Відео

Merci pour ces informations précieuses

C'est super intéressant. Merci à vous

Super contenu! Merci beaucoup ca a du etre des dizaines d'heures de travail! Juste un petit commentaire a 14:35 quand tu dis qu'il suffit de minimiser phi de t pour minimiser la fonction obj de l'arbre t, je crois que tu voulais dire qu' il suffit de minimiser la fonction sur la variable phi de t (en gros l'arbre t est la variable d'optimisation et les arbres precedents sont consideres comme fixes). A 18:12, je crois que tu parles de somme sur les feuilles de l'arbre t, et non sur la somme des arbres? J'ai fini par comprendre mais ca m'a fait bugger pendant 2 minutes.

nice

belle demo, simple et efficace

felicitations pour ce travail👍

j'aime bien. Je crois que cette video va vraiment m'aider dans mon petit projet de stage

Bonjour On peut avoir le cours.

Bonjour l'intelligence humaine s'est fait plier par l'intelligence artificielle ? Je veux dire le cerveau humain n'est pas capable d'en magasiner des milliards de données sur un sujet

merci enormement

juste le niveau bac en france vaut de plus en plus pas grand chose vus les compétence des personne que je connais qui ont leur bac voir plus et jai un meilleur niveau que ses personnes et jai un niveau seconde voir 3em donc moi je dirait plus niveau bac +2 pour etre alaise dans se type de math aprés mon opinion vaut pas grand chose vus mon niveau actuel

je commence a comprendra de mieux en mieux avec le temp meme si il me manque encore 80%

ultra mega top tres complémentaire de la chaine machine learnia

tes video sont mega top² simple court meme un peut trop mais justement sa permet si ont a pas beaucoup de temp de suivre un peut par contre tu donne pas d'information sur les pré requis de compétences pour suivre la video si c possible de faire un pti recap de se coté

Bonjour, je n'arrive pas à telecharger le document svp :(

Contenu de qualité

Merci pour ce code

Merci bocou. Et svp plus de vidéo de ce genre

Super merci beaucoup; petite remarque polynôme ==> polynomiale (16:00)

Très intéressant ! Merci beaucoup :D

Merci pour ce travail remarquable. Il me sera d'une grande aide. J'avais vraiment besoin de comprendre cet algorithme

Vous avez apprécié cette vidéo ? Merci pour vos partages et vos abonnements à la chaîne !

Télécharger le code ici : www.objectifdatascience.com/code-nlp-transformers/

Télécharger le guide sur XGBoost : www.objectifdatascience.com/guide-xgboost/ 00:00 : Introduction 00:49 : Elements de contexte 04:06 : Grands principes 06:55 : Phase d'apprentissage 11:14 : Fonction objectif 24:16 : Récapitulatif 25:06 : Détermination de nouveaux splits 28:00 : Application à la régression 29:00 : Application à la classification 29:37 : Applications numériques 33:35 : Learning rate 34:23 : Optimisation pour la recherche des splits 36:04 : Gestion des valeurs manquantes

00:00 : Introduction 00:49 : les grands princIpes 02:46 : Calculs en phase d'inférence 04:45 : Calculs en phase d'apprentissage - MLE et Cross-entropie 12:05 : Gradient de la Cross-entropie 13:19 : So what?? 14:03 : Intuition géométrique 19:16 : Fonction Logistique - Première intuition 22:05 : Fonction Logistique - Deuxième intuition

Télécharger le guide sur la Régression Logistique : www.objectifdatascience.com/guide-regression-logistique/

Tu parles d un certains nombre de quantile pour éviter la méthode greedy pour choisir le meilleur split, est-ce un hyperparametre modifiable ?

Super contenu, j avais fait le même travail pendant le confinement l année dernière pour bien comprendre l utilité de chaque hyperparametre dans la construction des arbres. Je pense qu il aurait été judicieux de plus parler des hyperparametreS, tu parles de lambda gamma et du Learning raté uniquement. Certains hyperparametres auraient été simples à incorporer dans ta vidéo, le max_depth pour la profondeur maximale des arbres que tu peux construire, le sample qui correspond au % de ton training set que tu vas utiliser à chaque construction, col_sample_bytree qui va correspondre au % des features que tu vas utiliser à chaque construction.

Je vais être ton premier commentaire mais je regrette pas de t’avoir donné mon mail . excellente vidéo que je transmettrais à mes alternants en data science