Merci pour cette remarquable vidéo. En plus cela me rappelle de très vieux souvenirs (milieu des années 70) lorsque l'on essayait, avec un succès très moyen...) d'utiliser l'analyse en composantes principales pour essayer de classifier les directions départementales du Ministère de l’Équipement selon toute une flopée d'indicateurs d'activités. Mais nous ne respections pas vraiment les conditions que vous citez en fin de vidéo, je m'en aperçois en vous écoutant. Le Nouvel Observateur a également publié à cette même période des "cartographies" de différents comportements sociologiques, basées sur l'ACP. Finalement il n'a fallu "que" 40 ans pour disposer d'outils puissants qui permettent d'aller vite, mais il faut toujours une grosse réflexion en amont pour les utiliser correctement, et des compétences techniques plus vastes.
Merci pour ce témoignage intéressant Jean, vous apportez toujours une anecdote intéressante aux vidéos ! Vous avez raison : il faut toujours une réflexion adéquate pour utiliser convenablement nos outils.
grâce à cette video : j'ai dans ma toolbox IsolationForest et LocalOutlierFactor, 2 'clefs' dans la réalisation d'un nettoyage d'outliers efficace. Vous êtes le seul à nous faire grimper avec une telle passion dévorante :D !
Cette vidéo est vraiment tout ce dont j'avais besoin (et j'ai pourtant déjà parcouru pas mal de contenu sur le même sujet). Des explications claires, des exemples concrets, et une mise en application avec Python Donc un grand MERCI pour cette vidéo, je ne manquerai pas de me référer à votre chaîne à l'avenir !!
Excellente vidéo, cela m'a permis de découvrir l'algorithme d'IsolationForest. En effet j'avais travaillé sur la détection des fraudes mais pour les algorithmes d'ensembles comme Xgboost et LightGBM. En tant que Data Scientist, tes vidéos me sont vraiment utiles. Merci à toi Guillaume!!!!!
Franchement je ne saurais comment vous dire merci. ❤❤❤ étant distrait en salle ( du au fait que mon prof parle très vite et pour moi n’explique pas très bien) j’ai pu grâce à vous valider la matière et même les tp (ceux qui suivaient le plus d’ailleurs rattrapent) Merci encore vous avez une très belle pédagogie, tout est très bien expliqué même pour un ignorant.
Merci pour les explications très claires, les recaps pertinents et le voix très agréable à suivre. C'est dommage que je connais pas la chaîne avant car même avec une formation payant très cher, je n'ai pas des explications si claires comme les vôtres.
SUPER ! Je n'avais pas compris le concept PCA la première fois que l'on me l'a expliqué Content de te soutenir sur Tipeee (là, je fais un rappel pour tout le monde !)
Cette vidéo est vraiment très claire ! et donne un bon exemple de ce qu'on peut faire. Je pense que 3 ans plus tard la question n'est plus à l'ordre du jour mais un exemple de clusterisation avec des données textes serait un bon cas pratique...bon c'est pas innocent, je me prends la tête avec cela sans vraiment savoir si ma méthode et mes résultats sont corrects!! Mais merci encore pour ces vidéos !
Je pense que je vais adorer l'apprentissage non-supervisé. Votre présentation est brillante comme d'habitude et en plus je trouve que là, on s'approche de l'apprentissage naturel surtout avec les centroids. Quand un enfant apprend à parler, il entend des mots et il vit des expériences. Il doit établir les relations entre les mots et les expériences. Les mots sont comme des centroids, liés aux expériences diverses... Bref je trouve géniale cette idée de centroids. Félicitations, j'admire votre travail.
Ah rien qu'en regardant la durée j'ai prédit que sa allait envoyé du LOURD! Alors la merci beaucoup professeur alors la je vais repassé sa en boucle pour mieux appréhender le tout et faire des test sur certains dataset! Super vidéo comme dab!
Cher Guillaume, vous êtes une source d'inspiration, la qualité du contenu que vous présentez dans la chaîne est magnifique.. Pouvez vous parler dans une vidéo sur les Systèmes de recommandation ??
Super vidéo, explication très clair et lourde de sens. Elle m'a même aidé à comprendre une notion abordée (la création de foret) dans des livres de machine learning que finalement je n'avais pas si bien compris que cela. Encore GG pour tes vidéos guillaume et très bonne pédagogie, outil pédagogique au top également
Merci Guillaume, en fin de parcours Data Analyst je comprends enfin l'utilité d'un dendogramme un Kmean et une ACP. Et ce après 15 visonnages Alexandre
Merci JM ! je cherche toujours plus d'analogies et de représentations pour aider la compréhension des novices, et même des plus expérimentés (c'est toujours sympas de faire l'effort de se simplifier un concept que l'on connait déjà)
généralement je préfère regarder des vidéos en anglais(indiens) mais avec machine Learnia ça devient plutôt un plaisir d'apprendre un grand Merci de Marseille
Superbe série de vidéos. Bravo pour l’approche pédagogique, le format, les explications toussa toussa. Tout devient plus clair. 👍 Dans la suite de PCA avez-vous prévu de faire une vidéo sur la reconnaissance faciale et eigenfaces ?
vos vidéos sont sans doute les meilleures....Cependant, je souhaiterais si c'est possible de voir encore plus de videos contenant des exercices afin de pratiquer encore plus (ex: l'algorithme génétique...) sinon merci bcp pour l'effort, je ne cesse point d'apprendre avec vous.
LA MACHINE a encore frappée. Mais quel boulot Guillaume tu fais...Tu es le meilleur et de loin. Tu dois être soutenu d'avantage sur Tipee. C'est un très beau projet ce que tu proposes à tout un chacun. J'ai particulièrement une question pour toi: D'après le questionnaire que tu as envoyé ya quelques jours, comptes tu proposer à l'avenir des formations personnalisées ou autre format payantes pour former des Data Scientists ? Au vue de ce qui est proposé sur internet, ce sera un succès TOTALE pour toi. Ton talent, tes efforts, ta compétence doivent être récompensés. Prend soin de toi et de ta famille en ce mauvais temps................Amicalement André
Merci beaucoup André. Je travaille sur la conception d'une formation qui aidera le plus grand nombre de personnes dans notre communauté, La sortie est prévue pour cette année. Vous allez en entendre parler progressivement... ;) A bientôt !
pour make_blobs, il faut que la ligne soit complètement visible : X, y = make_blobs(n_samples=50, centers=1, cluster_std=0.5, random_state=42) , par exemple
Bonjour. Merci pour cette vidéo encore très bien réalisé. Les images animées aident vraiment à la compréhension des concepts. Je serais assez curieux de voir un exemple taille réel de tri de photos à l'occasion si ça se fait sur la chaine. Encore merci :)
mercii bcp ça m'a aidé trop, c'etait la meilleure serie en machine learning que j'ai jamais vu, deja j'ai l'habitude de commencer une serie de formation et de la quitter dés le 4eme ou le 5eme video, mais celle ci je l'ai terminer en 2 semaines et suis excité en attendant la prochaine video, mercii bcp maitre pour votre pedagogie excellente, !! bon je suis debutant dans ce domaine j'ai suivie cette serie et une demi serie sur le deeplearning , j'ai besoin de vos conseils, comment peux-je maitriser le machine learning et creer mes propre codes, pouvez vous me donner une astuce ou une methode efficace pour continuer ?!
Merci beaucoup et bravo pour tes progrès en la matière ! Si tu as réussis a arriver jusqu'ici c'est avant tout grâce a ta motivation ! Pour répondre a ta question je te conseille de participer a quelques projets sur le site de Kaggle : il y a des compétitions simples comme le Titanic ou bien la prédiction de valeurs immobilieres qui sont de bons exercices pour développer toi-meme des codes de Machine Learnig
bonjour monsieur, j'ai un probleme, ça concerne pas la video mais suis obligé de vous le poser; je viens d'échouer comment installer tensorflow sur ma machine; quand je cherche tensorflow dans les packages qui sont dans mon environnement; je manque tensorflow; il ya slmnt r- tensorflow et tensorflow hub et les autres mais pas tensorflow tout court, comment y ajouter tensorflow?
@@MachineLearnia oui je l'ai deja suivie mais apparemment ça refuse parceque mon système est de 32bits même quand je fais avec conda install tensorflow on me dit "blablabla Channels blablabla
bonjour , je vous remercie pour la clareté de cette video , si vous permettez quel type d'apprentissage doit on suivre pour la biométrie , supervisé ou non ? merci
Cela dépend de votre dataset et de votre application. Si vous cherchez a faire des classifications ou des regression (prédire une valeur quantitative) et que vous avez des exemples y de ce que la machine doit prédire (quelle classe ou quelle valeur) alors c'est l'apprentissage supervisé. Sinon (pas de variable y) alors il va falloir utiliser de l'apprentissage non-supervisé pour faire du clustering, de la detection d'anomalie, ou de la réduction de dimension. (et si vous avez moyen de partiellement mettre des données y alors vous pouvez faire du semi-supervisé)
@@MachineLearnia je veux remercie d'avoir repondu a ma question . je precise: je veux faire l'identification des personnes par la biométrie en utilisant les réseaux de neurones convolutifs CNN . donc surement il va falloir d'utiliser une phase d'entrainement n'est ce pas .donc cest le supervisé?
Encore un GRAND Merci pour ce cours très instructif. Pour être dans l'actualité, serait-il possible que tu puisses faire une vidéo sur des sujets autour de l'analyse vidéo (unattended) ?Cela me semblent intéressant à explorer, notamment autour de la distanciation sociale (vérification du respect de la distance minimale entre 2 individus) et du port du masque. En espérant que ma question aurait susciter ton attention.
@@MachineLearnia : d'abord TS / KERAS !!! Le sujet est tellement vaste... j'ai commencé en Novembre 2019 avec tes vidéos... puis avec d'autres (une fois que tes playlists ont été écoutées avec attention et prises de notes)... puis TensorFlow 2 mais là... ouh ! le sujet est VASTE (ANN, CNN, RNN, LTSM,...) : hier, j'ai même découvert qu'il y avait des Conv LSTM... arghhhh... d'ailleurs une petite question : est-ce que sortir un réseau de neurones pour une regression linéaire (au lieu de SKlearn par exemple) ne serait pas sortir un marteau pillon pour écraser une mouche ? (la grosse artillerie)
Magnifique vidéo ! Cela vient de m'aider énormément pour mon projet car je devais faire de la détection d'anomalie. On se réjouit des prochaines vidéos ! La prochaine vidéo traitera sur quel sujet ?
CA me fait très plaisir de savoir que j'ai pu autant te venir en aide ! La prochaine vidéo traite des techniques d'ensemble, mais je n'en dit pas plus ! ^^
Vidéo très instructive ! Merci beaucoup :) Je dois analyser des BDD clients et détecter des atypies et faire des scoring. Je pense que le clustering pourrait être une technique très efficace pour m'aider dans ce travail. !
Kel formations vs aviez suivi ? Etes vs developpeur ou mathematicien, ou cmt ? J'aimerais savoir un pe , juste pour ke je m'y prepare a ca ? Merci d'avance pour la reponse
Je suis Ingénieur généraliste. Je me suis auto-formé au Machine Learning, ce qui n'est pas compliqué quand on a fait une CPGE et une école d'ingé, qu'on aime la pogrammation et les mathématiques. Dans mon métier je suis Data Scientist
Bonjour, excellente vidéo merci! J'aimerai savoir est ce qu'il y a un moyen de calculer la distance entre un point et le centroide du cluster auquel il appartient, pour faire comme une limite ( tracer un cercle autour du centroide) et éliminer les valeurs à partir d'une certaine distance du centroide (detection d'outlier)
Bonjour, alors de mon point de vue il s'agit en fait de plusieurs questions que vous posez la. 1) Pour calculer la distance entre un point et son centroid, on peut utiliser la méthode tranform() ou bien faire une simple soustraction entre les coordonées du centroid et un point quelconque (une soustraction donne une distance, si vous l'élevez au carré cela donne la distance euclidienne) 2) Si votre but est de detecter des outliers , le Kmeans n'est pas le meilleur choix. Votre idée d'utiliser une "zone" comme décrit ici, on peut utiliser DBSCAN (également disponible dans Sklearn.clusters)
Merci beaucoup Guillaume pour cette fabuleuse vidéo . Mais en fait comment pouvons nous faire des prédictions avec le KMeans et surtout comment visualiser nos nouvelles données sur un scatter afin de voir à quel cluster il appartient ?
Pour faire des prédictions avec KMeans il faut utiliser la méthode model.predict() dans laquelle vous pouvez passer de nouvelles données. Les données seront rattachées au centroides le plus proche. Pour visualiser le tout, vous pouvez utiliser un PCA(n_components =2)
Merci pour cette remarquable vidéo. En plus cela me rappelle de très vieux souvenirs (milieu des années 70) lorsque l'on essayait, avec un succès très moyen...) d'utiliser l'analyse en composantes principales pour essayer de classifier les directions départementales du Ministère de l’Équipement selon toute une flopée d'indicateurs d'activités. Mais nous ne respections pas vraiment les conditions que vous citez en fin de vidéo, je m'en aperçois en vous écoutant.
Le Nouvel Observateur a également publié à cette même période des "cartographies" de différents comportements sociologiques, basées sur l'ACP.
Finalement il n'a fallu "que" 40 ans pour disposer d'outils puissants qui permettent d'aller vite, mais il faut toujours une grosse réflexion en amont pour les utiliser correctement, et des compétences techniques plus vastes.
Merci pour ce témoignage intéressant Jean, vous apportez toujours une anecdote intéressante aux vidéos ! Vous avez raison : il faut toujours une réflexion adéquate pour utiliser convenablement nos outils.
grâce à cette video : j'ai dans ma toolbox IsolationForest et LocalOutlierFactor, 2 'clefs' dans la réalisation d'un nettoyage d'outliers efficace. Vous êtes le seul à nous faire grimper avec une telle passion dévorante :D !
Bravo ! Vous avez l'état d'esprit d'un vainqueur ! :) J'aime bien le terme de toolbox :)
Cette vidéo est vraiment tout ce dont j'avais besoin (et j'ai pourtant déjà parcouru pas mal de contenu sur le même sujet). Des explications claires, des exemples concrets, et une mise en application avec Python
Donc un grand MERCI pour cette vidéo, je ne manquerai pas de me référer à votre chaîne à l'avenir !!
Bravo,
l'une des meilleurs video sur youtube sur l'apprentissage non supervisé....
explication avec une pédagogie sans pareil
Excellente vidéo, cela m'a permis de découvrir l'algorithme d'IsolationForest. En effet j'avais travaillé sur la détection des fraudes mais pour les algorithmes d'ensembles comme Xgboost et LightGBM. En tant que Data Scientist, tes vidéos me sont vraiment utiles. Merci à toi Guillaume!!!!!
Merci beaucoup. A bientôt !
Thaks teacher , I studie Master in Big Data and without doubt ; this is the best tuto in ML I've never seen .
Un grand Merci a toi.
nous vous attendrons en vidéo d'apprentissage par renforcement , vos formations sont les meilleures merciiii Guillaume Saint-Cirgue
Merci beaucoup, c'est un plaisir ! :)
Franchement je ne saurais comment vous dire merci. ❤❤❤ étant distrait en salle ( du au fait que mon prof parle très vite et pour moi n’explique pas très bien) j’ai pu grâce à vous valider la matière et même les tp (ceux qui suivaient le plus d’ailleurs rattrapent)
Merci encore vous avez une très belle pédagogie, tout est très bien expliqué même pour un ignorant.
Merciiiii de m'empêcher de perdre la tête pendant ce confinement 🙏
Excellent travail, comme d'habitude 😁
C'est un plaisir de vous occuper pendant le confinement :)
Trés heureux de savoir que vous allez bien mon Chère Guillaume !!!!!! Beau travail et vidéo bien développer !!
Merci ! Portez-vous bien :)
Merci pour les explications très claires, les recaps pertinents et le voix très agréable à suivre. C'est dommage que je connais pas la chaîne avant car même avec une formation payant très cher, je n'ai pas des explications si claires comme les vôtres.
Comment tu expliques super bien, c'est clair comme de l'eau de roche, merci
Merci a toi !
SUPER ! Je n'avais pas compris le concept PCA la première fois que l'on me l'a expliqué
Content de te soutenir sur Tipeee (là, je fais un rappel pour tout le monde !)
Merci beaucoup a toi :) je suis content d'avoir pu t'aider
Cette vidéo est vraiment très claire ! et donne un bon exemple de ce qu'on peut faire.
Je pense que 3 ans plus tard la question n'est plus à l'ordre du jour mais un exemple de clusterisation avec des données textes serait un bon cas pratique...bon c'est pas innocent, je me prends la tête avec cela sans vraiment savoir si ma méthode et mes résultats sont corrects!!
Mais merci encore pour ces vidéos !
vous êtes un super génie des data science et un excellent enseignant. waho vous m'inspirez beaucoup.
Merci beaucoup :)
Bon retour, on avait hâte 😍
Merci beaucoup ! :D
j'aime toujours avant de commencer à regarder la vidéo
Merci beaucoup et bonne continuation
Merci beaucoup c'est vraiment sympa
Je pense que je vais adorer l'apprentissage non-supervisé. Votre présentation est brillante comme d'habitude et en plus je trouve que là, on s'approche de l'apprentissage naturel surtout avec les centroids. Quand un enfant apprend à parler, il entend des mots et il vit des expériences. Il doit établir les relations entre les mots et les expériences. Les mots sont comme des centroids, liés aux expériences diverses... Bref je trouve géniale cette idée de centroids. Félicitations, j'admire votre travail.
Il y'a tout juste une semaine que j'ai découvert cette formation. Personnellement vous avez fait un travail remarquable
Merci beaucoup :)
L'une des meilleurs videos de ta chaine YT, merci Guillaume !
Merci Théo ! Ca fait plaisir ;)
Ah rien qu'en regardant la durée j'ai prédit que sa allait envoyé du LOURD! Alors la merci beaucoup professeur alors la je vais repassé sa en boucle pour mieux appréhender le tout et faire des test sur certains dataset! Super vidéo comme dab!
Merci Ulrich ;)
Vidéo et montage au top !
Congrats
Jo
Merci Jo :D
Il m'a fallu moins d'une heure de temps pour bien comprendre le principe des algorithmes expliqué. Bonne maîtrise de la pédagogie. Félicitation
Merci beaucoup
merci beaucoup prof, vous êtes le meilleur. Prof faites une vidéo ou vous classez ce serait encore plus instructif
Je vais le faire, merci ! :)
Super, merci la video tombe a pique j'avais justement un projet a faire en ACP. 🙏🏼🙏🏼
Je suis tellement heureux de pouvoir vous aider ! :D
14mn, je veux que vous nous fassiez une vidéo sur la classification de documents. Merci encore une fois
Je vais le faire alors, c'est décidé ! :)
@@MachineLearnia Un grand merci maitre
Excellent comme d'habitude! Super idée de proposer une vidéo d'exemple d'utilisation pratique de KMeans, tris de documents ou autre...
J'ai prévu de le faire :) Merci
Très beau travail Guillaume, comme toujours.
Un grand merci
J’attendais que ça. Merci prof 🙏
De rien ! a bientot :)
Merci bcp ! Très beau travail de montage et d'explication !
Merci beaucoup :)
Vous enseignez de manière exceptionnelle !
Merci beaucoup !
Vidéos très claire. Merci à toi pour ce travail !
Merci !
Merci 🙏 infiniment ça nous aide énormément vos vidéos.
De rien c'est un plaisir d'aider gratuitement les gens
Incroyablement clair. Approche très pédagogique. Merci !
De rien
Cher Guillaume, vous êtes une source d'inspiration, la qualité du contenu que vous présentez dans la chaîne est magnifique.. Pouvez vous parler dans une vidéo sur les Systèmes de recommandation ??
Oui je vais faire des vidéos sur ce sujet ne vous inquiétez pas :)
@@MachineLearnia Merci :)
Mercii beaucoup pour cet effort que vous faites pour bien expliqué. Merci énormément 🙏
C'est un plaisir, merci :)
Vraiment bravo pour ta clarté et ton approche pédagogique.
Merci infiniment chère Guillaume.
de rien, c'est un plaisir :)
Un grand merci pour ces cours concis mais aussi détaillées.
De rien, c'est un plaisir :)
J'ai appris tellement durant cette vidéo. Merci beaucoup, c'est une mine d'or !
Tres heureux de l'apprendre :)
Merci infiniment, vous êtes de grande qualité.
Merci a vous :)
Super vidéo, explication très clair et lourde de sens.
Elle m'a même aidé à comprendre une notion abordée (la création de foret) dans des livres de machine learning que finalement je n'avais pas si bien compris que cela.
Encore GG pour tes vidéos guillaume et très bonne pédagogie, outil pédagogique au top également
Merci ça me fait très plaisir de savoir que j'ai pu vous aider a mieux comprendre les ensembles d'arbre :)
super , une bonne présentaton claire et colorée .Des explications sérieuse sur un ton agréable . Bref Magnifique / 2O.
Quel honneur ! Merci :)
Merci beaucoup Guillaume pour cette superbe vidéo
Merci beaucoup monsieur Guillaume , vos vidéos sont très utiles
Merci Guillaume, en fin de parcours Data Analyst je comprends enfin l'utilité d'un dendogramme un Kmean et une ACP. Et ce après 15 visonnages Alexandre
Je ne m'appelle pas Jonathan, mais de rien !
Continue, ta façon d expliquer me donne envie d apprendre !
Merci ca me fait tres plaisir d'entendre ca :)
Continue svp j ai vu que le dernier vidéo il y a 6 mois courage
Merci beaucoup, très clair et pédagogique.
Merci :)
Excellente vidéo, j'ai adoré. Merci beaucoup.
Merci beaucoup
La claque de savoir, cette vidéo est géniale, bravo !
Merci beaucoup :)
Une excellente vidéo Guillaume. j'adore ce chat pour expliquer le PCA...Schrodingër n'est pas loin...
Merci JM ! je cherche toujours plus d'analogies et de représentations pour aider la compréhension des novices, et même des plus expérimentés (c'est toujours sympas de faire l'effort de se simplifier un concept que l'on connait déjà)
Merci Guillaume. C'est toujours un super boulot
Merci beaucoup !
Merci pour les explications hyper claires !!
généralement je préfère regarder des vidéos en anglais(indiens) mais avec machine Learnia ça devient plutôt un plaisir d'apprendre un grand Merci de Marseille
Merci beaucoup pour votre soutien, c'est un plaisir !
Superbe série de vidéos. Bravo pour l’approche pédagogique, le format, les explications toussa toussa.
Tout devient plus clair. 👍
Dans la suite de PCA avez-vous prévu de faire une vidéo sur la reconnaissance faciale et eigenfaces ?
Oui je le ferai. merci beaucoup :)
Un grand merci on attendait lol !!
Merci beaucoup d'avoir été patient :)
Merci beaucoup Guillaume
Excellent travail, simple et pédagogique ....
SVP pourriez vous nos faire un Tutorial sur L’apprentissage par renforcement?
Je vais en faire une série tout entiere ! :)
@@MachineLearnia Merci d'avance
c'est très gentil...
merci Guillaume, très bien détaillé.... excellent travail
Merci beaucoup
Waaaahhh mais en MOINS DE UNE MINUTE j'ai compris le K-Means, qui restait encore vague suite au cours !!! Merciiiiiiii !!!!!!!!!!!! ❤🙏🙏🙏🙏❤
très sympa la petite musique en fond, ça donne du rythme à la vidéo dont le contenu est lui-même super.
Merci :)
Tes vidéos sont géniales! merci et bonne continuation!
Merci, a bientot :)
Vidéo et explications remarquables, comme d'habitude !!
Merci beaucoup :)
Excellente vidéo, les animations sont géniales 👌
Merci Luis, content d'avoir un commentaire de ta part ;)
Merci énormément pour votre travail de pédagogie ! Je m’abonne !
Merci beaucoup et bienvenue sur la chaîne ! Si tu as une question, n'hésite pas :)
Excellente vidéo, merci bien.
vos vidéos sont sans doute les meilleures....Cependant, je souhaiterais si c'est possible de voir encore plus de videos contenant des exercices afin de pratiquer encore plus (ex: l'algorithme génétique...) sinon merci bcp pour l'effort, je ne cesse point d'apprendre avec vous.
Je compte faire plus d'exercices a l'avenir, et les vidéo 26, 27 , 28 29 seront complètement sur l'étude de projets
LA MACHINE a encore frappée. Mais quel boulot Guillaume tu fais...Tu es le meilleur et de loin. Tu dois être soutenu d'avantage sur Tipee. C'est un très beau projet ce que tu proposes à tout un chacun. J'ai particulièrement une question pour toi: D'après le questionnaire que tu as envoyé ya quelques jours, comptes tu proposer à l'avenir des formations personnalisées ou autre format payantes pour former des Data Scientists ? Au vue de ce qui est proposé sur internet, ce sera un succès TOTALE pour toi. Ton talent, tes efforts, ta compétence doivent être récompensés. Prend soin de toi et de ta famille en ce mauvais temps................Amicalement André
Merci beaucoup André. Je travaille sur la conception d'une formation qui aidera le plus grand nombre de personnes dans notre communauté, La sortie est prévue pour cette année. Vous allez en entendre parler progressivement... ;)
A bientôt !
Merci Guillaume 😊
de rien :)
en tt cas un tres grand merci a vs guillaume dpuis k j vs ai connu je perds plus de temps pour apprendre l essentiel merci et bn courage
Ca me fait tres plaisir merci :)
pour make_blobs, il faut que la ligne soit complètement visible : X, y = make_blobs(n_samples=50, centers=1, cluster_std=0.5, random_state=42) , par exemple
Bonjour. Merci pour cette vidéo encore très bien réalisé. Les images animées aident vraiment à la compréhension des concepts.
Je serais assez curieux de voir un exemple taille réel de tri de photos à l'occasion si ça se fait sur la chaine.
Encore merci :)
Oui je vais le faire prochainement ! C'est sur ! :)
merci beaucoup
et on aimerait bien que fasses une video de classification
Je vais en faire ! :)
mercii bcp ça m'a aidé trop, c'etait la meilleure serie en machine learning que j'ai jamais vu, deja j'ai l'habitude de commencer une serie de formation et de la quitter dés le 4eme ou le 5eme video, mais celle ci je l'ai terminer en 2 semaines et suis excité en attendant la prochaine video, mercii bcp maitre pour votre pedagogie excellente, !! bon je suis debutant dans ce domaine j'ai suivie cette serie et une demi serie sur le deeplearning , j'ai besoin de vos conseils, comment peux-je maitriser le machine learning et creer mes propre codes, pouvez vous me donner une astuce ou une methode efficace pour continuer ?!
Merci beaucoup et bravo pour tes progrès en la matière ! Si tu as réussis a arriver jusqu'ici c'est avant tout grâce a ta motivation ! Pour répondre a ta question je te conseille de participer a quelques projets sur le site de Kaggle : il y a des compétitions simples comme le Titanic ou bien la prédiction de valeurs immobilieres qui sont de bons exercices pour développer toi-meme des codes de Machine Learnig
Merci beaucoup j'ai appris 80% du ML en moins 1h
Fabuleux ! Bravo et merci :)
j'ai grave aimé le "jouez au loto ce soir". très bonne vidéo comme dab ;)
ahah yes :)
bonjour monsieur, j'ai un probleme, ça concerne pas la video mais suis obligé de vous le poser; je viens d'échouer comment installer tensorflow sur ma machine; quand je cherche tensorflow dans les packages qui sont dans mon environnement; je manque tensorflow; il ya slmnt r- tensorflow et tensorflow hub et les autres mais pas tensorflow tout court, comment y ajouter tensorflow?
Bonjour Franklin, j'ai fait une vidéo qui explique comment procéder (il s'agit de la deuxieme vidéo de la chaine youtube)
@@MachineLearnia oui je l'ai deja suivie mais apparemment ça refuse parceque mon système est de 32bits même quand je fais avec conda install tensorflow on me dit "blablabla Channels blablabla
Merci beaucoup et bonne continuation
merci a vous ! Bonne continuation
bonjour , je vous remercie pour la clareté de cette video , si vous permettez quel type d'apprentissage doit on suivre pour la biométrie , supervisé ou non ? merci
Cela dépend de votre dataset et de votre application. Si vous cherchez a faire des classifications ou des regression (prédire une valeur quantitative) et que vous avez des exemples y de ce que la machine doit prédire (quelle classe ou quelle valeur) alors c'est l'apprentissage supervisé.
Sinon (pas de variable y) alors il va falloir utiliser de l'apprentissage non-supervisé pour faire du clustering, de la detection d'anomalie, ou de la réduction de dimension. (et si vous avez moyen de partiellement mettre des données y alors vous pouvez faire du semi-supervisé)
@@MachineLearnia
je veux remercie d'avoir repondu a ma question . je precise:
je veux faire l'identification des personnes par la biométrie en utilisant les réseaux de neurones convolutifs CNN . donc surement il va falloir d'utiliser une phase d'entrainement n'est ce pas .donc cest le supervisé?
Super intéressant merci !
Merci pour la vidéo, ça pourra être intéressant, de faire un exemple pratique avec les différents outils de classement
Merci a vous ! Vous auriez un exemple ?
@@MachineLearnia
J'ai récemment commencé à faire des exemples de chaque outil, et je les partagerai avec vous dès que j'aurai terminé
La vidéo est OUF !
Merci Rex c'est un bon compliment venant de toi :)
Encore un GRAND Merci pour ce cours très instructif.
Pour être dans l'actualité, serait-il possible que tu puisses faire une vidéo sur des sujets autour de l'analyse vidéo (unattended) ?Cela me semblent intéressant à explorer, notamment autour de la distanciation sociale (vérification du respect de la distance minimale entre 2 individus) et du port du masque. En espérant que ma question aurait susciter ton attention.
Merci beaucoup ! Je vais essayer de faire ca dans les temps 1 :)
@@MachineLearnia Génial, j'ai hâte de voir la vidéo , je suis sûr d'apprendre beaucoup de choses :-).
C'est tjr cool, on attend de vous une formation du nom : "Python Spécial Deep Learning" ; )
C'est pour bientot ! :)
@@MachineLearnia : avec TensorFlow 2 ??? :)
@@guillaumetopenot7143 Oui :) (et Keras) et a l'avenir je ferai même une série avec Pytorch !
@@MachineLearnia : d'abord TS / KERAS !!! Le sujet est tellement vaste...
j'ai commencé en Novembre 2019 avec tes vidéos... puis avec d'autres (une fois que tes playlists ont été écoutées avec attention et prises de notes)...
puis TensorFlow 2 mais là... ouh ! le sujet est VASTE (ANN, CNN, RNN, LTSM,...) : hier, j'ai même découvert qu'il y avait des Conv LSTM... arghhhh...
d'ailleurs une petite question : est-ce que sortir un réseau de neurones pour une regression linéaire (au lieu de SKlearn par exemple) ne serait pas sortir un marteau pillon pour écraser une mouche ? (la grosse artillerie)
Merci infiniment
De rien :)
Bon Retour
I'm back ! (merci ^^)
Magnifique vidéo ! Cela vient de m'aider énormément pour mon projet car je devais faire de la détection d'anomalie. On se réjouit des prochaines vidéos ! La prochaine vidéo traitera sur quel sujet ?
CA me fait très plaisir de savoir que j'ai pu autant te venir en aide ! La prochaine vidéo traite des techniques d'ensemble, mais je n'en dit pas plus ! ^^
Merci bcp pour ces vidéos merci pour les explications
De rien, c'est un plaisir :)
Vidéo très instructive ! Merci beaucoup :) Je dois analyser des BDD clients et détecter des atypies et faire des scoring. Je pense que le clustering pourrait être une technique très efficace pour m'aider dans ce travail. !
Merci beaucoup ! Oui je pense que le clustering pourrait être utile ! Bon courage et si tu as une question n'hésite pas !
Kel formations vs aviez suivi ?
Etes vs developpeur ou mathematicien, ou cmt ?
J'aimerais savoir un pe , juste pour ke je m'y prepare a ca ?
Merci d'avance pour la reponse
Je suis Ingénieur généraliste. Je me suis auto-formé au Machine Learning, ce qui n'est pas compliqué quand on a fait une CPGE et une école d'ingé, qu'on aime la pogrammation et les mathématiques.
Dans mon métier je suis Data Scientist
Merci beaucoup 🔥🙏...
merci infiniment, you are the best
Merci beaucoup ! :)
Excellent travail! J"aimerais voir une video sur les Auto-Encoders utilisant Tensorflow. Merci!
Je prévois de le faire ne vous en faites pas :)
Regarde Les vidéo du CNRS réseau sari en attendant le retour du roi.
comme projet la classification de dossier serait magnifique
Bonjour,
excellente vidéo merci!
J'aimerai savoir est ce qu'il y a un moyen de calculer la distance entre un point et le centroide du cluster auquel il appartient, pour faire comme une limite ( tracer un cercle autour du centroide) et éliminer les valeurs à partir d'une certaine distance du centroide (detection d'outlier)
Bonjour, alors de mon point de vue il s'agit en fait de plusieurs questions que vous posez la.
1) Pour calculer la distance entre un point et son centroid, on peut utiliser la méthode tranform() ou bien faire une simple soustraction entre les coordonées du centroid et un point quelconque (une soustraction donne une distance, si vous l'élevez au carré cela donne la distance euclidienne)
2) Si votre but est de detecter des outliers , le Kmeans n'est pas le meilleur choix. Votre idée d'utiliser une "zone" comme décrit ici, on peut utiliser DBSCAN (également disponible dans Sklearn.clusters)
@@MachineLearnia Merci beaucoup! la distance donnée par la méthode transform c'est une distance euclidienne? manhattan?
Merci beaucoup Guillaume pour cette fabuleuse vidéo .
Mais en fait comment pouvons nous faire des prédictions avec le KMeans et surtout comment visualiser nos nouvelles données sur un scatter afin de voir à quel cluster il appartient ?
Pour faire des prédictions avec KMeans il faut utiliser la méthode model.predict() dans laquelle vous pouvez passer de nouvelles données. Les données seront rattachées au centroides le plus proche.
Pour visualiser le tout, vous pouvez utiliser un PCA(n_components =2)
Ok merci beaucoup prof !
Excellent, de tous les cotes, bien fais merci,i
merci beaucoup :)
Bravo bravo bravo! vous vidéos sont inspirantes
Merci beaucoup Mohamed !
c 'est vraiment genial
Merci c'est bien expliqué