Cette vidéo est assez longue car elle contient pas mal d'information. Alors voici comment vous rendre directement aux principales sections: 0:00 : Introduction et résumé rapide du Gradient Descent 1:40 : Analogie de la Descente de la Montagne 2:56 : La formule du Gradient Descent et sa visualisation 6:06 : Explication Mathématique 9:04 : Learning Rate alpha 10:18 : Calcul du Gradient 12:40 : Résumé de l'algorithme complet (Régression Linéaire)
Je suis data scientist depuis deux ans et enseignant chercheur à l'université de Valenciennes mais je n'aurais jamais pu vulgariser et si bien expliquer la gradien descent, qui est le fondement du ML, parce qu'au final ce qu'on fait c'est que descendre des gradients. En tout cas, ta chaine est parfaite :)
Merci â ALLAH qui nous a creé ces grands cerveaux en occident 2023, comme ce merveilleux jeune talentueux nous a beaucoup appris et grace à lui jai beacoup aimé la notion du dérivé que je detestait auparavant , merci au dieu tout puissant pour tous ces vertus scidntifiques hightech qui nous épatent chaque matin...BRAVO NOTRE PROF 👍👍👍👍👍👍👍👍👍CONTNUEZ
Pour ce qui concerne le "Learning rate", je pense que nous avons la possibilité de choisir une valeur initiale très élevée et de la réduire progressivement au cours du programme. Si la dérivée de la fonction de coût change de signe, nous pouvons diviser la variable alpha (le "Learning rate") par 2. En utilisant cette méthode, nous pouvons bénéficier d'un apprentissage machine beaucoup plus rapide tout en évitant que la machine n'atteigne un modèle sous-optimal. Cette approche permet une convergence efficace vers le meilleur modèle. Je tiens à vous remercier pour votre excellent travail, c'est vraiment génial !
Salut, l'ami , tu peux m'expliquer comment du implémente cette condition(si la dérivée change de signe ) dans la formule du Gradient Descent pout diviser alpha par 2 s'il te plait?
Hi Guillaume I am student at University of Maryland University College. I am taking this semester machine learning class (DATA630) and I found your video while looking for something to help me out. I am under charm not only for the quality of the videos but also how you explain simply things that seem to be complicated before. I am lucky for being bilingual or I could miss this. I requested and received the e-book. Thank You very much. "You're the MAN"
Hi, Thank you very much for watching my videos ! Also thank you for your great compliment ! :) I am sorry I don't speak English in my videos, that's primarily because there is already a lot of English videos about machine learning on UA-cam. Well done for being bilingual ! :D As I have lived many years in the UK I have no problem with English, so I may do videos in Englishin the future (maybe on an other channel) Good look and keep in touch !
Je sors de mes études d'énergies renouvelables et n'ai pas encore trouvé de travail, merci pour vos vidéos qui me permettent de monter en compétences et m'aideront éventuellement à changer de métier
Je viens de regarder et surtout de prendre des notes sur les 4 premières vidéos de la playlist. Un énorme merci pour m'avoir autant éclairci sur les notions que je ne comprenais que très mal en cours de ML, vidéos d'une grande qualité, explications d'autant plus.
J'adore votre pédagogie. Vous partez du principe que nous ne sommes pas tous bons en maths et vous arrivez à bien nous expliquer les choses. Je vous en remercie.
Vous êtes un trésor Monsieur , vos vidéos !!!! franchement c'est un vrai régal (Instructif , pédagogue ) çà me donne l'envie d'apprendre et de monter en compétence un grand merci de la Tunisie :)
Je vous suis depuis qlq mois et j'adore le travail que vous faites, le contenu est bien expliqué, les exemples bien illustrés la qualité de la vidéo est super !!! J'apprends énormément grâce à vous un grand merci
@@mountassirkh2759 Mon contact est sur la page "a propos" de la chaine UA-cam, mais je risque de mettre un peu de temps a répondre, car j'ai beaucoup d'email a lire. Sinon il y a discord (lien dans la description)
Depuis que j'ai découvert votre vidéo, je me retrouve à vouloir regarder toutes les vidéos et lire tous les articles en deux jours tellement c'est intéressant 🤗👏👏👏👏 En fait je suis en train de travailler sur un projet de contrôle d'accès à l'habitat par le système de reconnaissance faciale. Et vos explications est le meilleur que j'ai trouvé jusqu'ici 💪💪💪 J'ai choisi ce sujet par curiosité sur l'IA et sens que je ne vais pas m'ennuyer 👌 merci infiniment !
Bonjour, j'ai commencé les cours de machine learning aujourd'hui et j'ai vu les 4 premières vidéos. C'est vraiment très clair et ça va énormément m'aider. Merci beaucoup !
Salut, merci beaucoup pour ton explication. Je viens d'arriver à l'UCSD à San Diego ou j'ai pris des cours d'IA. J'étais totalement perdu mais maintenant je comprend tout! Je suis un grand habitué des tutos youtube sur tous les sujets. Je pense que c'est de loin le meilleur que j'ai pu voir! bonne continuation !
Merci énormément pour cette belle video Pour ceux qui comme moi n’ont pas compris le résultats de la dérivée avec f(g(x)) Une autre façon simple est de dire (ax+b-y)^2= (ax+b-y) * (ax+b-y) Dont la dérivée est 2*(ax+b-y)’*(ax+b-y) = 2*x*(ax+b-y) Puisque (uv)’ = u’v + uv’
Merci beaucoup monsieur pour votre formation qui est riche des informations et simple a comprendre par tous les catégories ,je te souhaite bonne continuation
Depuis que j'ai découvert votre vidéo, je me retrouve à vouloir regarder toutes les vidéos et lire tous les articles en deux jours tellement c'est intéressant 🤗👏👏👏👏 En fait je suis en train de travailler sur un projet de contrôle d'accès à l'habitat par le système de reconnaissance faciale. Et votre explication est la meilleure que j'ai trouvé jusqu'ici 💪💪💪 J'ai choisi ce sujet par curiosité sur l'IA et je sens que je ne vais pas m'ennuyer 👌 merci infiniment !
Merci beaucoup a vous ! :) Je suis tres content de voir que les vidéos suscitent autant d'intéret et de passion chez certaines personnes ! Bravo a vous votre projet est super !
Je suis tombé sur ta vidéo au hasard sur le discord french ai... je suis charmé, like + abo :) A vrai dire j'ai vraiment eu du mal avec ce concept, ta vidéo m'a clarifié l'esprit
@@MachineLearnia Et je dois pas être le seul, vu le manque de clarté de Wikipédia et le peu de cours en ligne qui présente pas que du code... ta vidéo réponds à un vrai besoin ! J'espère que tu perceras dans les années à venir, vu l'explosion prévu du domaine, c'est pas impossible :)
Merci ! Je vais continuer sur cette voie alors. Nous verrons si la chance me sourit ! En attendant je suis déjà très satisfait de pouvoir aider quelques personnes !
je vous remercie énormément , j'ai trouvé votre vidéo , vous expliquez parfaitement le machine Learning , j'ai bien compris malgré que je n'avais pas de connaissances auparavant .
Vidéo très bien expliquée. J'ai beaucoup aimé la métaphore montagnarde en intro. Voir une vidéo aussi claire sur la descente de gradient ça remonte le moral ! Merci++
@@MachineLearniace qui est marrant c'est que je ne fais pas du tout de machine learning mais suis à quelques heures d'une épreuve de modélisation (L3 maths)
Très intéressant je connaissais pas du tout les notions de machine learning et t'expliques super bien. Concernant l'hyper paramètres alpha, intuitivement, je me dis que vu que alpha c'est la vitesse d'apprentissage, peut être que bien la régler ou fixer dépend du champs d'apprentissage que je vois comme la surface du plan perpendiculaire de la "carte de la montagne" plus la difficulté d'apprentissage que je représente mentalement comme la pente ou la valeur de dérivée ou d'une espèce de moyenne entre quelques dérivés locales (comme des quartiles) mais aussi du temps d'apprentissage que je représente comme la vitesse ou force de calcul. En tout cas un modèle de machine learning qui bouffe un maximum d'alphas de différents modèles ça serait génial. Super intéressant en tout cas.
Encore une fois, vos cours sont vraiment intéressants. Et je voulais toujours vous interpeller par rapport au livre. Je me suis inscrit mais je l'ai pas eu d'abord. Merci de votre travail formidable !
super super travail ! merci infiniment Guillaume ! explication détaillée et claire. Je suis en M2 IoT et ta chaine m'aide bcp pour comprendre le module d'apprentissage automatique. Je viens aussi de recevoir ton E-BOOK par mail. Bonne continuation !
Bonjour Professeur. J'ai un souci pour installer python sur mon ordinateur.J'ai déjà fait le téléchargement du logiciel et l'installation du raccourci "cmd" sur mon bureau..Mais pour finaliser l'installation, lorsque je fais (espace--version ) , l'interface qui apparaît me fait savoir que la version de python est introuvable.Je tiens à préciser que j'ai une version python-3.10.3-amd.64. Dans ce cas comment finaliser l'installation ? Merci Prof
Une très belle video comme ça , il y a des gens qui unlike , je suis decu ! En tous cas merci pour ces magnifiques videos que vous faites pour démocratiser le machine Learning !
Bonjour, Merci beaucoup pour la clarté de vos videos. C'est une mine d'or et ça donne très envie de creuser le domaine. Une question quant au choix de l'hyperparamètre alpha : En pratique ne pourrait-on pas le choisir relativement grand au début de notre apprentissage puis le réduire au fur et à mesure à chaque fois que notre dérivée de la fonction cout change de signe ? C'est qu'on a dépassé le minimum, donc qu'il faut être plus précis pour s'en approcher
Très bon contenu et de grande qualité! C'est tellement clair qu'on pourrait croire que finalement le machine learning c'est simple :) Merci pour toutes les vidéos, le format est très agréable avec des dessins pour bien visualiser ce que tu dis (je n'ai pas encore fait tout le tour mais j'ai hâte).
salut guilllaume ,merci pour votre contenue , vous avez mentionner qu'il y a pas de formule magique pour connaitre le learning rate , je voudrais vous dire qu'il y a ce qu'on appelle le pas optimal ,et le pas de wolf c'est un peu plus fort .
Donc sur n features on a toujours x[j](i) * (modèle - y(i)) sauf pour la constante où on a (modèle - y(i)). Je suis désolé, mon propos n'est pas très clair. J'essaie d'extrapoler sur plusieurs features ce qui vient d'être exposé. Les réponses sont peut-être dans les vidéos qui suivent ?
Bonjour, j’ai regardé avec beaucoup d’attention votre vidéo, je trouve le contenu très bien exposé. En revanche, sur la fin pour la recherche du terme \alpha, ne serait-ce pas possible d’utiliser une méthode d’Armijo pour trouver la pente? Merci d’avance et bonne journée.
merci pour vos séries vidéo il sont vraiment précieux mais j ai une petite remarque sur ce que vous a dit sur les pas qu'il n'y a pas une formule magique mais il existe des formules des pas approche comme armijo ...
Oui c'est vrai, il y a des méthodes pour trouver de bonne valeurs pour alpha, on peut par exemple faire une recherche en passant de [..., 0.1, 0.3, 0.6, 1, 3, 6]
Waaaw vous été le meilleur , je vous remercie beaucoup beaucoup beaucoup Monsieur, j'aibune petite question faut pas aller voir les fonctions de plusieurs variable ou in se limite aux exemple que vous nous présenter car j'ai l'impression que 'on a pas besoin en vu de votre explication
Super vidéo ! Petite question néanmoins : pourquoi ne pas prendre la fonction qui donne le signe de la dérivée et le le multiplier par le learning rate ? En gardant la valeur de la dérivée cela influence la taille du pas. Plus la pente est forte, plus on va faire un grand pas. Cela est interessant pour un polynome du second degré, mais pas pour tous les cas. Ce learning rate n'est donc pas toujours optimal, vous confirmez ?
Je pense qu'en multipliant simplement le learning rate par le signe de la dérivée nous obtiendrons des sauts (des pas) réguliers. Sauf qu'en faisant des sauts réguliers, rien ne nous garantit qu'on obtiendra les paramètres optimaux en fin de compte (le risque de tourner autour est grand). Alors qu'en multipliant pas la dérivée partielle, nous obtenons des pas dont la taille "s'auto-ajuste" au fur et à mesure des itérations. Par exemple, en marchant, on peut choisir de faire des petits ou des grands pas en fonction de la situation. (A mon avis,) il ne serait pas pratique des faire des pas de taille unique. Après, tout cela reste un avis. Et je ne remets en aucun cas en question votre hypothèse.
Bonjour! En premier je tiens à vous remercier pour des vidéos si bien expliquées et une pédagogie impeccable. J’ai juste une question: peut on trouver le minimum de la fonction coût avec un algorithme génétique plutôt que l’algorithme de la descente de gradient ? Cela reviendrait à trouver la meilleure combinaison des variables a et b pour minimiser la fonction coût non? Merci d’avance et très bonne journée!
salut je te félicite plus la belle vid explicative du gradu=ient decendant mais je souhaite SVP savoir dou est ce que vous avez trouvez le b parceque dans le graphe on a que J et A merci m'expliquer
merci beaucoup, comment avoir votre livre sur maschinen Learning ? j´ai commandé sur le site comme vous avez promis depuis plus d´une semaine, mais pas encore recu, je pourrais acheter aussi
Cette vidéo est assez longue car elle contient pas mal d'information. Alors voici comment vous rendre directement aux principales sections:
0:00 : Introduction et résumé rapide du Gradient Descent
1:40 : Analogie de la Descente de la Montagne
2:56 : La formule du Gradient Descent et sa visualisation
6:06 : Explication Mathématique
9:04 : Learning Rate alpha
10:18 : Calcul du Gradient
12:40 : Résumé de l'algorithme complet (Régression Linéaire)
Comment télécharger votre livre????
Bonjour Monsieur
Comment télécharger votre livre ?
Merci d’avance
10:23 Ha, le mot est enfin lâché. 🤣 C'est que je commençais à avoir un doute. Cf. Mon commentaire sous la 1ère vidéo. 😉
Merci beaucoup 😇 quand on commence la vidéo on ne se soucie même pas de la longueur.
@@rishleyekango2852 Je ne sais pas si vous avez déjà eu le livre sinon moi je l'ai.
Je suis data scientist depuis deux ans et enseignant chercheur à l'université de Valenciennes mais je n'aurais jamais pu vulgariser et si bien expliquer la gradien descent, qui est le fondement du ML, parce qu'au final ce qu'on fait c'est que descendre des gradients. En tout cas, ta chaine est parfaite :)
Merci beaucoup, et bravo d'exercer le métier d'enseignant chercheur, c'est génial !
Soy de Cádiz
Je ne pourrais pas dire mieux. Vraiment Bravo ❤
Merci â ALLAH qui nous a creé ces grands cerveaux en occident 2023, comme ce merveilleux jeune talentueux nous a beaucoup appris et grace à lui jai beacoup aimé la notion du dérivé que je detestait auparavant , merci au dieu tout puissant pour tous ces vertus scidntifiques hightech qui nous épatent chaque matin...BRAVO NOTRE PROF 👍👍👍👍👍👍👍👍👍CONTNUEZ
Pour ce qui concerne le "Learning rate", je pense que nous avons la possibilité de choisir une valeur initiale très élevée et de la réduire progressivement au cours du programme. Si la dérivée de la fonction de coût change de signe, nous pouvons diviser la variable alpha (le "Learning rate") par 2. En utilisant cette méthode, nous pouvons bénéficier d'un apprentissage machine beaucoup plus rapide tout en évitant que la machine n'atteigne un modèle sous-optimal. Cette approche permet une convergence efficace vers le meilleur modèle. Je tiens à vous remercier pour votre excellent travail, c'est vraiment génial !
J'allais poster la même remarque, ça me semble réaliste...
Salut, l'ami , tu peux m'expliquer comment du implémente cette condition(si la dérivée change de signe ) dans la formule du Gradient Descent pout diviser alpha par 2 s'il te plait?
Vous êtes la pédagogie en personne ❤️🙏
Wow ! Quel honneur ! Merci :)
trop vraie 👌🏽
Qu'est-ce que tes vidéos sont intuitives et compréhensives.
Un grand merci pour ton travail.
Hi Guillaume
I am student at University of Maryland University College. I am taking this semester machine learning class (DATA630) and I found your video while looking for something to help me out. I am under charm not only for the quality of the videos but also how you explain simply things that seem to be complicated before. I am lucky for being bilingual or I could miss this.
I requested and received the e-book.
Thank You very much. "You're the MAN"
Hi,
Thank you very much for watching my videos ! Also thank you for your great compliment ! :)
I am sorry I don't speak English in my videos, that's primarily because there is already a lot of English videos about machine learning on UA-cam.
Well done for being bilingual ! :D
As I have lived many years in the UK I have no problem with English, so I may do videos in Englishin the future (maybe on an other channel)
Good look and keep in touch !
Je sors de mes études d'énergies renouvelables et n'ai pas encore trouvé de travail, merci pour vos vidéos qui me permettent de monter en compétences et m'aideront éventuellement à changer de métier
Je viens de regarder et surtout de prendre des notes sur les 4 premières vidéos de la playlist.
Un énorme merci pour m'avoir autant éclairci sur les notions que je ne comprenais que très mal en cours de ML, vidéos d'une grande qualité, explications d'autant plus.
Merci beaucoup et c'est bien que tu prennes des notes, bravo tu iras loin!
J'adore votre pédagogie. Vous partez du principe que nous ne sommes pas tous bons en maths et vous arrivez à bien nous expliquer les choses. Je vous en remercie.
Vous êtes un trésor Monsieur , vos vidéos !!!! franchement c'est un vrai régal (Instructif , pédagogue ) çà me donne l'envie d'apprendre et de monter en compétence un grand merci de la Tunisie :)
Merci beaucoup ! Je ferai tout pour vous aider dans cet objectif !
Je vous suis depuis qlq mois et j'adore le travail que vous faites, le contenu est bien expliqué, les exemples bien illustrés la qualité de la vidéo est super !!! J'apprends énormément grâce à vous un grand merci
Merci monsieur, c'est très clair et ça donne envie de découvrir ce monde de l'intelligence artificielle.
Vos explications donnent envie de bosser , merci énormément !
Je suis très heureux de l'apprendre ! Merci beaucoup et bon courage ! Si vous avez une question, je suis a votre disposition. :)
@@MachineLearnia Est ce qu'il y'a moyen de vous contactez ? par mail ou autre ?
@@mountassirkh2759 Mon contact est sur la page "a propos" de la chaine UA-cam, mais je risque de mettre un peu de temps a répondre, car j'ai beaucoup d'email a lire. Sinon il y a discord (lien dans la description)
Machine Learnia D’accord merci énormément.
Depuis que j'ai découvert votre vidéo, je me retrouve à vouloir regarder toutes les vidéos et lire tous les articles en deux jours tellement c'est intéressant 🤗👏👏👏👏
En fait je suis en train de travailler sur un projet de contrôle d'accès à l'habitat par le système de reconnaissance faciale.
Et vos explications est le meilleur que j'ai trouvé jusqu'ici 💪💪💪
J'ai choisi ce sujet par curiosité sur l'IA et sens que je ne vais pas m'ennuyer 👌 merci infiniment !
je te remercie pour tes cours, c'est tellement bien expliqué, bonne continuation et j'espère que ta chaine sera beaucoup plus connue
Merci et j’espère que tu pourras me filer un coup de pouce en partageant ma vidéo et en t'abonnant :) A bientôt pour plus de vidéos machine learning
Merci pour l'effort , la qualité des vidéos et de l'explication associée
Merci d'avoir partager votre satisfaction en commentaire, c'est très important pour moi ! :)
Votre manière d'expliquer les choses est tout simplement parfaite. Je ne fais qu'enchainer les videos de la playlist. Difficile de faire mieux
Je suis professeur agrégé et chercheur et la je met chapeau bas pour ta pédagogie qui sort d'ordinaire. BRAVIA, BRAVIA BRAVIA
Merci beaucoup ! Je suis honoré de recevoir un message de la part d'un chercheur et professeur agrégé !
Masterclass cette série, merci monsieur !
Vous etes la personnes la plus pédagogue que j'ai connu dans ma vie. Merci Beaucoup pour ces enseignements limpides. Je vous aime
Bonjour, j'ai commencé les cours de machine learning aujourd'hui et j'ai vu les 4 premières vidéos. C'est vraiment très clair et ça va énormément m'aider. Merci beaucoup !
Bienvenue dans la communauté !
Bonjour, très très satisfait de vos vidéos. Tout deviens claire. Si possible, veuillez nous proposer une vidéo sur le réseau de neurones convolutifs.
je vais en faire oui
Salut, merci beaucoup pour ton explication. Je viens d'arriver à l'UCSD à San Diego ou j'ai pris des cours d'IA. J'étais totalement perdu mais maintenant je comprend tout! Je suis un grand habitué des tutos youtube sur tous les sujets. Je pense que c'est de loin le meilleur que j'ai pu voir! bonne continuation !
Merci beaucoup, j'en suis touché ! Continuez ainsi :)
Ta pédagogie est incoyable ! Merci de rendre des sujets aussi passionants et complexes si digestes pour des novices
Merci beaucoup :)
Merci pour tes vidéos !
Tu es très pédagogue dans ta manière d'expliquer le ML.
Merci beaucoup pour le compliment
Merci énormément pour cette belle video
Pour ceux qui comme moi n’ont pas compris le résultats de la dérivée avec f(g(x))
Une autre façon simple est de dire (ax+b-y)^2= (ax+b-y) * (ax+b-y)
Dont la dérivée est 2*(ax+b-y)’*(ax+b-y) = 2*x*(ax+b-y)
Puisque (uv)’ = u’v + uv’
Tout a fait, merci pour le complément !
J'ai suivi plusieurs cours parlant du maching learning mais j'avoue que votre cour est le seul qui me permet de mieux comprendre
votre style d'explication est super ...vous m'avez clarifier ML
Merci beaucoup, je suis content de vous avoir aidé :)
Merci beaucoup monsieur pour votre formation qui est riche des informations et simple a comprendre par tous les catégories ,je te souhaite bonne continuation
Merci a vous aussi !
Je n'ai jamais aussi bien compris un cours !! Vraiment bravo bravo et merci infiniment .
Ce message me fait très plaisir ! Merci et a bientôt ! :)
C'est rare de trouver des personnes qui font de la science une source de motivation et de curiosité, merci beaucoup !
Merci, ça fait très plaisir :)
Depuis que j'ai découvert votre vidéo, je me retrouve à vouloir regarder toutes les vidéos et lire tous les articles en deux jours tellement c'est intéressant 🤗👏👏👏👏
En fait je suis en train de travailler sur un projet de contrôle d'accès à l'habitat par le système de reconnaissance faciale.
Et votre explication est la meilleure que j'ai trouvé jusqu'ici 💪💪💪
J'ai choisi ce sujet par curiosité sur l'IA et je sens que je ne vais pas m'ennuyer 👌 merci infiniment !
Merci beaucoup a vous ! :)
Je suis tres content de voir que les vidéos suscitent autant d'intéret et de passion chez certaines personnes ! Bravo a vous votre projet est super !
Je ne sais vraiment pas comment vous remercier pour vos cours gratuits (vidéos et livre). Très bonne continuation et merci infiniment ^_^ Bravo
Pour me remercier, il suffit de dire merci comme vous venez de le faire ! ^^
(J'ai également une page tipeee sur laquelle j'offre quelques bonus)
@@MachineLearnia tu devrais mettre ton tipee dans la barre de description (sauf erreur de ma part, il n'y est pas)
@@liyahapple En effet il n'est pas présent dans cette vidéo, je vais changer cela, merci du conseil !
C"est juste aujourd'hui où j'ai commencé à suivre votre cours. Merci ça se voit qu'il est excellent.
Merci beaucoup et bon courage dans vos projets :)
Mr Guillaume, sachez que vous êtes le meilleur.
Merci !
Vos vidéos sont superbes, j'espère qu'il y'en aura d'autres. Merci pour ce contenu formidable.
Merci beaucoup. Oui je ne m’arrêterai jamais de faire des vidéos et de vous aider
Merci beaucoup grâce à toi j'ai pu comprendre le Machine Learning
Ca me fait tres plaisir :)
je vous remercie tellement, c'est tres interessant
de rien :)
Merci infiniment pour ce cour, ça montre combien de fois les maths sont très importants pour notre vie
Oui, vous avez raison, merci :)
Excellent travail; bravo et merci encore,
Je suis tombé sur ta vidéo au hasard sur le discord french ai... je suis charmé, like + abo :)
A vrai dire j'ai vraiment eu du mal avec ce concept, ta vidéo m'a clarifié l'esprit
Merci beaucoup ! C'est vraiment très gratifiant pour moi de savoir que je peux aider quelqu'un de plus avec cette vidéo ! :)
@@MachineLearnia Et je dois pas être le seul, vu le manque de clarté de Wikipédia et le peu de cours en ligne qui présente pas que du code... ta vidéo réponds à un vrai besoin ! J'espère que tu perceras dans les années à venir, vu l'explosion prévu du domaine, c'est pas impossible :)
Merci ! Je vais continuer sur cette voie alors. Nous verrons si la chance me sourit ! En attendant je suis déjà très satisfait de pouvoir aider quelques personnes !
Merci de vos explications. Magnifique analogie de la déscente de "GRADIENT" avec une belle déscente de vallée.
Merci :)
je vous remercie énormément , j'ai trouvé votre vidéo , vous expliquez parfaitement le machine Learning , j'ai bien compris malgré que je n'avais pas de connaissances auparavant .
Ca me fait tres plaisir !
cette vidéo est vraiment parfaite vous expliquez très bien merci encore pour cette vidéo
Merci pour votre retour ! Je vais continuer a faire des vidéos de ce genre alors ! :)
merci infiniment vraiment vous ete le meilleur prof, salutation d'Algérie
Salutations !
Merci pour toutes vos vidéos en Machine Learning qui sont trés professionnelles,vous etes meilleur professeur,contenues Mr
Merci beaucou[
Vidéo très bien expliquée. J'ai beaucoup aimé la métaphore montagnarde en intro. Voir une vidéo aussi claire sur la descente de gradient ça remonte le moral ! Merci++
Merci beaucoup ! :)
j'aime bien votre manière d'expliquer, vis cours sont super bien expliqués, merci beaucoup pour ce que vous faites, surtout pour nous les étudiants
C'est un plaisir, merci :)
@@MachineLearnia d rien, personnellement c'est un domaine qui m'intéresse et je veux bien apprendre et approfondir sur le machine learning
Votre vidéo est très super et bien détaillée, merci pour les informations
Que ce soit en terme de pédagogie o de montage vidéo, tout est agréable est parfait ! Merci bcp
Merci !
@@MachineLearniace qui est marrant c'est que je ne fais pas du tout de machine learning mais suis à quelques heures d'une épreuve de modélisation (L3 maths)
Excellent ! Merci mille fois ! On devrait tous vous avoir comme prof de Data Science en école d'ingé !
Très intéressant je connaissais pas du tout les notions de machine learning et t'expliques super bien. Concernant l'hyper paramètres alpha, intuitivement, je me dis que vu que alpha c'est la vitesse d'apprentissage, peut être que bien la régler ou fixer dépend du champs d'apprentissage que je vois comme la surface du plan perpendiculaire de la "carte de la montagne" plus la difficulté d'apprentissage que je représente mentalement comme la pente ou la valeur de dérivée ou d'une espèce de moyenne entre quelques dérivés locales (comme des quartiles) mais aussi du temps d'apprentissage que je représente comme la vitesse ou force de calcul. En tout cas un modèle de machine learning qui bouffe un maximum d'alphas de différents modèles ça serait génial. Super intéressant en tout cas.
J'apprécie vos vidéos sur la machine Learning. Merci pour la formation que vous nous donnez.
Tout le plaisir est pour moi, je suis très heureux d'avoir des gens comme vous qui regardent mes vidéos :)
Encore une fois, vos cours sont vraiment intéressants. Et je voulais toujours vous interpeller par rapport au livre. Je me suis inscrit mais je l'ai pas eu d'abord.
Merci de votre travail formidable !
Bonjour, merci de m'envoyer un email et je vous enverrai le livre.
sorybana92@gmail.com
génial! j'aime beaucoup votre explication.
Merci beaucoup pour cette explication pédagogique. BRAVO
Bravo pour la clareté de l'exposé. Ça donne envie d'en savoir plus. Encore merci et bonne continuation.
Merci beaucoup :)
super super travail ! merci infiniment Guillaume ! explication détaillée et claire. Je suis en M2 IoT et ta chaine m'aide bcp pour comprendre le module d'apprentissage automatique. Je viens aussi de recevoir ton E-BOOK par mail. Bonne continuation !
Merci pour ton message et bon courage dans ton Master :)
Bonjour Professeur.
J'ai un souci pour installer python sur mon ordinateur.J'ai déjà fait le téléchargement du logiciel et l'installation du raccourci "cmd" sur mon bureau..Mais pour finaliser l'installation, lorsque je fais (espace--version ) , l'interface qui apparaît me fait savoir que la version de python est introuvable.Je tiens à préciser que j'ai une version python-3.10.3-amd.64.
Dans ce cas comment finaliser l'installation ?
Merci Prof
👏👏👏 Bravo et merci pour ce partage
merci beaucoup pour tes vidéos
Merci. C'est un plaisir d'aider les autres !
merci infiniment. vous êtes un vrai pédagogue 🥰
Merci pour votre message :)
Une très belle video comme ça , il y a des gens qui unlike , je suis decu !
En tous cas merci pour ces magnifiques videos que vous faites pour démocratiser le machine Learning !
Merci a vous, c'est tres gentil ! :)
Pas grave si certaines personnes n'aiment pas, le plus important ce sont les gens comme vous :)
Bonjour, Merci beaucoup pour la clarté de vos videos. C'est une mine d'or et ça donne très envie de creuser le domaine.
Une question quant au choix de l'hyperparamètre alpha :
En pratique ne pourrait-on pas le choisir relativement grand au début de notre apprentissage puis le réduire au fur et à mesure à chaque fois que notre dérivée de la fonction cout change de signe ? C'est qu'on a dépassé le minimum, donc qu'il faut être plus précis pour s'en approcher
Vous super et je entièrement ravis du cours
Merci a vous !
Merci pour tes vidéos, c’est super clair et ça donne envie d’apprendre (alors que je n’avais jamais prévu d’apprendre le machine learning)
Une bonne occasion de s'y mettre !
Merci et bravo pour ta pédagogie et ton super cours !
Merci Beaucoup Alexandra !
Rien à dire juste magnifique ! Très simple et efficace ! Bonne continuation
Un grand merci monsieur.
Merci voilà un tuto de reference pour les francophones du ML
une très bonne explication merci bcp. est ce que c la meme chose pour le deep learning?
Très bon contenu et de grande qualité! C'est tellement clair qu'on pourrait croire que finalement le machine learning c'est simple :) Merci pour toutes les vidéos, le format est très agréable avec des dessins pour bien visualiser ce que tu dis (je n'ai pas encore fait tout le tour mais j'ai hâte).
Merci, ca fait plaisir de savoir que j'arrive a bien vulgariser tout ca ! :)
salut guilllaume ,merci pour votre contenue , vous avez mentionner qu'il y a pas de formule magique pour connaitre le learning rate , je voudrais vous dire qu'il y a ce qu'on appelle le pas optimal ,et le pas de wolf c'est un peu plus fort .
SUPER c'est vraiment cool merci beaucoup tres claires les explications
De rien :) Je suis content que ces explications vous soient utiles :)
bonjour
pour une fonction non convexe est est-ce-que en peut trouver une methode pour que la courbre de cette fonction devent une fonction convexe
Donc sur n features on a toujours x[j](i) * (modèle - y(i)) sauf pour la constante où on a (modèle - y(i)).
Je suis désolé, mon propos n'est pas très clair.
J'essaie d'extrapoler sur plusieurs features ce qui vient d'être exposé.
Les réponses sont peut-être dans les vidéos qui suivent ?
Bonjour, j’ai regardé avec beaucoup d’attention votre vidéo, je trouve le contenu très bien exposé.
En revanche, sur la fin pour la recherche du terme \alpha, ne serait-ce pas possible d’utiliser une méthode d’Armijo pour trouver la pente? Merci d’avance et bonne journée.
Excellente formation. Mille merci
Merci a vous !
vous êtes le meilleur
Merci beaucoup
merci pour vos séries vidéo il sont vraiment précieux mais j ai une petite remarque sur ce que vous a dit sur les pas qu'il n'y a pas une formule magique mais il existe des formules des pas approche comme armijo ...
Oui c'est vrai, il y a des méthodes pour trouver de bonne valeurs pour alpha, on peut par exemple faire une recherche en passant de [..., 0.1, 0.3, 0.6, 1, 3, 6]
really don't know how to thank you
take my money really helped a lot and deserve it
a way far from my teacher
Many thanks :) You can support me on Tipeee if you want (it's like Patreon)
Merci ,c’est intéressant , je recommande 😊
Merci beaucoup pour tes vidéos. J'apprends beaucoup grâce à toi
C'est un bonheur ! Merci beaucoup et bon courage a toi :)
Parfait, très bien expliquée.
Merci
Merci :)
Waaaw vous été le meilleur , je vous remercie beaucoup beaucoup beaucoup Monsieur, j'aibune petite question faut pas aller voir les fonctions de plusieurs variable ou in se limite aux exemple que vous nous présenter car j'ai l'impression que 'on a pas besoin en vu de votre explication
Merci beaucoup :)
Je vous invite a voir les fonctions a plusieurs variables, c'est tres importants oui ! (j'en parle dans les videos suivantes)
Merci Guillaume !
Tout le plaisir est pour moi ! Heureux de partager mes connaissances avec vous.
vous êtes génial ....bravo
Super vidéo !
Petite question néanmoins : pourquoi ne pas prendre la fonction qui donne le signe de la dérivée et le le multiplier par le learning rate ?
En gardant la valeur de la dérivée cela influence la taille du pas.
Plus la pente est forte, plus on va faire un grand pas. Cela est interessant pour un polynome du second degré, mais pas pour tous les cas.
Ce learning rate n'est donc pas toujours optimal, vous confirmez ?
Je pense qu'en multipliant simplement le learning rate par le signe de la dérivée nous obtiendrons des sauts (des pas) réguliers. Sauf qu'en faisant des sauts réguliers, rien ne nous garantit qu'on obtiendra les paramètres optimaux en fin de compte (le risque de tourner autour est grand). Alors qu'en multipliant pas la dérivée partielle, nous obtenons des pas dont la taille "s'auto-ajuste" au fur et à mesure des itérations. Par exemple, en marchant, on peut choisir de faire des petits ou des grands pas en fonction de la situation. (A mon avis,) il ne serait pas pratique des faire des pas de taille unique.
Après, tout cela reste un avis. Et je ne remets en aucun cas en question votre hypothèse.
MERCI INFINEMENT POUR CETTE VIDEO ET SURTOUT POUR LE LIVRE C"EST TRES IMPORTANT POUR QUI EST EN RECONVERSION PROF NOTAMENT EN ROBOTIQUE ET HIGHTECH
Bravo a vous pour votre reconversion :)
@@MachineLearnia mercı
thank you from tunisia
Bonsoir, est-ce que on peut utiliser cette méthode pour trouver un maximum ??? Merci
Bonjour! En premier je tiens à vous remercier pour des vidéos si bien expliquées et une pédagogie impeccable. J’ai juste une question: peut on trouver le minimum de la fonction coût avec un algorithme génétique plutôt que l’algorithme de la descente de gradient ? Cela reviendrait à trouver la meilleure combinaison des variables a et b pour minimiser la fonction coût non? Merci d’avance et très bonne journée!
salut je te félicite plus la belle vid explicative du gradu=ient decendant mais je souhaite SVP savoir dou est ce que vous avez trouvez le b parceque dans le graphe on a que J et A merci m'expliquer
Merci beaucoup
j'ai beaucoup appris ,c'était tellement clair et net
Braaavo
Merci !
merci beaucoup, comment avoir votre livre sur maschinen Learning ? j´ai commandé sur le site comme vous avez promis depuis plus d´une semaine, mais pas encore recu, je pourrais acheter aussi
Merciiiii pour cette vidéo très clair et très abordable ,je suis trés impressionné.
Merci a vous !
Merci beaucoup.explication top
Un grand merci pour ton travail.
C est super votre explication on attend plus de vidéos Merci 😉
Super de savoir que la vidéo vous plait ! La prochaine arrive dans moins d'une semaine ! :)
Merci beaucoup Guillaume!
De rien :)