![EpiMed Open Course](/img/default-banner.jpg)
- 45
- 252 902
EpiMed Open Course
France
Приєднався 20 бер 2020
Délégation et relations entre objets en programmation orientée objet (UML et Python) | POO #04
Dans cette vidéo, nous parlerons du principe de délégation et des relations entre objets en programmation orientée objet. Nous allons apprendre comment travailler avec des objets de plusieurs classes différentes et quelles relations peuvent exister entre ces objets. Nous étudions trois types de relations : association, agrégation et composition. Les exemples seront donnés dans le langage Python mais les notions que nous allons apprendre sont générales.
Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA)
#uml #class_diagram #python
Table des matières
00:00 Introduction et rappels
00:44 Principe de délégation
02:33 Exemple de délégation en Python
03:49 Relation dans un diagramme de classes UML
05:25 Relations entre deux objets
05:58 Association
07:19 Exemple d’une association
09:23 Agrégation
11:09 Exemple d’une agrégation
12:25 Composition
13:28 Exemple d’une composition
14:39 Bilan : association, agrégation, composition
15:47 Exercice corrigé
Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA)
#uml #class_diagram #python
Table des matières
00:00 Introduction et rappels
00:44 Principe de délégation
02:33 Exemple de délégation en Python
03:49 Relation dans un diagramme de classes UML
05:25 Relations entre deux objets
05:58 Association
07:19 Exemple d’une association
09:23 Agrégation
11:09 Exemple d’une agrégation
12:25 Composition
13:28 Exemple d’une composition
14:39 Bilan : association, agrégation, composition
15:47 Exercice corrigé
Переглядів: 4 670
Відео
[SUB EN/FR] Introduction to Artificial Intelligence for Health | Master Course AI4OneHealth
Переглядів 6782 роки тому
This video presents an introductory course to artificial intelligence, in particular, to AI approaches for analysis of biomedical data, of the Master Course AI4OneHealth of the University of Grenoble Alps. www.masterai4onehealth.eu/ Presented by: Ekaterina Flin, EpiMed group, Institute for Advanced Biosciences (IAB), University of Grenoble Alps (UGA) #artificial_intelligence #healthcare #ai4one...
Initiation à la programmation orientée objet avec Python | POO #03
Переглядів 17 тис.2 роки тому
Ce cours montre comment réaliser son premier code orienté objet avec Python. Il se base sur un exemple classique de la classe Point qui modélise un point géométrique. Vous allez apprendre comment faire la conception d’une classe en orienté objet, créer un constructeur, définir des attributs et des méthodes. Nous allons également aborder le mot-clé self, la notion d’encapsulation, la méthode int...
Notions de classe et d’objet en programmation orientée objet | POO #02
Переглядів 13 тис.2 роки тому
Dans ce cours on étudie deux notions fondamentales de la programmation orientée objet : les notions de classe et d’objet. On posera d’abord des bases théoriques, indépendantes d’un langage de programmation. Dans les vidéos suivantes, on va écrire le premier code orienté objet avec le langage Python. Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée ...
TP - Validation croisée K-fold stratifiée avec Python et scikit-learn | Cycle avancé IA #12
Переглядів 2,9 тис.2 роки тому
Dans cette vidéo nous réalisons un travail pratique consacré à la technique de la validation croisée avec le langage Python, le framework scikit-learn et le notebook Jupyter. L’objectif du TP est de prédire le sous-type moléculaire des échantillons du cancer du sein avec le modèle SVM (machine à vecteurs de support), en l’intégrant dans une validation croisée K-fold stratifiée. On utilisera éga...
Validation croisée pour évaluer l’efficacité d’un modèle en machine learning | Cycle avancé IA #11
Переглядів 6 тис.2 роки тому
Ce cours présente la technique de la validation croisée (K-fold cross-validation), incontournable en machine learning. La validation croisée s’utilise dans plusieurs situations. Elle peut aider à détecter un surapprentissage dans un modèle. On l’utilise également pour estimer la performance moyenne du modèle. En plus, elle sert à calibrer le modèle en ajustant ses hyperparamètres, par exemple, ...
Ecrire le même code en 3 paradigmes de programmation : procédural, orienté objet, fonctionnel
Переглядів 8 тис.2 роки тому
Cette vidéo montre comment on peut écrire le même code en trois styles différents : en programmation procédurale, en programmation orientée objet (POO) et en programmation fonctionnelle. La démonstration est réalisée en langage Python avec un notebook Jupyter pour un exemple de code simple : le calcul de la distance entre deux points. En écrivant le code, nous discutons des bonnes pratiques de ...
Introduction à la programmation orientée objet | POO #01
Переглядів 19 тис.2 роки тому
Cette vidéo présente une introduction à la programmation orientée objet (POO). Quels sont les principes de l’orienté objet, ses avantages ? Est-ce que son apprentissage est compliqué ? Dans ce cours, nous allons découvrir le paradigme orienté objet et nous essaierons de répondre à ces questions. Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des ...
Démo - Clustering hiérarchique avec Python et seaborn | Cycle avancé IA #10
Переглядів 3,2 тис.2 роки тому
Dans cette vidéo nous allons apprendre à réaliser un clustering hiérarchique avec le langage de programmation Python. Nous allons notamment générer une figure qui permet de présenter graphiquement le résultat d’un clustering hiérarchique (dendrogramme, heatmap) en utilisant la librairie seaborn de Python. Dans ce TP nous utilisons les données réelles du cancer du poumon qui contiennent trois cl...
Clustering hiérarchique, méthode non supervisée du machine learning | Cycle avancé IA #9
Переглядів 11 тис.2 роки тому
Ce cours est consacré à la méthode non supervisée de clustering hiérarchique en machine learning, également appelée partitionnement hiérarchique. Cette méthode permet de regrouper les échantillons dans une structure hiérarchique en fonction de leur similarité et d’identifier des classes dans les données. Le résultat d’un clustering hiérarchique se présente souvent dans une figure composée de pl...
[SUB EN/FR] Logistic regression with scikit-learn in Python | Task 2 | Master Course AI4Omics
Переглядів 4342 роки тому
Github Repository: github.com/epimed/ai4omics-practical-session Presentation of the practical session: ua-cam.com/video/KEYpxSzTS54/v-deo.html Task 2 - Solution and explanations This video presents a practical session of the Master Course Unit “AI for Omics Data Integration” of the University of Grenoble Alps. It is a part of the Master Program “AI4OneHealth”. The objective of this session is t...
[SUB EN/FR] Basic machine learning pipeline with scikit-learn | Task 1 | Master Course AI4Omics
Переглядів 5342 роки тому
Github Repository: github.com/epimed/ai4omics-practical-session Presentation of the practical session: ua-cam.com/video/KEYpxSzTS54/v-deo.html Task 1 - Solution and explanations This video presents a practical session of the Master Course Unit “AI for Omics Data Integration” of the University of Grenoble Alps. It is a part of the Master Program “AI4OneHealth”. The objective of this session is t...
[SUB EN/FR/RU] Practical session for omics data analysis by machine learning | AI4Omics
Переглядів 7522 роки тому
Github Repository: github.com/epimed/ai4omics-practical-session This video presents a practical session of the Master Course Unit “AI for Omics Data Integration” of the University of Grenoble Alps. It is a part of the Master Program “AI4OneHealth”. The objective of this session is to develop practical skills in omics RNA-seq data analysis using machine learning techniques. We will use Python pr...
Démo - ACP, t-SNE et UMAP avec Python et scikit-learn | Cycle avancé IA #8
Переглядів 5 тис.2 роки тому
Le code et les données de la démo sont disponibles sur le dépôt GitHub d’EpiMed en accès libre : github.com/epimed/eoc-ai-session-2 Cette vidéo présente une démonstration des méthodes non supervisées en machine learning : analyse en composantes principales (ACP), t-SNE et UMAP avec le langage Python et la librairie scikit-learn. Ces méthodes sont souvent utilisées pour projeter les données mult...
Méthodes t-SNE et UMAP pour visualisation et réduction de dimension | Cycle avancé IA #7
Переглядів 4,4 тис.3 роки тому
L’analyse classique en composantes principales (ACP), présentée dans le cours précédent, peut ne pas être adaptée aux données dont la nature est fortement non-linéaire. Dans ce cas, on peut utiliser des méthodes alternatives, non-linaires, comme les méthodes t-SNE et UMAP. t-SNE = t-Distributed Stochastic Neighbor Embedding UMAP = Uniform Manifold Approximation and Projection Ce cours présente ...
ACP - Analyse en composantes principales | Cycle avancé IA #6
Переглядів 21 тис.3 роки тому
ACP - Analyse en composantes principales | Cycle avancé IA #6
Exercice corrigé - Régression Logistique et SVM avec scikit-learn en Python | Cycle avancé IA #5
Переглядів 5 тис.3 роки тому
Exercice corrigé - Régression Logistique et SVM avec scikit-learn en Python | Cycle avancé IA #5
Exercice corrigé - Decision Tree et Random Forest avec scikit-learn en Python | Cycle avancé IA #4
Переглядів 3,9 тис.3 роки тому
Exercice corrigé - Decision Tree et Random Forest avec scikit-learn en Python | Cycle avancé IA #4
Démo - Premier modèle d’apprentissage avec scikit-learn en Python | Cycle avancé IA #3
Переглядів 7 тис.3 роки тому
Démo - Premier modèle d’apprentissage avec scikit-learn en Python | Cycle avancé IA #3
Formalisme du machine learning, fonction de perte, optimisation | Cycle avancé IA #2
Переглядів 3,5 тис.3 роки тому
Formalisme du machine learning, fonction de perte, optimisation | Cycle avancé IA #2
Machine learning et problèmes inverses | Cycle avancé IA #1
Переглядів 3 тис.3 роки тому
Machine learning et problèmes inverses | Cycle avancé IA #1
Annonce de la formation Machine Learning avec Python | Cycle avancé IA
Переглядів 4,3 тис.3 роки тому
Annonce de la formation Machine Learning avec Python | Cycle avancé IA
Principes du machine learning avec Sherlock Holmes, régression linéaire et régression logistique
Переглядів 9003 роки тому
Principes du machine learning avec Sherlock Holmes, régression linéaire et régression logistique
Applications du modèle à risque proportionnel de Cox
Переглядів 5 тис.3 роки тому
Applications du modèle à risque proportionnel de Cox
Introduction au modèle à risque proportionnel de Cox
Переглядів 11 тис.3 роки тому
Introduction au modèle à risque proportionnel de Cox
Le test du logrank pour comparer des courbes de survie
Переглядів 10 тис.3 роки тому
Le test du logrank pour comparer des courbes de survie
Créer une courbe de survie de Kaplan-Meier avec Python | Python pour la Science #9
Переглядів 3,7 тис.3 роки тому
Créer une courbe de survie de Kaplan-Meier avec Python | Python pour la Science #9
Introduction à l’analyse de survie, courbe de Kaplan-Meier
Переглядів 22 тис.3 роки тому
Introduction à l’analyse de survie, courbe de Kaplan-Meier
Créer des graphiques pour une publication scientifique avec matplotlib | Python pour la Science #8
Переглядів 6 тис.3 роки тому
Créer des graphiques pour une publication scientifique avec matplotlib | Python pour la Science #8
Structurer son code avec des fonctions | Python pour la Science #7
Переглядів 2,8 тис.3 роки тому
Structurer son code avec des fonctions | Python pour la Science #7
Réponse au quiz: les deux options sont acceptables. * Instances de classes différentes: par exmple équipement de transports / équipement de bureau * Instances de la même classe: par exmple équipement mobilier
BRAVO C SUPERBE GRANDE DEMONSTRATION BRAVO
Très intéressant, merci !
Merci beaucoup pour tout de grands efforts.
Elle est très claire dans ses explications
Madame vous êtes très iens dans votre domaine
Madame,vous expliquez très bien.Très clair
Merci pour vos explications très pédagogiques.
Je suis ravi d'avoir pu découvrir votre chaine. Les explications sont fluides et limpides. Les exemples sont judicieusement choisis et m'ont permis de tout comprendre.
Merci beaucoup pour ces formations. Tout est parfaitement expliqué et c'est un plaisir d'apprendre cette notion de POO.
Merci beaucoup pour tout
Oui, vos vidéos ont un caractère pédagogique très marqué et sont d'une longueur raisonable qui permet de "gravir la montagne" par à-coups bien dosés. Merci et beaucoup de succès à votre chaine !
Interessant 😊
bonjour est-ce que vous pourriez m'aider à comprendre comment fonctionne les API qui attend les différentes applications et le résultat que je pourrais en tenir
Incroyable !! J'ai lu des tas d'articles expliquant comment faire ou j'ai toujours fini par décrocher. Alors qu'ici, en 20 min j'ai tout compris ! Félicitations 👍👍
Merci infiniment de l'effort considérable que vous déploiyez et de l'explication claire, nette et simple utiliseé. Je vous encourage PROF de bien préserver dans ce sens
Bonsoir, ceci fonctionne aussi (attention je suis débutant) Qu'en pensez-vous ? x=[2,5,6,9,11,17,25] for x in x: print(f"{x}au carré = {x**2}")
nope
Merci madame
Merci beaucoup
Pour moi ce sont deux classes différentes : Classe véhicule Classe informatique
Bravo , Exellente vidéo
Merci Beaucoup !
Merci pour vos vidéos, j'ai appris beaucoup
Supposons que nous avons des données d'images de cancer du sein ou de poumons comment allons nous procéder? Avec le model de Deep Learning ou un des model de Machines Learning pour la partie d'imagerie? Si vous des articles là dessus s'il vous plait n'hésitez pas me les envoyer ou contacter.
Merci Beaucoup Vraiment, je me suis enrichis encore d'avantage avec avec votre Démo.
J'ai parcouru tout le web en quête de tutoriels clairs, et ceux-là sont de très loin les meilleurs (parmi tous les tutoriels disponibles en anglais/français), je ne sais pas s'il serait possible que vous fassiez la même chose pour des bibliothèques comme pytorch et plus généralement pour les réseaux de neurones... Quoi qu'il en soit: MERCI!
grand merci pour cette vidéo, ça m'a bcp aidé
merci 🙂
❤
Quel clarté thanks ❤❤❤
❤❤❤❤❤
Je veux la présentation pour réviser svp
L'indentation peut être différente de 4 espaces. Sinon c'est parfait
Merci beaucoup
Comment créer sa premier classe en R?
Bonjour , je découvre votre chaîne et j'ai suivi avec beaucoup d'intérêt vos explications . SVP donnez -nous la réponse . Vous dites " En fait, les deux versions sont possibles. Les objets a et b peuvent appartenir à des classes différentes ou à la même classe en fonction de la conception." Je ne comprends pas ce que vous voulez dire pourriez-vous svp développez à peine plus que je puisse comprendre merci.
La vidéo est très claire, et très bien réalisée. Merci beaucoup pour vos explications.
merci infiniment
Tuto exceptionnelle, académique, très instructive. La POO dévoile tous ses secrets avec cette chaîne.
Très clair, ça m'a beaucoup aidée pour mon examen. Merci!
Bravo à vous. Très clair
idio ,,classe c'est une classe et eleve sont des objets, et le directeur c'est le programme principale.
il vaut mieux créer une fonction statique parce que la distance n'a rien à voir avec un objet point mais plutôt elle est lié à sa représentation
Excellent court un rien déprimant :-)
Merci beaucoup.
Merci, c'est bcp + clair grace à vous !
J'aime la précision avec laquelle vous expliquez les choses.
Merci pour ce cours très bien présenté
C'est claire et bien expliqué. Merci vraiment
super bien expliqué merci beaucoup
Merci super clair, comment on détermine la classe NTL, ADK ou SQC d'un nouvel échantillon sans relancer une analyse CAH ?