Cet article reflète le paysage de 2023. Pour les dernières infos sur ce sujet, voir Deux ans après mes 7 cours d’Andrew Ng : le chemin que je prendrais vraiment en 2026.
Comme je m'intéresse beaucoup au monde du machine learning et de l'IA, je me suis senti attiré par les enseignements d'Andrew Ng · Lien d’affiliation: Chandler peut toucher une commission.. Au cours des derniers mois, j'ai suivi sept de ses cours, qui offrent chacun des éclairages uniques sur le paysage en pleine évolution du machine learning et de l'IA. Voici mon avis sur ces cours et la façon dont ils ont façonné ma compréhension :
- Spécialisation en Machine Learning · Lien d’affiliation: Chandler peut toucher une commission.
- ChatGPT Prompt Engineering · Lien d’affiliation: Chandler peut toucher une commission. pour les développeurs
- Generative AI for Everyone · Lien d’affiliation: Chandler peut toucher une commission.
- Building system with chatGPT · Lien d’affiliation: Chandler peut toucher une commission. API
- Neural Networks and Deep Learning · Lien d’affiliation: Chandler peut toucher une commission.
- 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 je l'ai trouvée accessible même avec une expérience de programmation limitée. C'est l'un des meilleurs cours d'introduction au machine learning qui existent.
2. Generative AI for Everyone - Démystifier le battage médiatique
Destiné à un public non technique, ce cours démystifie l'IA générative en expliquant ses applications et ses limites. Le contenu est bien organisé, équilibre les avantages et les inconvénients et dissipe les mythes courants. C'est un excellent cours pour quiconque veut comprendre l'IA générative de la conception au lancement, y compris la rédaction de prompts efficaces.
3. Neural Networks and Deep Learning - Comprendre les modèles clés
Ce cours commence à aller un peu plus loin dans le deep learning, sur la façon dont il est appliqué à l'apprentissage supervisé, les principales catégories de modèles (CNN, RNN, etc.) et les cas où ils doivent être utilisés. Suivre ce cours après la « Spécialisation en Machine Learning » peut paraître un peu redondant pour 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 » et « Building system with chatGPT API ».
Ces cours te feront gagner beaucoup de temps, car ils te donnent un aperçu des étapes les plus importantes auxquelles réfléchir pour construire tes applications. Bien sûr, ils sont aussi accompagnés de code d'exemple, 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 aussi par 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 explique brillamment les concepts fondamentaux des LLM et offre des éclairages pratiques sur les bonnes pratiques d'ingénierie des prompts. Il est particulièrement précieux pour ceux qui veulent comprendre et exploiter la puissance des API de LLM dans diverses applications. Par exemple, comment demander à GPT de produire sa réponse au format JSON pour pouvoir l'utiliser ensuite dans ton application.
Building Systems with the ChatGPT API
Suite du cours d'ingénierie des prompts, ce court cours est parfait pour les débutants avec les LLM. Il fournit des exemples pratiques et enseigne comment construire efficacement des systèmes en plusieurs étapes avec de grands modèles de langage. Le cours est une excellente introduction pour ceux qui s'intéressent à l'ingénierie des prompts et aux applications des grands modèles de langage. J'apprécie les conseils ci-dessous, accompagnés d'exemples de code réels :
- Comment utiliser l'« API de modération » pour valider les entrées des utilisateurs et éviter l'injection de prompts
- Raisonnement en chaîne de pensée
- Enchaînement des prompts
- Évaluation 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.
Alors que je poursuis mon parcours dans le machine learning, je suis reconnaissant de l'étendue des sujets couverts par les cours d'Andrew. Ils m'ont donné une perspective complète et des compétences concrètes pour construire, appliquer et faire évoluer des systèmes d'IA de façon responsable. J'ai hâte de mettre ces apprentissages à profit dans de vrais projets à venir.
6. Mise à jour (novembre 2025) : Mettre ça en pratique
Tu te souviens quand j'ai dit que j'avais hâte de « mettre ces apprentissages à profit dans de vrais projets » ? Eh bien, je l'ai vraiment fait.
Après avoir terminé ces cours, j'ai passé 75 jours à construire STRAŦUM - une plateforme marketing IA à 9 agents qui appliquait ce qu'Andrew a enseigné : ingénierie des prompts LLM, appel de fonctions, raisonnement en chaîne de pensée et systèmes multi-agents.
La plateforme utilisait 11 cadres stratégiques (SWOT, Porter's Five Forces, Blue Ocean Strategy, etc.) et un apprentissage progressif, ce qui signifie que les agents IA étaient conçus pour mieux connaître ton entreprise à chaque conversation. Elle était 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 ça a fonctionné, 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 d'IA se traduisent en vrais produits, tu peux lire l'histoire du lancement. STRAŦUM est désormais retiré : sa première version est l'implémentation de référence open source sous licence MIT.
Je code encore, j'apprends encore, j'applique encore les enseignements d'Andrew à des problèmes réels.
Chandler