur STRAŦUM : l'application marketing à 9 agents que j'ai construite en 75 jours (seul, malade pendant 10) ou https://stratum.chandlernguyen.com/.

Je code encore, j'apprends encore, j'applique encore les enseignements d'Andrew à des problèmes réels.

Et toi — as-tu suivi certains de ces cours, ou es-tu dans un parcours d'apprentissage similaire ? J'adorerais entendre ce qui a fonctionné (ou pas) pour toi.

Cordialement,

Chandler