[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)

[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)

### 🌐 Support multilingue

#### Pris en charge via GitHub Action (Automatisé & Toujours à jour)

<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabe](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgare](../bg/README.md) | [Birmane (Myanmar)](../my/README.md) | [Chinois (simplifié)](../zh-CN/README.md) | [Chinois (traditionnel, Hong Kong)](../zh-HK/README.md) | [Chinois (traditionnel, Macao)](../zh-MO/README.md) | [Chinois (traditionnel, Taïwan)](../zh-TW/README.md) | [Croate](../hr/README.md) | [Tchèque](../cs/README.md) | [Danois](../da/README.md) | [Néerlandais](../nl/README.md) | [Estonien](../et/README.md) | [Finnois](../fi/README.md) | [Français](./README.md) | [Allemand](../de/README.md) | [Grec](../el/README.md) | [Hébreu](../he/README.md) | [Hindi](../hi/README.md) | [Hongrois](../hu/README.md) | [Indonésien](../id/README.md) | [Italien](../it/README.md) | [Japonais](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Coréen](../ko/README.md) | [Lituanien](../lt/README.md) | [Malais](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Népalais](../ne/README.md) | [Pidgin nigérian](../pcm/README.md) | [Norvégien](../no/README.md) | [Persan (Farsi)](../fa/README.md) | [Polonais](../pl/README.md) | [Portugais (Brésil)](../pt-BR/README.md) | [Portugais (Portugal)](../pt-PT/README.md) | [Pendjabi (Gurmukhi)](../pa/README.md) | [Roumain](../ro/README.md) | [Russe](../ru/README.md) | [Serbe (cyrillique)](../sr/README.md) | [Slovaque](../sk/README.md) | [Slovène](../sl/README.md) | [Espagnol](../es/README.md) | [Swahili](../sw/README.md) | [Suédois](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamoul](../ta/README.md) | [Télougou](../te/README.md) | [Thaï](../th/README.md) | [Turc](../tr/README.md) | [Ukrainien](../uk/README.md) | [Ourdou](../ur/README.md) | [Vietnamien](../vi/README.md)

> **Vous préférez cloner localement ?**
>
> Ce dépôt comprend plus de 50 traductions de langues, ce qui augmente considérablement la taille du téléchargement. Pour cloner sans les traductions, utilisez le sparse checkout :
>
> **Bash / macOS / Linux :**
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
>
> **CMD (Windows) :**
> ```cmd
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Cela vous donne tout ce dont vous avez besoin pour suivre le cours avec un téléchargement beaucoup plus rapide.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->

#### Rejoignez notre communauté

[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)

Nous avons une série continue "Apprendre avec l’IA" sur Discord, apprenez-en plus et rejoignez-nous sur [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous découvrirez des astuces pour utiliser GitHub Copilot pour la science des données.

![Série Apprendre avec l’IA](../../translated_images/fr/3.9b58fd8d6c373c20.webp)

# Apprentissage automatique pour débutants - Un programme

> 🌍 Parcourez le monde en découvrant l’apprentissage automatique à travers les cultures mondiales 🌍

Les Cloud Advocates de Microsoft sont heureux de proposer un programme de 12 semaines, 26 leçons, entièrement consacré à **l’apprentissage automatique**. Dans ce programme, vous apprendrez ce que l’on appelle parfois **l’apprentissage automatique classique**, en utilisant principalement la bibliothèque Scikit-learn et en évitant l’apprentissage profond, qui est abordé dans notre [programme IA pour débutants](https://aka.ms/ai4beginners). Associez ces leçons à notre [programme ‘Science des données pour débutants’](https://aka.ms/ds4beginners) également !

Voyagez avec nous autour du monde en appliquant ces techniques classiques à des données de nombreux pays et régions. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour réaliser la leçon, une solution, un devoir, et plus encore. Notre pédagogie basée sur des projets vous permet d’apprendre en construisant, une méthode éprouvée pour ancrer les nouvelles compétences.

**✍️ Un grand merci à nos auteurs** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu et Amy Boyd

**🎨 Merci également à nos illustrateurs** Tomomi Imura, Dasani Madipalli, et Jen Looper

**🙏 Remerciements particuliers 🙏 à nos ambassadeurs étudiants Microsoft auteurs, relecteurs et contributeurs de contenu**, notamment Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, et Snigdha Agarwal

**🤩 Gratitude supplémentaire aux ambassadeurs étudiants Microsoft Eric Wanjau, Jasleen Sondhi, et Vidushi Gupta pour nos leçons de R !**

# Pour commencer

Suivez ces étapes :
1. **Faites un fork du dépôt** : Cliquez sur le bouton « Fork » en haut à droite de cette page.
2. **Clonez le dépôt** :   `git clone https://github.com/microsoft/ML-For-Beginners.git`

> [trouvez toutes les ressources complémentaires pour ce cours dans notre collection Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

> 🔧 **Besoin d’aide ?** Consultez notre [Guide de dépannage](TROUBLESHOOTING.md) pour des solutions aux problèmes courants d’installation, de configuration et d’exécution des leçons.


**[Étudiants](https://aka.ms/student-page)**, pour utiliser ce programme, faites un fork complet du dépôt sur votre propre compte GitHub et réalisez les exercices seul ou en groupe :

- Commencez par un quiz avant la leçon.
- Lisez la leçon et complétez les activités, en vous arrêtant pour réfléchir à chaque point de contrôle des connaissances.
- Essayez de créer les projets en comprenant les leçons plutôt qu’en exécutant directement le code de la solution ; ce code est toutefois disponible dans les dossiers `/solution` de chaque leçon orientée projet.
- Faites le quiz après la leçon.
- Réalisez le challenge.
- Faites le devoir.
- Après avoir terminé un groupe de leçons, consultez le [forum de discussion](https://github.com/microsoft/ML-For-Beginners/discussions) et « apprenez à haute voix » en remplissant la grille PAT correspondante. Un 'PAT' est un Outil d’évaluation des progrès que vous complétez pour approfondir votre apprentissage. Vous pouvez aussi réagir à d’autres PAT afin que nous puissions apprendre ensemble.

> Pour aller plus loin, nous recommandons de suivre ces modules et parcours d’apprentissage [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).

**Enseignants**, nous avons [inclus quelques suggestions](for-teachers.md) pour utiliser ce programme.

---

## Vidéos explicatives

Certaines leçons sont disponibles sous forme de vidéos courtes. Vous pouvez toutes les trouver intégrées dans les leçons, ou sur la [playlist ML for Beginners sur la chaîne YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) en cliquant sur l’image ci-dessous.

[![Bannière ML for beginners](../../translated_images/fr/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)

---

## Rencontrez l’équipe

[![Vidéo promo](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)

**Gif par** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)

> 🎥 Cliquez sur l’image ci-dessus pour une vidéo sur le projet et les personnes qui l’ont créé !

---

## Pédagogie

Nous avons choisi deux principes pédagogiques en construisant ce programme : garantir qu’il soit **axé sur des projets pratiques** et qu’il inclue des **quiz fréquents**. De plus, ce programme a un **thème commun** pour lui donner une cohésion.

En alignant le contenu sur des projets, le processus devient plus engageant pour les étudiants et la rétention des concepts est augmentée. De plus, un quiz à faible enjeu avant la classe oriente l’attention de l’étudiant vers l’apprentissage d’un sujet, tandis qu’un second quiz après la classe assure une rétention plus approfondie. Ce programme a été conçu pour être flexible et ludique et peut être suivi en totalité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes jusqu’à la fin du cycle de 12 semaines. Ce programme comprend aussi un post-scriptum sur les applications réelles de l’apprentissage automatique, qui peut servir de crédit supplémentaire ou de base pour discussion.

> Trouvez nos directives [Code de conduite](CODE_OF_CONDUCT.md), [Contribution](CONTRIBUTING.md), [Traductions](..), et [Dépannage](TROUBLESHOOTING.md). Nous accueillons vos retours constructifs !

## Chaque leçon comprend

- sketchnote optionnelle
- vidéo complémentaire optionnelle
- vidéo explicative (certaines leçons seulement)
- [quiz d’échauffement avant la leçon](https://ff-quizzes.netlify.app/en/ml/)
- leçon écrite
- pour les leçons basées sur des projets, guides pas à pas pour construire le projet
- points de vérification des connaissances
- un challenge
- lecture complémentaire
- devoir
- [quiz après la leçon](https://ff-quizzes.netlify.app/en/ml/)
> **Une note à propos des langues** : Ces leçons sont principalement écrites en Python, mais beaucoup sont également disponibles en R. Pour compléter une leçon en R, allez dans le dossier `/solution` et cherchez les leçons en R. Elles incluent une extension .rmd qui représente un fichier **R Markdown** qui peut être simplement défini comme une intégration de `blocs de code` (en R ou autres langages) et un `en-tête YAML` (qui guide la mise en forme des sorties telles que PDF) dans un `document Markdown`. En tant que tel, cela sert de cadre d’écriture exemplaire pour la science des données puisqu’il vous permet de combiner votre code, sa sortie et vos pensées en vous permettant de les écrire en Markdown. De plus, les documents R Markdown peuvent être rendus dans des formats de sortie tels que PDF, HTML ou Word.

> **Une note à propos des quiz** : Tous les quiz sont contenus dans le [dossier Quiz App](../../quiz-app), pour un total de 52 quiz avec trois questions chacun. Ils sont liés depuis les leçons mais l’application de quiz peut être exécutée localement ; suivez les instructions dans le dossier `quiz-app` pour héberger localement ou déployer sur Azure.

| Numéro de leçon |                              Sujet                              |                   Regroupement des leçons                   | Objectifs d’apprentissage                                                                                                         |                                                               Leçon liée                                                                |                        Auteur                        |
| :-------------: | :------------------------------------------------------------: | :----------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|       01        |                Introduction à l’apprentissage machine                |      [Introduction](1-Introduction/README.md)       | Apprenez les concepts de base derrière l’apprentissage machine                                                                  |                                             [Leçon](1-Introduction/1-intro-to-ML/README.md)                                             |                       Muhammad                       |
|       02        |                L’histoire de l’apprentissage machine                 |      [Introduction](1-Introduction/README.md)       | Apprenez l’histoire sous-jacente à ce domaine                                                                                   |                                            [Leçon](1-Introduction/2-history-of-ML/README.md)                                            |                     Jen et Amy                      |
|       03        |                 Équité et apprentissage machine                  |      [Introduction](1-Introduction/README.md)       | Quels sont les enjeux philosophiques importants autour de l’équité que les étudiants devraient considérer lors de la création et de l’application de modèles ML ? |                                              [Leçon](1-Introduction/3-fairness/README.md)                                               |                        Tomomi                        |
|       04        |                Techniques pour l’apprentissage machine                 |      [Introduction](1-Introduction/README.md)       | Quelles techniques les chercheurs en ML utilisent-ils pour créer des modèles ML ?                                               |                                          [Leçon](1-Introduction/4-techniques-of-ML/README.md)                                           |                    Chris et Jen                     |
|       05        |                   Introduction à la régression                   |        [Régression](2-Regression/README.md)         | Commencez avec Python et Scikit-learn pour les modèles de régression                                                             |         [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)         |      Jen • Eric Wanjau       |
|       06        |                Prix des citrouilles en Amérique du Nord 🎃                |        [Régression](2-Regression/README.md)         | Visualisez et nettoyez les données en préparation pour ML                                                                       |          [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html)          |      Jen • Eric Wanjau       |
|       07        |                Prix des citrouilles en Amérique du Nord 🎃                |        [Régression](2-Regression/README.md)         | Construisez des modèles de régression linéaire et polynomiale                                                                   |        [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)        |      Jen et Dmitry • Eric Wanjau       |
|       08        |                Prix des citrouilles en Amérique du Nord 🎃                |        [Régression](2-Regression/README.md)         | Construisez un modèle de régression logistique                                                                                   |     [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)      |      Jen • Eric Wanjau       |
|       09        |                          Une application web 🔌                          |           [Application Web](3-Web-App/README.md)            | Construisez une application web pour utiliser votre modèle entraîné                                                             |                                                 [Python](3-Web-App/1-Web-App/README.md)                                                  |                         Jen                          |
|       10        |                 Introduction à la classification                 |    [Classification](4-Classification/README.md)     | Nettoyez, préparez et visualisez vos données ; introduction à la classification                                                 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html)  | Jen et Cassie • Eric Wanjau |
|       11        |             Délicieuses cuisines asiatiques et indiennes 🍜             |    [Classification](4-Classification/README.md)     | Introduction aux classificateurs                                                                                                 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen et Cassie • Eric Wanjau |
|       12        |             Délicieuses cuisines asiatiques et indiennes 🍜             |    [Classification](4-Classification/README.md)     | Plus de classificateurs                                                                                                          | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen et Cassie • Eric Wanjau |
|       13        |             Délicieuses cuisines asiatiques et indiennes 🍜             |    [Classification](4-Classification/README.md)     | Construisez une application web de recommandation utilisant votre modèle                                                         |                                              [Python](4-Classification/4-Applied/README.md)                                              |                         Jen                          |
|       14        |                   Introduction au clustering                   |        [Clustering](5-Clustering/README.md)         | Nettoyez, préparez et visualisez vos données ; introduction au clustering                                                        |         [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html)         |      Jen • Eric Wanjau       |
|       15        |              Exploration des goûts musicaux nigérians 🎧              |        [Clustering](5-Clustering/README.md)         | Explorez la méthode de clustering K-Means                                                                                        |           [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html)           |      Jen • Eric Wanjau       |
|       16        |        Introduction au traitement du langage naturel ☕️         |   [Traitement du langage naturel](6-NLP/README.md)    | Apprenez les bases du NLP en construisant un simple bot                                                                         |                                             [Python](6-NLP/1-Introduction-to-NLP/README.md)                                              |                       Stephen                        |
|       17        |                      Tâches courantes en NLP ☕️                      |   [Traitement du langage naturel](6-NLP/README.md)    | Approfondissez vos connaissances NLP en comprenant les tâches courantes requises pour traiter les structures linguistiques       |                                                    [Python](6-NLP/2-Tasks/README.md)                                                     |                       Stephen                        |
|       18        |             Traduction et analyse de sentiment ♥️              |   [Traitement du langage naturel](6-NLP/README.md)    | Traduction et analyse de sentiment avec Jane Austen                                                                             |                                            [Python](6-NLP/3-Translation-Sentiment/README.md)                                             |                       Stephen                        |
|       19        |                  Hôtels romantiques d’Europe ♥️                  |   [Traitement du langage naturel](6-NLP/README.md)    | Analyse de sentiment avec des avis d’hôtels 1                                                                                   |                                               [Python](6-NLP/4-Hotel-Reviews-1/README.md)                                                |                       Stephen                        |
|       20        |                  Hôtels romantiques d’Europe ♥️                  |   [Traitement du langage naturel](6-NLP/README.md)    | Analyse de sentiment avec des avis d’hôtels 2                                                                                   |                                               [Python](6-NLP/5-Hotel-Reviews-2/README.md)                                                |                       Stephen                        |
|       21        |            Introduction à la prévision des séries temporelles             |        [Séries temporelles](7-TimeSeries/README.md)        | Introduction à la prévision des séries temporelles                                                                              |                                             [Python](7-TimeSeries/1-Introduction/README.md)                                              |                      Francesca                       |
|       22        | ⚡️ Utilisation mondiale de l’énergie ⚡️ - prévision des séries temporelles avec ARIMA |        [Séries temporelles](7-TimeSeries/README.md)        | Prévision des séries temporelles avec ARIMA                                                                                     |                                                 [Python](7-TimeSeries/2-ARIMA/README.md)                                                 |                      Francesca                       |
|       23        |  ⚡️ Utilisation mondiale de l’énergie ⚡️ - prévision des séries temporelles avec SVR  |        [Séries temporelles](7-TimeSeries/README.md)        | Prévision des séries temporelles avec Support Vector Regressor                                                                  |                                                  [Python](7-TimeSeries/3-SVR/README.md)                                                  |                       Anirban                        |
|       24        |             Introduction à l’apprentissage par renforcement             | [Apprentissage par renforcement](8-Reinforcement/README.md) | Introduction à l’apprentissage par renforcement avec Q-Learning                                                                  |                                             [Python](8-Reinforcement/1-QLearning/README.md)                                              |                        Dmitry                        |
|       25        |                 Aidez Peter à éviter le loup ! 🐺                  | [Apprentissage par renforcement](8-Reinforcement/README.md) | Gym pour apprentissage par renforcement                                                                                         |                                                [Python](8-Reinforcement/2-Gym/README.md)                                                 |                        Dmitry                        |
|  Postface      |            Scénarios et applications réels de ML            |      [ML in the Wild](9-Real-World/README.md)       | Applications intéressantes et révélatrices du ML classique                                                                    |                                             [Leçon](9-Real-World/1-Applications/README.md)                                              |                         Équipe                         |
|  Postface      |            Débogage de modèle en ML avec le tableau de bord RAI          |      [ML in the Wild](9-Real-World/README.md)       | Débogage de modèle en apprentissage machine avec composants du tableau de bord Responsible AI                                   |                                             [Leçon](9-Real-World/2-Debugging-ML-Models/README.md)                                              |                         Ruth Yakubu                       |

> [trouvez toutes les ressources supplémentaires pour ce cours dans notre collection Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

## Accès hors ligne

Vous pouvez consulter cette documentation hors ligne en utilisant [Docsify](https://docsify.js.org/#/). Clonez ce dépôt, [installez Docsify](https://docsify.js.org/#/quickstart) sur votre machine locale, puis dans le dossier racine de ce dépôt, tapez `docsify serve`. Le site sera servi sur le port 3000 sur votre localhost : `localhost:3000`.

## PDFs

Trouvez un PDF du programme avec les liens [ici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).


## 🎒 Autres cours

Notre équipe produit d’autres cours ! Découvrez :

<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---

### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)

---
 
### Série Intelligence Artificielle Générative
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)

---
 
### Apprentissage Fondamental
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)

---
 
### Série Copilot
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->

## Obtenir de l'aide

Si vous êtes bloqué ou avez des questions pendant l'apprentissage du Machine Learning ou la création d'applications d'IA, ne vous inquiétez pas — de l'aide est disponible.

Vous pouvez rejoindre les discussions avec d'autres apprenants et développeurs, poser des questions, et partager vos idées avec la communauté.

- Rejoignez la communauté pour poser des questions et apprendre avec d'autres
- Discutez des concepts de Machine Learning et des idées de projets
- Obtenez des conseils de développeurs expérimentés

Une communauté de soutien est un excellent moyen de développer vos compétences et résoudre les problèmes plus rapidement.

[Microsoft Foundry Discord Community](https://discord.gg/nTYy5BXMWG)

Si vous rencontrez des bugs, erreurs ou avez des suggestions d'amélioration, vous pouvez aussi ouvrir un **Issue** dans ce dépôt pour signaler le problème.

Pour des retours sur le produit ou pour rechercher dans les messages existants, visitez le Forum des développeurs :

[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)

## Conseils supplémentaires pour apprendre

- Passez en revue les notebooks après chaque leçon pour mieux comprendre.
- Pratiquez la mise en œuvre des algorithmes par vous-même.
- Explorez des jeux de données réels en utilisant les concepts appris.

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Avertissement** :  
Ce document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour les informations critiques, une traduction professionnelle humaine est recommandée. Nous ne sommes pas responsables des malentendus ou des mauvaises interprétations résultant de l'utilisation de cette traduction.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->