Leçon 6 — Récapitulatif et FAQ
Les cinq leçons en une page
Leçon 1 — le niveau nécessaire. Il dépend de votre objectif : presque aucune mathématique pour utiliser des modèles, l'intuition de trois branches pour les entraîner et les évaluer, un niveau universitaire complet pour en inventer. Ce qui manque sans mathématiques, ce n'est pas la capacité d'entraîner, c'est celle de diagnostiquer.
Leçon 2 — algèbre linéaire. Transformer les objets du monde en vecteurs permet de les comparer et de les traiter par milliers avec un même algorithme. Une matrice est soit une collection d'exemples, soit une transformation — ce second rôle étant exactement ce que fait une couche de réseau. Le produit matriciel étant parallélisable, il explique la place des cartes graphiques.
Leçon 3 — calcul différentiel. Une dérivée indique dans quel sens modifier une entrée pour faire baisser une sortie ; le gradient rassemble ces pentes pour tous les paramètres. L'entraînement fait de petits pas dans le sens opposé, le taux d'apprentissage étant le réglage le plus critique, et la rétropropagation distribue la responsabilité de l'erreur couche par couche.
Leçon 4 — probabilités. Un modèle renvoie une distribution, pas un verdict, donc le seuil de décision est un levier gratuit. Sur une classe rare, la précision globale trompe ; il faut la matrice de confusion, la précision et le rappel, dont l'arbitrage est une décision métier fondée sur le coût des erreurs.
Leçon 5 — la notation. Une trentaine de symboles stables couvrent la littérature. Repérez ce qu'on minimise, sur quoi porte la somme, ce que fait la fonction au cœur : la formule redevient une phrase.
Glossaire
| Terme | Ce que cela veut dire |
|---|---|
| Vecteur | une liste ordonnée de nombres décrivant un objet |
| Dimension | le nombre de composantes d'un vecteur |
| Matrice | un tableau de nombres : collection d'exemples, ou transformation |
| Tenseur | un tableau de nombres à un nombre quelconque de dimensions |
| Forme (shape) | la liste des dimensions d'un tenseur |
| Produit scalaire | l'opération qui mesure si deux vecteurs vont dans la même direction |
| Similarité cosinus | le produit scalaire ramené à une échelle indépendante des longueurs |
| Norme | la longueur d'un vecteur |
| Dérivée | la pente : comment la sortie change quand l'entrée bouge un peu |
| Gradient | l'ensemble des dérivées, une par paramètre |
| Descente de gradient | l'algorithme d'entraînement : de petits pas dans le sens opposé au gradient |
| Taux d'apprentissage | la taille de ces pas, réglage le plus critique |
| Rétropropagation | le calcul des gradients couche par couche, de la sortie vers l'entrée |
| Fonction de perte | le nombre qui mesure l'ampleur de l'erreur du modèle |
| Distribution | l'ensemble des probabilités des issues possibles |
| Probabilité conditionnelle | la probabilité de A sachant que B est vrai |
| Espérance | la moyenne d'une quantité incertaine, pondérée par les probabilités |
| Calibration | le fait que les probabilités annoncées correspondent aux fréquences réelles |
| Précision | parmi les cas signalés, la proportion réellement positive |
| Rappel | parmi les cas réellement positifs, la proportion retrouvée |
Les 12 questions que les gens posent vraiment
1. J'ai arrêté les maths au lycée. Est-ce jouable ?
Oui, pour le niveau visé par ce cours. L'obstacle réel n'est presque jamais l'aptitude, c'est la méthode : apprendre les mathématiques hors de tout contexte est démoralisant. Entraînez un modèle simple, heurtez-vous à un problème concret, puis allez chercher la notion qui l'explique. Ancrée sur une question réelle, elle s'apprend trois fois plus vite.
2. Faut-il savoir dériver et intégrer à la main ?
Non. Aucun praticien ne dérive un réseau à la main, et les bibliothèques pratiquent la dérivation automatique. Ce qu'il faut, c'est savoir ce que la dérivée signifie, pour comprendre pourquoi un taux d'apprentissage trop grand fait exploser l'entraînement.
3. Quelles ressources gratuites recommandez-vous ?
Pour l'intuition visuelle, les séries de 3Blue1Brown sur l'algèbre linéaire et le calcul différentiel sont ce qui existe de mieux, tous formats confondus. Pour la pratique progressive, Khan Academy couvre le socle sans le survoler. Pour le lien direct avec le machine learning, la partie mathématique du livre Deep Learning de Goodfellow, Bengio et Courville est disponible gratuitement en ligne.
4. Combien de temps pour atteindre ce niveau d'intuition ?
Quatre à huit semaines à raison de quelques heures par semaine, si vous alternez avec de la pratique. Beaucoup plus si vous décidez de tout reprendre depuis le début dans l'ordre d'un programme scolaire, ce qui n'est pas nécessaire et fait abandonner la plupart des gens.
5. Faut-il connaître les statistiques inférentielles ?
Le socle est utile : distribution, moyenne, variance, corrélation, intervalle de confiance, et le fait qu'une corrélation n'est pas une cause. Les tests d'hypothèses formels servent surtout quand vous devez démontrer qu'une amélioration mesurée n'est pas du bruit — situation fréquente dès que vous comparez deux modèles sur un petit jeu de test.
6. Pourquoi la « malédiction de la dimension » revient-elle si souvent ?
Parce qu'en grande dimension, l'espace est presque vide : les points sont tous à peu près à la même distance les uns des autres, ce qui affaiblit les méthodes fondées sur la proximité. Conséquence pratique : ajouter des variables sans ajouter d'exemples dégrade souvent le modèle, alors que l'intuition suggère l'inverse.
7. Quelle différence entre normaliser et standardiser ?
Normaliser ramène les valeurs dans un intervalle fixe, typiquement entre 0 et 1. Standardiser centre sur la moyenne et divise par l'écart type. Les deux servent le même objectif : éviter qu'une variable exprimée en centaines de milliers écrase une variable exprimée en unités. Sans cette mise à l'échelle, la descente de gradient converge mal.
8. À quoi sert le logarithme dans les fonctions de perte ?
À deux choses. Il transforme un produit de probabilités en somme, ce qui est numériquement stable — multiplier mille nombres inférieurs à 1 donne un résultat que l'ordinateur arrondit à zéro. Et il pénalise très fortement la confiance erronée : annoncer 0,99 pour une réponse fausse coûte énormément, ce qui est exactement le comportement souhaité.
9. Pourquoi mon modèle est-il « trop confiant » ?
Parce que rien dans l'entraînement classique ne l'oblige à être calibré : on lui demande de désigner la bonne classe, pas d'annoncer une probabilité honnête. Les réseaux profonds y sont particulièrement sujets. Des techniques de recalibration existent, et elles ne deviennent nécessaires que si vous utilisez réellement la valeur de la probabilité.
10. Faut-il comprendre l'optimisation convexe ?
Non pour la pratique. Il est utile de savoir que les problèmes convexes ont un unique minimum, atteignable de façon garantie, tandis que les réseaux de neurones ne sont pas convexes — d'où l'analogie du brouillard et les minima locaux de la leçon 3. La théorie complète relève de la recherche.
11. Comment savoir si j'ai le niveau suffisant ?
Un test simple : prenez un modèle qui ne converge pas et demandez-vous si vous savez formuler trois hypothèses sur la cause, et comment les distinguer. Si oui, votre niveau est opérationnel. Si vous ne pouvez que modifier des réglages au hasard, il reste une lacune à combler — et elle est probablement dans la leçon 3.
12. Où aller après ce cours ?
Machine Learning pour voir ces notions devenir opératoires, puis Deep Learning où le gradient occupe toute la place. Si vous n'avez pas encore fait Python pour l'IA, c'est le moment : ce sont les outils qui feront les calculs pour vous.
Les cours premium reprennent chacune de ces notions dans des notebooks exécutables : la perte qui descend, le taux d'apprentissage qu'on fait exploser exprès, la matrice de confusion qui bascule quand on déplace le seuil. Avec certificat vérifiable après un examen de 40 questions.
Dernière étape — Passez le quiz et découvrez votre attestation →