0Pricing
Deep Learning Academy · Leçon

Minimiser une fonction à la main en Python

Programmez la descente de gradient sur une courbe simple.

Minimiser une fonction à la main en Python est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

A Tiny Practice Problem

Let's run gradient descent ourselves on one simple curve. We will minimize a basic function in plain Python before trusting any framework to do it.

Pick a Function

We use a single-dip parabola. Its lowest point sits at x equal to 3, so that is the minimum our code should discover on its own.

def f(x):
    return (x - 3) ** 2

Know the Gradient

For this curve the slope, or gradient, is two times x minus three. In real models autograd computes this for you, but here we write it directly.

def grad(x):
    return 2 * (x - 3)

Start Somewhere

Descent needs a starting point. We pick an arbitrary initial value far from the answer so we can watch the steps march toward it.

x = 0.0

Choose a Learning Rate

We set a modest learning rate so steps are big enough to make progress but small enough to avoid overshooting the dip.

lr = 0.1

The Update Step

Each iteration applies the same rule from before: subtract the scaled gradient from x. One line does all the downhill work.

x = x - lr * grad(x)

Loop It

One step is not enough, so we wrap the update in a loop. Twenty or so iterations let x slide steadily toward the minimum.

for i in range(20):
    x = x - lr * grad(x)

Watch It Converge

Print x and f(x) each pass and you will see them converge: x creeps toward 3 and the function value shrinks toward zero.

    print(round(x, 4), round(f(x), 6))

Steps Get Smaller

Notice the moves shrink as you approach the bottom. Near the minimum the gradient is tiny, so each step naturally slows down without any extra code.

Try a Bad Rate

Set the learning rate to something like 1.1 and rerun. x bounces away instead of settling, showing live how a too-big step diverges.

lr = 1.1

Same Idea, Bigger Scale

This handful of lines is exactly what deep learning does, just with millions of weights and an automatic gradient. The core loop never changes.

Quick Check

What signals that descent is converging?

Recap

You coded gradient descent by hand: define a function and its gradient, start somewhere, then loop the update rule until x converges on the minimum. ✅

Questions Fréquemment Posées

La leçon « Minimiser une fonction à la main en Python » est-elle gratuite ?

Oui — le texte complet de « Minimiser une fonction à la main en Python » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Minimiser une fonction à la main en Python » ?

Programmez la descente de gradient sur une courbe simple. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?

Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.

Combien de temps prend la leçon « Minimiser une fonction à la main en Python » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?

Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. La perte comme paysage à parcourir
  2. Les gradients pointent vers le haut : avancez donc dans l’autre sens
  3. Taux d’apprentissage : trop grand, trop petit ou idéal
  4. Minimiser une fonction à la main en Python
← Retour à Deep Learning Academy