45 min de cours gratuit · on commence tout de suite, sans carte bancaire
Shiur Prati

Cours particulier en Maths pour le machine learning avec l'IA

Maths pour le machine learning en cours particulier en direct : le professeur vous parle à l'oral, explique sur un tableau partagé et avance à votre rythme, leçon après leçon, selon un programme structuré.

Cours en direct 1:1 avec un professeur IA

Professeur : Noam

  • Programme mis à jour le 11/2026
  • Hébreu, et 5 autres langues
  • 3 niveaux
  • 36 leçons · env. 20 heures de cours

Maths pour le machine learning

Maths pour le machine learning en cours particulier en direct : le professeur vous parle à l'oral, explique sur un tableau partagé et avance à votre rythme, leçon après leçon, selon un programme structuré.

12 leçons · 3 chapitres · cours particulier en direct avec le professeur au tableau

Ce que vous allez apprendre

  • Vecteurs : comment un modèle voit les données
  • Matrices et multiplication matricielle : une couche du réseau
  • Dérivées : comment un modèle apprend
  • Gradients et règle de la chaîne
  • Probabilités et distributions
  • Valeurs propres et PCA
  • Optimisation : pourquoi et quand l'entraînement converge
  • Maximum de vraisemblance : d'où viennent les pertes
  • Théorie de l'information : entropie, entropie croisée et KL
  • Synthèse : classifieur multiclasse, du principe au pas

Le cours comprend

  • Cours en direct 1:1 avec un professeur IA sur tableau
  • 20 heures de cours en direct, en tête-à-tête
  • 36 cours sur tableau partagé, chacun avec un objectif clair
  • Exercices et contrôle de compréhension à chaque cours
  • Un résumé après chaque cours, conservé dans l'historique
  • Certificat de fin pour chaque niveau
  • Ordinateur, tablette ou téléphone
  • Hébreu et 5 autres langues

Programme du cours

3 niveaux · 10 chapitres · 36 leçons · 19 h 55 min au total

DébutantsDébutants : vecteurs, matrices et dérivées, le langage d'un modèle3 chapitres • 12 leçons • 6 h 45 min
  1. Vecteurs : comment un modèle voit les données3 leçons • 1 h 35 min
    1. 1Le vecteur : liste de caractéristiques et flècheCours d'essaienv. 30 min
    2. 2Produit scalaire, norme et similaritéenv. 35 min
    3. 3Un neurone : combinaison linéaire, poids et biaisenv. 30 min
  2. Matrices et multiplication matricielle : une couche du réseau4 leçons • 2 h 10 min
    1. 4La matrice : un tableau de données et sa forme (shape)env. 30 min
    2. 5Matrice fois vecteur : une couche entière en une étapeenv. 35 min
    3. 6Multiplication matricielle : batchs, couches et ordreenv. 35 min
    4. 7La matrice comme transformation : étirer, tourner, inverserenv. 30 min
  3. Dérivées : comment un modèle apprend5 leçons • 3 h
    1. 8La fonction de perte : à quel point le modèle se trompeenv. 30 min
    2. 9La dérivée : la pente en un pointenv. 35 min
    3. 10Règles de dérivation : puissance, somme et constanteenv. 35 min
    4. 11Descente de gradient à la main : un pas d'un mini-modèleenv. 40 min
    5. 12Synthèse : un modèle linéaire de bout en boutenv. 40 min
IntermédiaireIntermédiaire : gradients, probabilités et PCA3 chapitres • 12 leçons • 6 h 30 min
  1. Gradients et règle de la chaîne5 leçons • 2 h 40 min
    1. 1Dérivées partielles : quand la perte dépend de nombreux poidsenv. 30 min
    2. 2Le gradient : la flèche de la montée la plus raideenv. 30 min
    3. 3La règle de la chaîne : des fonctions dans des fonctionsenv. 30 min
    4. 4Graphe de calcul et backprop pour un neuroneenv. 35 min
    5. 5Gradients d'une couche complète : matrices et shapesenv. 35 min
  2. Probabilités et distributions4 leçons • 2 h 5 min
    1. 6Variables aléatoires, espérance et varianceenv. 30 min
    2. 7Lois discrètes : Bernoulli, catégorielle et softmaxenv. 30 min
    3. 8Lois continues et loi normaleenv. 30 min
    4. 9Probabilité conditionnelle et théorème de Bayesenv. 35 min
  3. Valeurs propres et PCA3 leçons • 1 h 45 min
    1. 10Covariance et matrice de covarianceenv. 30 min
    2. 11Vecteurs propres et valeurs propresenv. 35 min
    3. 12PCA : axes principaux, projection, réduction de dimensionenv. 40 min
AvancésAvancé : optimisation, vraisemblance et entropie4 chapitres • 12 leçons • 6 h 40 min

Lié à l'examen : Stanford CS229 / EE364a style: derivations of MLE losses, convexity proofs and gradient computations

  1. Optimisation : pourquoi et quand l'entraînement converge4 leçons • 2 h 15 min
    1. 1Ensembles et fonctions convexes : local égal globalenv. 30 min
    2. 2La hessienne : courbure en plusieurs dimensionsenv. 35 min
    3. 3Convergence de la descente de gradient : pas et conditionnementenv. 35 min
    4. 4SGD, momentum et Adam en pratiqueenv. 35 min
  2. Maximum de vraisemblance : d'où viennent les pertes4 leçons • 2 h 5 min
    1. 5Vraisemblance et log-vraisemblance : une pièce, beaucoup de lancersenv. 30 min
    2. 6MLE gaussien : d'où vient le MSEenv. 30 min
    3. 7Régression logistique : MLE, BCE et le gradient p−yenv. 35 min
    4. 8MAP et régularisation : les a priori comme pénalités de poidsenv. 30 min
  3. Théorie de l'information : entropie, entropie croisée et KL2 leçons • 1 h 5 min
    1. 9Entropie : surprise moyenne en bitsenv. 30 min
    2. 10Entropie croisée et KL : le coût d'une mauvaise distributionenv. 35 min
  4. Synthèse : classifieur multiclasse, du principe au pas2 leçons • 1 h 15 min
    1. 11Softmax + entropie croisée : gradient p−y et stabilité numériqueenv. 40 min
    2. 12Du principe à la perte : choisir loss et optimiseurenv. 35 min

Ce qu'il faut

  • Aucune connaissance préalable pour le niveau débutant : le prof vérifie ce qui est déjà acquis et part de là
  • Pour les niveaux suivants : ce qui a été vu au niveau précédent (on peut passer si on le maîtrise déjà)
  • Un ordinateur, une tablette ou un téléphone avec micro, et un navigateur

Pour qui

  • Pour les adultes : travail, études, examen ou simple curiosité

Examens et certifications

  • Avancés: Stanford CS229 / EE364a style: derivations of MLE losses, convexity proofs and gradient computations
  • IA et apprentissage automatique

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 19 heures35 leçons3 niveaux
  • Utiliser l'IA intelligemment

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 12 heures24 leçons2 niveaux
  • Apprentissage automatique

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 20 heures36 leçons3 niveaux
  • Apprentissage profond

    avec Noa

    Cours en direct 1:1 avec un professeur IAenv. 18 heures34 leçons3 niveaux
  • Vision par ordinateur

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 20 heures36 leçons3 niveaux
  • IA générative et prompt engineering

    avec Noa

    Cours en direct 1:1 avec un professeur IAenv. 19 heures36 leçons3 niveaux
Tous les cours du parcours Intelligence artificielle

Votre prof

NoamNoamProfesseur IA particulier, en cours en direct sur tableau partagé

Un prof IA particulier qui enseigne en direct : il pose des questions, écoute, dessine au tableau et laisse l'élève résoudre seul, avec des indices. Il se souvient de ce que vous avez vu et commence chaque cours là où vous vous êtes arrêtés.

À quoi ressemble un cours ?

  • L'enfant parle au prof à voix haute, comme en visio, et pose ses questions.

  • Le prof explique, écrit et dessine sur un tableau partagé, et l'enfant résout avec lui sur le même tableau.

  • On peut photographier une fiche ou des devoirs et travailler dessus, exercice par exercice.

  • Le parent reçoit un bilan : temps d'étude, réussites et points à renforcer.

Règles du cours

  • Juste apprendre

Questions fréquentes

Comment se passe un cours particulier en Maths pour le machine learning ?
On choisit Maths pour le machine learning et un niveau, puis on parle au prof à voix haute. Le prof demande ce qu'on sait déjà, explique, écrit et dessine au tableau, et laisse chercher seul avec des indices jusqu'à ce que ce soit clair.
Combien de temps dure le cours Maths pour le machine learning ?
12 cours d'environ 34 minutes au premier niveau, à votre rythme. On peut s'arrêter, revenir en arrière et passer ce qui est déjà acquis.
Il faut des connaissances préalables ?
Pas au niveau débutant. Au début du premier cours, le prof vérifie ce qui est déjà connu et adapte le niveau. On peut aussi commencer directement à un niveau avancé.
Comment commencer gratuitement ?
On se connecte avec un compte Google ou un code reçu par e-mail, on indique le prénom et la classe de l'enfant, et le cours commence tout de suite. Chaque famille reçoit 45 minutes de cours offertes, dans toutes les matières, selon le temps de cours réel, sans carte bancaire. Ensuite, on choisit un abonnement payant, résiliable à tout moment.
Sur quel appareil apprendre ?
Sur tout ordinateur, tablette ou téléphone avec un navigateur et un micro. On peut aussi installer le site comme une appli sur l'écran d'accueil.

Envie d'essayer ?

On entre le prénom et la classe de l'enfant, et le cours commence. 45 minutes offertes, sans carte bancaire.

Commencer gratuitement

Shiur Prati avec l'IA : c'est quoi et comment ça marche

Maths pour le machine learningLes 45 premières minutes sont gratuites

Cours particulierCommencer gratuitement