La roadmap du cours

Comment ce cours est construit

Dix modules, du plus fondamental au plus spécialisé. Chaque module est autonome : tu peux le lire dans l'ordre, ou sauter directement à ce qui t'intéresse — la barre de progression s'en fiche, elle compte juste ce que tu as terminé.

Le fil rouge pédagogique : chaque concept ML est raccroché à quelque chose que tu connais déjà en backend. Cherche les encadrés cyan 🔁 — ce sont tes raccourcis mentaux.

La carte

1. Fondations CS revisitées — ton réseau, ton Linux, ton Docker… vus sous l'angle ML : pourquoi la latence p99 gouverne le serving, ce qu'est vraiment un GPU, pourquoi le GIL de Python va t'énerver.
2. Les maths sans douleur — trois piliers seulement : l'algèbre linéaire (des tableaux qui se multiplient), les dérivées (comment un modèle « apprend »), les probas/stats (comment on raisonne sur l'incertain).
3. Python data — numpy et pandas, les deux outils que tu utiliseras tous les jours, et pourquoi la vectorisation remplace tes boucles for.
4. Data engineering pour le ML — un modèle vaut ce que valent ses données : SQL avancé, formats colonne (parquet), pipelines.
5. ML classique — régressions, arbres, gradient boosting : 80 % des problèmes réels en entreprise se règlent ici, pas avec un LLM.
6. Deep learning — le neurone, la backpropagation pas à pas, PyTorch, jusqu'à l'attention.
7. NLP & LLMs — tokenization, embeddings, transformers, fine-tuning vs RAG : le module le plus demandé du marché.
8. MLOps — ton terrain de jeu naturel : tracking d'expériences, serving, monitoring, CI/CD de modèles.
9. ML System Design — les études de cas d'entretien : système de reco, détection de fraude, recherche sémantique.
10. Projet fil rouge & carrière — un projet end-to-end pour ton portfolio, et la préparation des entretiens.

Trois façons de suivre le cours

• Le marathonien : dans l'ordre, module par module. Compte 2-3 mois à raison de quelques heures par semaine.
• Le pragmatique : modules 3 → 5 → 8 d'abord (Python, ML classique, MLOps) — le minimum employable — puis le reste.
• Le curieux LLM : modules 2 (juste les gradients) → 6 → 7, pour comprendre les transformers au plus vite, puis revenir combler les trous.

Chaque leçon se termine par un checkpoint ✓ : coche-le quand tu estimes avoir compris, c'est lui qui fait avancer ta progression. Les quiz te confrontent à ce que tu crois savoir, et les flashcards reviennent te tester dans quelques jours (répétition espacée) — c'est le système le plus efficace connu pour mémoriser durablement.

À retenir : navigation libre, progression honnête (le checkpoint n'engage que toi), et un principe — mieux vaut 30 minutes par jour que 6 heures le dimanche.