- 4
- 11 931
Objectif Data Science | avec Vincent
Приєднався 13 січ 2022
NLP et TRANSFORMERS - la vraie révolution de l'INTELLIGENCE ARTIFICIELLE est en cours - DEMO
Télécharger le code ici : www.objectifdatascience.com/code-nlp-transformers/
Les architectures de type transformers ont apporté un bouleversement incroyable dans le monde de l'IA et aujourd'hui, ils sont disponibles sous la forme de simples API.
Chacun peut avoir accès à ces modèles gratuitement et facilement. C'est vraiment bluffant.
Dans cette vidéo je vous fais une petite démo de l'utilisation de ces API au travers de 6 cas d'usage classiques rencontrés en NLP.
PS : la vidéo a été éditée pour que les temps d'exécution n'apparaissent pas comme étant trop long.
Les architectures de type transformers ont apporté un bouleversement incroyable dans le monde de l'IA et aujourd'hui, ils sont disponibles sous la forme de simples API.
Chacun peut avoir accès à ces modèles gratuitement et facilement. C'est vraiment bluffant.
Dans cette vidéo je vous fais une petite démo de l'utilisation de ces API au travers de 6 cas d'usage classiques rencontrés en NLP.
PS : la vidéo a été éditée pour que les temps d'exécution n'apparaissent pas comme étant trop long.
Переглядів: 5 861
Відео
PANDAS - Comment créer votre propre GUIDE et devenir la REFERENCE
Переглядів 1622 роки тому
Télécharger le guide : www.objectifdatascience.com/ Vous avez tout intérêt à créer votre propre guide PANDAS avec les commandes que vous utilisez le plus souvent, plutôt que d'aller sur Google toutes les 2 minutes et perdre un temps fou. Je vous propose de récupérer le guide que j'ai créé pour moi et de vous en servir comme base pour créer votre propre guide !
REGRESSION LOGISTIQUE - ce que j'aurais aimé qu'on me dise
Переглядів 1,1 тис.2 роки тому
Télécharger le guide sur la Régression Logistique : www.objectifdatascience.com/guide-regression-logistique/ La régression logistique est un algorithme de Machine Learning que toute personne oeuvrant dans ce domaine doit connaître. Dans cette vidéo, je partage les principes fondateurs de cet algorithmes, ainsi que quelques intuitions qui vous permettront de mieux appréhender cet algorithme. Si ...
XGBOOST - l'algorithme STAR de MACHINE LEARNING décortiqué
Переглядів 4,8 тис.2 роки тому
Télécharger le guide sur XGBoost : www.objectifdatascience.com/guide-xgboost/ XGBoost est la star actuelle des algorithmes en Machine Learning. Dans cette vidéo je vous partage toutes les informations importantes que j'ai recueillies pour comprendre l'algorithme dans son intimité. Si vous voyez des choses à modifier, à corriger ou à compléter, n'hésitez pas à me le dire dans les commentaires .....
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 !
Merci pour ce code
Merci pour le retour ! C'est encourageant ....
Merci bocou. Et svp plus de vidéo de ce genre
Merci. Il y a des sujets que vous avez en tête ?
Super merci beaucoup; petite remarque polynôme ==> polynomiale (16:00)
D'accord merci :)
Très intéressant ! Merci beaucoup :D
Merci à toi 😊. A bientot !
Merci pour ce travail remarquable. Il me sera d'une grande aide. J'avais vraiment besoin de comprendre cet algorithme
Merci pour ce retour et votre soutien !
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 ?
non cela ne fait pas partie des paramètres de la distribution que j'ai en main. L'algo s'en sert en cas de gros volume de données. Mais ni le seuil ou cette fonctionnalité est activée, ni le nombre de quantiles est clairement affiché. Secret sauce de l'algo?
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.
Une seconde vidéo plus accès sur chaque hyperparametre serait excellente 😀😀
merci pour ton retour! Figure toi que c'est prévu ! je vais faire ça rapidement
@@objectifdatascienceavecvin5874 Est ce que tu vas bientôt la publier ?
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
Merci à toi 😊
justement je cherche un contra de professionnalisation si possible je suis ultra motivé autodidact