|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
|
|
|
"translation_date": "2026-01-16T07:36:15+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "fr"
|
|
|
}
|
|
|
-->
|
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](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) | [Birman (Myanmar)](../my/README.md) | [Chinois (Simplifié)](../zh/README.md) | [Chinois (Traditionnel, Hong Kong)](../hk/README.md) | [Chinois (Traditionnel, Macao)](../mo/README.md) | [Chinois (Traditionnel, Taïwan)](../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) | [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)](../br/README.md) | [Portugais (Portugal)](../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) | [Telugu](../te/README.md) | [Thaïlandais](../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 linguistiques, ce qui augmente considérablement la taille de téléchargement. Pour cloner sans les traductions, utilisez le checkout partiel :
|
|
|
> ```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'
|
|
|
> ```
|
|
|
> Cela vous fournit tout ce dont vous avez besoin pour compléter le cours avec un téléchargement beaucoup plus rapide.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### Rejoignez Notre Communauté
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Nous avons une série Discord apprendre avec l'IA en cours, pour en savoir plus et nous rejoindre, consultez [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous recevrez astuces et conseils pour utiliser GitHub Copilot en Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Apprentissage Automatique pour Débutants - Un Programme
|
|
|
|
|
|
> 🌍 Faites le tour du monde en explorant l'Apprentissage Automatique à travers les cultures mondiales 🌍
|
|
|
|
|
|
Les Cloud Advocates de Microsoft ont le plaisir de proposer un programme de 12 semaines, 26 leçons entièrement dédié à **l’Apprentissage Automatique**. Dans ce cursus, vous apprendrez ce que l’on appelle parfois **l’apprentissage automatique classique**, utilisant principalement Scikit-learn comme bibliothèque et évitant le deep learning, qui est couvert dans notre [curriculum IA pour débutants](https://aka.ms/ai4beginners). Associez ces leçons à notre [curriculum 'Data Science pour débutants'](https://aka.ms/ds4beginners) également !
|
|
|
|
|
|
Voyagez avec nous autour du monde en appliquant ces techniques classiques à des données provenant de nombreuses régions du globe. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour compléter la leçon, une solution, un devoir, et plus encore. Notre pédagogie basée sur les projets vous permet d’apprendre en construisant, une méthode éprouvée pour que les nouvelles compétences « collent ».
|
|
|
|
|
|
**✍️ 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 auteurs, relecteurs et contributeurs étudiants Microsoft**, notamment Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, et Snigdha Agarwal
|
|
|
|
|
|
**🤩 Une gratitude spéciale aux Ambassadeurs Étudiants Microsoft Eric Wanjau, Jasleen Sondhi, et Vidushi Gupta pour nos leçons R !**
|
|
|
|
|
|
# Commencer
|
|
|
|
|
|
Suivez ces étapes :
|
|
|
1. **Forkez le 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 supplémentaires 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 les solutions aux problèmes fréquents d’installation, de configuration et d’exécution des leçons.
|
|
|
|
|
|
|
|
|
**[Étudiants](https://aka.ms/student-page)**, pour utiliser ce programme, forkez tout le 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 faisant des pauses pour réfléchir à chaque point de contrôle des connaissances.
|
|
|
- Essayez de créer les projets en comprenant les leçons plutôt qu’en exécutant simplement le code solution ; cependant, ce code est disponible dans les dossiers `/solution` de chaque leçon orientée projet.
|
|
|
- Passez le quiz après la leçon.
|
|
|
- Réalisez le challenge.
|
|
|
- Effectuez le devoir.
|
|
|
- Après avoir terminé un groupe de leçons, visitez le [forum de discussion](https://github.com/microsoft/ML-For-Beginners/discussions) et « apprenez à voix haute » en remplissant la grille PAT appropriée. Un 'PAT' est un outil d’évaluation des progrès que vous remplissez pour approfondir votre apprentissage. Vous pouvez aussi réagir aux autres PAT afin que nous apprenions 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) sur la façon d’utiliser ce programme.
|
|
|
|
|
|
---
|
|
|
|
|
|
## Vidéos explicatives
|
|
|
|
|
|
Certaines leçons sont disponibles sous forme de courtes vidéos. Vous pouvez les trouver intégrées dans les leçons, ou sur la [playlist ML for Beginners de la chaîne Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) en cliquant sur l’image ci-dessous.
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## Rencontrez l’Équipe
|
|
|
|
|
|
[](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 lors de la création de ce programme : s’assurer qu’il soit **basé sur des projets pratiques** et qu’il inclue des **quiz fréquents**. De plus, ce programme a un **thème** commun pour lui donner de la cohésion.
|
|
|
|
|
|
En veillant à ce que le contenu soit aligné sur des projets, le processus devient plus engageant pour les étudiants et la rétention des concepts sera augmentée. De plus, un quiz à faibles enjeux avant une classe oriente l’intention de l’étudiant vers l’apprentissage d’un sujet, tandis qu’un second quiz après la classe assure une meilleure rétention. Ce programme a été conçu pour être flexible et amusant et peut être réalisé en totalité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes au fil des 12 semaines. Ce programme inclut également un épilogue sur les applications réelles de l’apprentissage automatique, pouvant servir de capital supplémentaire ou de base de discussion.
|
|
|
|
|
|
> Retrouvez notre [Code de conduite](CODE_OF_CONDUCT.md), [Contribuer](CONTRIBUTING.md), [Traduction](TRANSLATIONS.md) et [Dépannage](TROUBLESHOOTING.md). Vos retours constructifs sont les bienvenus !
|
|
|
|
|
|
## Chaque leçon comprend
|
|
|
|
|
|
- un sketchnote optionnel
|
|
|
- une vidéo complémentaire optionnelle
|
|
|
- une vidéo explicative (certaines leçons uniquement)
|
|
|
- [quiz préparatoire avant la leçon](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- une leçon écrite
|
|
|
- pour les leçons basées sur un projet, des guides étape par étape pour construire le projet
|
|
|
- des points de contrôle des connaissances
|
|
|
- un challenge
|
|
|
- des lectures complémentaires
|
|
|
- un devoir
|
|
|
- [quiz après la leçon](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> **Une note sur les langues** : Ces leçons sont principalement écrites en Python, mais beaucoup sont aussi disponibles en R. Pour compléter une leçon en R, allez dans le dossier `/solution` et cherchez les leçons R. Elles comprennent une extension .rmd qui représente un fichier **R Markdown** pouvant être défini simplement comme un mélange de « blocs de code » (de R ou autres langages) et d’un « en-tête YAML » (qui guide la mise en forme des sorties telles que PDF) dans un document Markdown. En tant que tel, il sert de cadre d’auteur exemplaire pour la science des données puisqu’il vous permet de combiner votre code, sa sortie et vos pensées en les écrivant en Markdown. De plus, les documents R Markdown peuvent être rendus à des formats de sortie comme 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 composés de 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 la leçon | Sujet | Regroupement des leçons | Objectifs d’apprentissage | Leçon liée | Auteur |
|
|
|
| :-----------------: | :------------------------------------------------------------: | :---------------------------------------------------------: | --------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | Introduction à l’apprentissage automatique | [Introduction](1-Introduction/README.md) | Apprenez les concepts de base de l’apprentissage automatique | [Leçon](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | L’histoire de l’apprentissage automatique | [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 automatique | [Introduction](1-Introduction/README.md) | Quels sont les enjeux philosophiques importants liés à l’équité que les étudiants doivent considérer lorsqu’ils construisent et appliquent des modèles ML ? | [Leçon](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | Techniques d’apprentissage automatique | [Introduction](1-Introduction/README.md) | Quelles techniques les chercheurs ML utilisent-ils pour construire 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 le 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 | Cuisines asiatiques et indiennes délicieuses 🍜 | [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 | Cuisines asiatiques et indiennes délicieuses 🍜 | [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 | Cuisines asiatiques et indiennes délicieuses 🍜 | [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 automatique du langage naturel ☕️ | [Traitement du langage naturel](6-NLP/README.md) | Apprenez les bases du TAL en construisant un bot simple | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | Tâches courantes en TAL ☕️ | [Traitement du langage naturel](6-NLP/README.md) | Approfondissez vos connaissances en TAL en comprenant les tâches courantes nécessaires au traitement des 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 | ⚡️ Consommation d’électricité mondiale ⚡️ — prévision avec ARIMA | [Séries temporelles](7-TimeSeries/README.md) | Prévision de séries temporelles avec ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ Consommation d’électricité mondiale ⚡️ — prévision avec SVR | [Séries temporelles](7-TimeSeries/README.md) | Prévision de 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 en apprentissage par renforcement | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Post-scriptum | Scénarios et applications ML réels | [ML dans la nature](9-Real-World/README.md) | Applications réelles intéressantes et révélatrices de l’apprentissage automatique classique | [Leçon](9-Real-World/1-Applications/README.md) | Équipe |
|
|
|
| Post-scriptum | Débogage de modèles ML avec le tableau de bord RAI | [ML dans la nature](9-Real-World/README.md) | Débogage de modèles en apprentissage automatique utilisant les 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/#/). Forkez 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 web 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
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Série d’IA générative
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-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
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Série Copilot
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](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 sur la création d'applications d'IA. Rejoignez d'autres apprenants et développeurs expérimentés dans les discussions sur MCP. C'est une communauté bienveillante où les questions sont les bienvenues et les connaissances sont librement partagées.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Si vous avez des retours sur le produit ou rencontrez des erreurs lors de la création, visitez :
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- 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 d'origine doit être considéré comme la source faisant foi. Pour les informations critiques, une traduction professionnelle réalisée par un humain est recommandée. Nous déclinons toute responsabilité en cas de malentendus ou de mauvaises interprétations résultant de l’utilisation de cette traduction.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
