RÉSEAU DE NEURONES (2 COUCHES) - DEEP LEARNING 7
Вставка
- Опубліковано 1 чер 2024
- Pour développer un réseau de neurone artificiel à 2 couches, il suffit de créer plusieurs modelés de neurones artificiels, en les organisant en couches, et en envoyant les résultats des neurones de la couche 1 vers ceux de la couche 2. C'est ce qu'on appelle la Forward Propagation. Ensuite, pour entraîner un tel modèle, il faut calculer ces gradient en comprenant comment la fonction coût évolue par rapport à la 2ieme couche du réseau, puis comment la 2ieme couche du réseau évolue par rapport à la 1ere. C'est ce qu'on appelle la Back Propagation.
00:00 : L'avantage des réseaux de neurones
02:40 : Couche [1]
05:20 : Couche [2]
08:39 : Résumé
9:55 : Vectorisation
13:27 : La Forward Propagation
15:36 : L'entrainement d'un Réseau de neurones
17:23 : La Back Propagation
19:37 : Exercice pour la prochaine vidéo
23:15 : Bonus !
► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► Me soutenir financierement sur Tipeee ou Utip (et obtenir des vidéos BONUS)
fr.tipeee.com/machine-learnia
utip.io/machinelearnia/
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
machinelearnia.com/apprendre-...
► Télécharger gratuitement mes codes sur github:
github.com/MachineLearnia
► Abonnez-vous : / @machinelearnia
► Pour En Savoir plus : Visitez Machine Learnia : machinelearnia.com/
► Qui suis-je ?
Je m’appelle Guillaume Saint-Cirgue et je suis Data Scientist au Royaume Uni. Après avoir suivi un parcours classique maths sup maths spé et avoir intégré une bonne école d’ingénieur, je me suis tourné vers l’intelligence artificielle de ma propre initiative et j’ai commencé à apprendre tout seul le machine learning et le deep learning en suivant des formations payantes, en lisant des articles scientifiques, en suivant les cours du MIT et de Stanford et en passant des week end entier à développer mes propres codes.
Aujourd’hui, je veux vous offrir ce que j’ai appris gratuitement car le monde a urgemment besoin de se former en Intelligence Artificielle.
Que vous souhaitiez changer de vie, de carrière, ou bien développer vos compétences à résoudre des problèmes, ma chaîne vous y aidera.
C’est votre tour de passer à l’action !
► Une question ? Contactez-moi: contact@machinelearnia.com
Je trouve que ce cours est le meilleur sur le sujet du deep learning. Je trouve difficile à croire que ce cours est gratuit. Merci Guillaume!
comme on le dit en Côte d'Ivoire "Tu es l'homme hein" merci pour ces magnifiques vidéo
Merci beaucoup :)
C'est magnifique ce que vous faites Monsieur Guillaume...merci beaucoup...nous vous en serons éternellement reconnaissants.
Merci pour votre soutien :)
Merci pour cette formation Deep Learning d'une très grande qualité ! Je suis bluffé par la qualité de ta pédagogie !
ça serait cool de faire également une playlist sur le Reinforcement Learning !
Après plusieurs mois de deep learning, revenir aux bases avec ce genre de cours très explicatif est un perle ! C'est rare que les explications soient aussi poussées et si précises.
Merci à toi, nous te sommes réellement infiniment reconnaissant
Merci beaucoup ! :)
Mais tu as encore travaillé un week-end pour le plus grand bonheur de tes abonnés...
Merci pour cette nouvelle vidéo. ;-)
Merci pour ton soutien ! :)
Bonjour Guillaume, je suis votre formation depuis le début et je n'avais qu'une hâte : arriver à cet épisode qui aborde les réseaux multicouches ! Merci pour cette formation Deep Learning d'une très grande qualité :)
Wao, vous êtes un vrai bedagogue. Perso, j'en ai fait une formation en mode bootcamp qui m'a permi d'apprendre bcp de chose en datascience, je n'ai pas appris autant qu''avec vous 🙏🙏🙏🙏 un grand merci
Merci pour votre soutien ca fait tres plaisir ! :)
Tu as une excellente pédagogie, c'est le moins qu'on puisse dire. Tu as su cultiver ma soif d'apprendre et tu ne peux pas savoir à quel point je t'en suis reconnaissant !
Je n'ai presque pas envie d'arriver au terme de cette série tant elle me plaît !
Excellent explanation. Thanks Guillaume. 🙂
J'attendais cette vidéo avec impatience ! Merci pour ce travail de qualité que tu nous partages !
Merci pour ton message :)
Tu fais vraiment des vidéos de qualités ! On ressent la rigueur derrière le travail, je te remercie !
Merci énormément pour votre travail de qualité. Le côté mathématiques du deep learning est parfaitement expliqué et les exercices sont parfait pour comprendre encore mieux les notions. J'ai 15 ans et je n'aurais pas pu rêver mieux que cette chaine pour apprendre le deep learning. Merci beaucoup !
Merci beaucoup, en passant, je vous remercie encore plus car votre cours m'ont beaucoup aidé dans la formation. J'étais vraiment au niveau 0 et maintenant je peux parler de l'IA grâce à votre cours. 🙏
Ca me fait vraiment tres plaisir ! :)
Excellente approche pédagogique. J'adore
Quel journée, mon pays gagne la CAN et vous m'offrez un tel cours!! dieu merci merci à toi Guillaume de Machine Learnia
Tout le plaisir est pour moi :)
Bonjour monsieur je suis fan 😭quelle simplicité dans les explications
Merci beaucoup ! :D
Big up Guillaume...merci pour tes efforts
merci pour le soutien :)
@Collège de France: Invitez donc ce Monsieur pour une conférence IA (sans le coding python et les rappels mathématiques). C'est nettement plus clair que beaucoup de vos leçons inaugurales, pour expliciter les concepts clés de l'IA !
I'll never thank you enough Guillaume , you're an angel :)
Des explications toujours aussi claire, parfait. 👍
Ca fait plaisir :)
Bonjour, merci pour cette suite qui était tellement attendu ;-) Comme d'habitude c'est très clair et passionnant.
Merci beaucoup !
Merci !!! :D ca faisait des mois que j’attendais cette vidéo ! Merci énormément pour ton travail acharné et bravo !!!!!!!🎊
Merci :)
Le meilleur cours que j'ai vu depuis très très longtemps ! C'est clair et limpide !!
ca me fait plaisir de lire ca, la video fait un peu moins de vues que d'habitude donc je me demande un peu ^^
Ah super une nouvelle vidéo !
J'espere qu'elle t'a plu :)
@@MachineLearnia oui vraiment surtout la partie mathématiques car on dit souvent que les maths c'est compliqué. Mais en fait c'est surtout que les maths on apprend et utilise des formules mais on comprend pas pourquoi. Alors que là on comprend pourquoi on fait cette formule elle est clair et on n'a même pas besoin de l'apprendre et ça c'est vraiment super . Je trouve c'est surtout ça qui manque dans les études et grâce à vous tout paraît plus simple !
Back-Propagation en Français c'est Retro-Propagation.
C'était dans mon cours d'IA durant 1997.
Merci pour votre précieux cours.
Meilleur ressource VF du web sur le sujet. Immense bravo 👏
Merci pour le retour.Surtout mes meilleurs vœux.Et force à vous formateur!
Merci beaucoup a vous !
y a pas meilleur que ce cous dans l'ai DANS TOUT LE MONDE MERCI BCP MONSIEUR GUILLAUME !!!
Successfully done the exercice...ayant fait les classes prépas y'a presque 25 ans ..I'm very proud of myself :))
Toujours aussi passionnant ! Merci
Oh merci beaucoup :)
Bravo et merci pour tes videos
Notre patience est vraiment payante
Merci pour votre soutien !
Merci Guillaume. J'ai enfin une illustration par l'exemple de tous les concepts qu'on balance dans les conférences "grand public" du Collège De France. Encore bravo et merci. J'espère pouvoir faire un tour sur ton Tipeee. C'est plus que mérité, à ce niveau, c'est un devoir pour nous tous.
Merci beaucoup..., très simple et pédagogique....
Merci !
Merci, j'aime bien voir tous ces détails math. avec ta méthodologie très sympa. Hâte de voir la suite !
merci de bien accueillir mes vidéos :)
Merci pour cette suite toujours aussi claire et brillante. Longue vie à la chaîne 🙏🍾🥳
Merci pour votre soutien :)
Je pense que 154 mercis ne suffisent pas du tout pour ce remarquable travail. En voilà un de plus : merci
Merci beaucoup pour vos cours, ça m'aide à rafrechir mes connaissances oubliés!!
Merci infiniment pour ce partage ! C'est très intéressant
De rien :)
j'écoute chaque minute de chacune de tes vidéos avec autant de plaisir et d'étonnement; W-O-W ! je me répète mais ta série de cours sur le sujet dépasse de très loin tout ce que j'ai pu voir ou assister par le passé. pour être bien honnête, j'ai décidé d'apprendre le Deep Learning uniquement pour mon bon plaisir mais là, mon bon plaisir est à son comble :-) . MERCI ET MERCI ENCORE
déjà hâte de voir la prochaine vidéo , t"es le meilleur, big up que Dieu te garde
Merci beaucoup, je suis flatté :)
Bonsoir Guillaume, passionné des news sur l'iA et tout ce qui la concerne je suis tombé par hasard sur votre cours. Franchement bravo pour cette didactique simple, précise, captivante.... Je me suis en effet souvent demandé comment concrètement réaliser ces fameux réseaux de neurones et comment celà pouvait fonctionner. Maintenant je commence à y voir plus clair et à comprendre. Merci pour ce don.
Encore merci Guillaume !
Super vidéo comme d'habitude !!! Merci pour ces vidéos très utiles !
De rien merci a vous !
C'est très pédagogique, merci beaucoup
Merci a vous !
incredible😍waouuuuh
Extraordinaire ! Merci !
merci !
merci énormément pour cette vidéo :D
Merci beaucoup pour ce génial tuto comme d'habitude, vraiment tutoriel bien présenté et tout est clair. Cordialement.
Merci pour le retour :)
Super comme d'hab ! 👏
Merci :)
génial ! :D c'est un dimanche qui commence bien. n'empeche la qualité ca paye car désormais plus de 78,8k abonnés :) bravo
Merci beaucoup. Oui je suis tres honoré d'avoir une communauté si fidèle a ce que je produis, merci a vous !
Bravo monsieur 👏
Merci pour cette vidéo de qualité encore et toujours - Biskuit :)
Hey Salut ! :D
Merci beaucoup :)
Super intéressant la vidéo, c'est des informations complexes mais tu explique ça simplement.
Juste merci pour tes vidéos toujours propres 👍🥳
Merci beaucoup ca me fait tres plaisir !
@@MachineLearnia de rien, les gens critiquent ce qu'ils n'aiment pas mais oublient souvent de remercier ce qu'ils aiment 😓😉😉
Bonjour, merci beaucoup pour les vidéos..
Mais j’ai une question..
Pourquoi dans une couche, les paramètres W changent de valeurs d’un neurone à un autre alors qu’il s’agit toujours des mêmes variables x1 et x2 de départ..?
Merci beaucoup 💪💪💪💪💪💪
de rien :)
Magnifique
Merci, beaucoup vraiment c'est très clair, j'ai hâte pour les prochaines vidéos,merci de nous faire un réseau de neurone multicouche, j'ai un stage à effectuer sur les réseaux de neurones , ça me fait peur 😔
N'ai pas peur ca va bien se passer, et si tu as un probleme, tu pourras me contacter je t'aiderai !
Tant de boulot ! Le cookie est mérité : 🍪
Merci beaucoup a toi ! Content de te voir toujours la :)
@@MachineLearnia c'est toujours un plaisir même si je n'ai plus le temps de pratiquer :)
Mais je vais essayer de revenir un peu, ca me manque.
merci bcp
Ok +1 like direct tellement je l'attendais, cette vidéo !
Merci ca fait bien plaisir !
@@MachineLearnia ^^
En vrai, c'est constructif de se plaindre donc j'en profite pour faire remarquer que quelqu'un qui n'y connait rien risque de ne pas pouvoir se faire une bonne intuition de ce qui se passe dans un réseau de neurones avec ces vidéos pleines de formules abstraites.
Perso, ça me convient, et ça ne se veut peut-être pas vulga, mais bon voilà au cas où le ressenti du consommateur peut être utile (un peu tard, remarque).
Ah et je rajoute que c'est très aimable d'autant répondre aux commentaires. Merci beaucoup de faire ça.
@@abellematheux7632 Salut ! Oui je suis tout a fait d'accord. Je voulais que la vidéo d'introduction de cette série soit plus une vidéo de vulga, et apres c'est vraiment pour celles et ceux qui veulent faire des maths dures.
merci beaucoup
Merci
de rien !
Bravo
Déjà très hâte d'être au prochain, c'est magnifique✨, merci ! Si on pouvait avoir une fréquence de diffusion constante, par exemple chaque mois, ou chaque 2 semaines si possible, ça serait génial. Force à vous💪
Oui je suis d'accord avec vous, la prochaine vidéo va sortir la semaine prochaine, c'est déjà ça de gagner, mais je vais faire de mon mieux pour sortir a fréquence fixe a l'avenir !
@@MachineLearnia cool mercii
Comment cela ? Une vidéo par jour en prime time sur la TNT. ;-)
Aller, Guillaume, au travail et à toi la gloire. ;-)
MERCIIII :D
Merci a toi :)
C'est bien illustré et très pédagogique. On comprend mieux. Merci pour votre travail.
PS :
Avec quel logiciel vous écrivez les équations ?
J'ai fait ca avec Manim. Merci a vous ! :)
Bonjour, ppour la min 17:14, est ce que le vecteur W2 ne devrait pas etre un vecteur ligne, cad un vecteur de dim (1,3) ?
Du sucre ! Juste magnifique
Ca fait bien plaisir :)
tu vas faire concurrence à 3b1b (version fr lol) un grand avenir pour cette chaine !!
Oh eh bien c'est trop d'honneur ahah merci ! :)
Merci pour toutes vos vidéos .. en cours de les visionner.. Pourriez-vous faire une série sur le reinforcement learning et deep RL (single and multi agents ..)?
J'ai prévu de faire une formation tres complete sur ce domaine oui :)
@@MachineLearnia great ! Dans pas longtemps j'espère ?
Sinon en attendant any recommandation pour aborder le sujet? Mercii
Je trouve ce cours est le meilleur
S il vous plaît j' ai une question comment résoudre un équation différentielle a l aide de réseaux de neurones
Merci bc
Guillaume on aimerait bien avoir des vidéos avec des frameworks telque Tensorflow, Keras , OpenCv et PyTorch. Avec ta méthodologie je sens que si tu le fais ça sera vraiment mais alors super cool
Pas d'inquiétude ! J'ai prévu de le faire :)
Top comme d'habitude les videos. Juste petite question : Quand tu parle de la formule ecrite d'une autre facon, tu dis que c'est Z = W . X + b mais c'est pas plutot Z = WT(transpose) . XT(Transpose) + bT ?
Merci
Vos vidéos sont une mine d'or! Bravo
Il faut quoi comme CPU et carte graphique pour faire ce genre de choses?
Pas de gros CPU ni GPU en particulier pour les choses basiques (durant votre apprentissage donc)
@@MachineLearnia merci beaucoup ^^
Salut Guillaume
C'est super quelques unes de tes vidéos que j'ai regardées. Je voudrais savoir si tu peux me conseiller par rapport à la modélisation des événements hydrologiques, c'est à dire s'il y a des codes de régressions en python pour faire la prévision des événements futurs ? Ou bien quel modèle de machine learning utilisé pour les prévisions des pluies et débits futurs ?
Merci d'avance !
Si ce sont des données de série temporelles, tu peux utiliser des modeles d'auto-regression : AR, ARMA, ARIMA, SARIMA, ou bien des réseaux de neurones LSTM
Ça nous manquait déjà !
Peut-on avoir un livre (ou plusieurs) gratuit(s) et en français parlant très bien du sujet ? (Question d'avoir une idée plus large sur la question).
Je n'en connais pas en francais et gratuit malheureusement non
Je vais faire un livre qui résume tout !
✅✅✅
Vidéo tres interessante comme d'hab;
J'aimerais aussi savoir quel logiciel est utilisé pour faire les diapo et animaation
Merci ! J'utilise Manim
Merci pour ce travail aboutit.
Mais Là un truc que je ne comprends pas.
On soumet l'ensemble du dataset au reseau de neurones, on calcule l'erreur pour l'ensemble du dataset puis in corrige pes poids ?!!!
Je me suis toujours interressé aux réseaux de neurones, mais je croyais qu'on soumet Les images une à une et on corrige l'erreur après chaque image.
Merci pour cette vidéo c'est complet ! , j'ai une question svp : comment. peut. on voir les optimisers comme adam ,sgd ; je n'arrive pas à comprendre (voir) ça sur un shéma si vous pouvez me sugérer des. liens ou articles svp. Merci
Bonjour, vraiment fantastique vos vidéos. Je me demande comment procéder lorsque le modèle doit être appliqué à un nombre de variables différent à chaque fois. Prenons par exemple la modélisation des courses de chevaux. J'ai donc un dataset, par exemple de 1000 courses fois un nombre moyen de partants de 10, soit 10000 lignes de résultats. Mais il faut pouvoir entrainer le modèle course par course et donc avec un nombre de X et y variables course par course. Une idée ?
Bonjour, il vous faut poser votre probleme de sorte a ce que le nombre de variables est constant, ca peut tres bien se faire avec un nombre de participant a chaque fois différent. Mais je ne saurais vous donner d'exemple concret juste par commentaire.
Salut ! Super vidéo, j'aime bien avoir un vocab clair, du coup comment on appelle cette fonction "Z" qui a les poids et le biais avec les données ?
C'est la fonction d’agrégation.
@@MachineLearnia merci, ça m'aide d'avoir des petits noms !
J’aime beaucoup ce que vous faite bon courage à vous juste une petite question
Quel sont les bases requis en Maths pour faire de la Deep learning ?
@@Interrupt101 merci pour l’info force à vous
Je confirme
@@Interrupt101 Merci beaucoup pour votre réponse
Merci beaucoup Monsieur. Une question si vous permettez, vous avez dit que pour résoudre des problèmes complexes on ajoute des neurones. Comment peut on différentier entre l'augmentation de nombre de neurones dans une couche existante ou alors l'ajout d'une autre couche ? est ce qu'il y a une intuition à suivre pour pouvoir décider ? En vous remerciant.
Cela semble référer à l'équilibre dont il parle à 8:32, étant donnée que tout est régie par des math, je pense que ce doit se dimensionner avec une étude du jeu d'entrée et du problème à résoudre. Ce n'est que mon intuition, on verra bien ...
Oui il faut trouver un équilibre, et malheureusement nous n'avons pas de réponses parfaite a ce sujet. Les chercheurs en IA publient régulièrement des papiers de recherches pour partager leur dernieres découvertes sur les bons nombres de couches, cela change souvent.
Merci c’est vraiment cool la pédagogie utilisée. Mais je ne sais pas si vous vous êtes rendu compte de la petite erreur qui s’est glissée en début de vidéo avec la couche 1 et Z2 dont vous avez mit les deux poids à w21 et w21 or je penses que c’est w21 et w22
Mince je ne l'ai pas vu, a quelle minute ?
@@MachineLearnia 5:04
@@marcdonald4150 Bien vu ! Ca m'a échappé ainsi qu'a mes relecteurs. Merci beaucoup :)
svp quelqu'un peut me dire avec quel éditeur de texte ou environnement Mr Guillaume écrit les codes ?
LaTeX
@@MachineLearnia d’accord. Je vous remercie Monsieur. Et bravo pour ce travail.
🐱👤
Très intéressant... Merci pour la qualité de la vidéo
Comment déterminer le nombre de feautures a partir du nombre de couches cachées nombre d'entrees et nombre de sorties d'un reseaux de neurones . Merci
bonjour ce que vs faites est simple et conci cependant est ce vous pouvez m'orienter sur la programmation en python relatif a des cartes etablies par gis -sig-systeme information geographique
Bonjour, c'est du re dit au vu des commentaires dithyrambiques laissés sous toutes tes vidéos, excellent travail ! J'avais une question, je serai très reconnaissant si quelqu'un pouvait y répondre sachant que je n'arrive pas à trouver d'explication sur internet. Pourquoi et comment deux neurones auxquelles ont fournis les mêmes données en entré ne convergent-ils pas vers la même solution ? Excellente jounée et merci d'avance :-)
Salut et merci :)
C'est une tres bonne question, en fait pour ne pas que les neurones convergent vers la meme solution il faut les initialiser avec des valeurs aléatoires Différentes ! Si tu fais l'expérience de les fixer avec tous les memes parametres initiaux, les neurones vont en effet tous se comporter de la meme maniere (ce qui rend le réseau inutile)
peut on avec un réseau de neurones effectue l'apprentissage d'un membre robotisé et déterminer les mouvement en fonction des 3 membres(chien) sans passer par le machine learning
Oui, des gens ont déja fait ce genre de choses par le passé.
comment etre membre du forum et merci pour le cours
Je suis très intéressé comment faire pour entrer dans votre groupe discord
je ne suis pas certain mais je pense que b1 appartient à Rn1xm et non à Rn1x1. Le + étant une loi interne b1 et Z1 sont de même taille
Au sujet de l'exercice : fournis-tu une baguette magique pour trouver le résultat ? ;-)
Bon, il va falloir se mettre au travail alors...
Je vais donner des éléments de réponse ce soir en stream sur Twitch :)
@@MachineLearnia Je découvre Twitch. Comment être prévenu de tes interventions parce que rien n'est annoncé pour ce soir ? Faut-il prendre un abonnement payant ?
A+ ;-)
Bon je vais me faire compte tipee je reviens
Merci beaucoup ca me touche vraiment !