Franchement je vous remercie infiniment pour votre capacité à transmettre vos connaissances de manière efficace et inspirante. Votre pédagogie est innée. Chapeau bas professeur👏👏👏.
l’Étude de cas que je rêve de faire est le prédiction des pannes au niveau des équipements industriels; en utilisant des DATA du système SAP ou bien des fichier Excel de saisie des pannes (du service maintenance) . Excellent. Des explications claires, merci infiniment de tout ce que tu fais pour tous ceux qui veulent se lancer dans ce domaine de ML.
Excellente vidéo, que je vais m'empresser de rejouer (je suis du genre je comprends vite mais il faut m'expliquer longtemps). Les infographies et le résumé des équations sont également bien pratiques, imprimés. Merci pour ce gros boulot.
Merci Guillaume pour les vidéos, la playlist, le livre franchement ça déchire et du coup on se rend compte qu'on a acquis quelque chose de nouveau, le contenu est clairement expliqué vraiment c'est à féliciter.
Bonjour et merci beaucoup ! :) Oui je pense que votre erreur vient du fait que vous avez mal redimensionné le vecteur y ! Veillez a bien écrire la ligne que j'ai indiqué dans le tuto : reshape()....
Merci Beaucoupe senior Guillaume! Depuis que je vois vos videos, je ne me lasse plus de les regarder,il y a la pedagogique et c'est accessible. Merci encore,continue de nous regaler
Bonjour Guillaume, ces vidéos sur le ML elles sont parfaites, pour 2 raisons: la première elles sont courtes la seconde elle traite l'essentiel du sujet merci à tout ce que tu fais. je suis un débutant en ML et grâce à toi j'apprends beaucoup. je vais pouvoir appliquer cela à mon projet d'usure d'outils en mécanique.(usinage de pièces) je pense être obligé d'utilisé des algorithmes non supervisés, car je ne connais pas la target. encore un grand merci à ton savoir faire et a ton savoir être. jean-louis
Votre formation est juste tip-top! Sérieusement, vous devriez enseigner en université (ou alors, en formations d'entreprise). En plus de former, vous savez donner l'appétence pour la discipline! Je dis çà et je suis plus étudiant depuis plus de 20 ans!
Time code de la vidéo: 00:24 : Chargement des modules 01:50 : Génération d'un Dataset et des tableaux Numpy adéquates 08:01 : Implémentation du modèle linéaire 09:50 : Implémentation de la fonction coût : Mean Squared Error (MSE) 11:58 : Implémentation du Gradient et de la Descente de Gradient 14:50 : Entrainement du modèle de Régression Linéaire 18:00 : Courbe d'apprentissage 20:25 : Coefficient de détermination
Merci beaucoup pour la vidéo. J'ai un problème au niveau de la courbe d'apprentissage. Après avoir défini cost_history au niveau de la fiction descente de gradient, quand je lui attribue la même valeur à theta_final; ça renvoit une erreur : NameError: name 'cost_function' is not defined
Merci infiniment, mnt je comprends machine learning à travers vos vidéos, mon application est la détection et réaction des attaques dans un réseau ad hoc véhiculaire. Vos conseils je suis au début.
Bonjour vraiment top vos vidéos, BRAVO!! Je suis grand débutant dans ce monde et c'est encourageant grâce à vos vidéos. J'ai pour ambition de créer un outil de prédiction de la complexité du trafic aérien dans un secteur de contrôle, pour en déduire la capacité réel en temps réel de ce secteur au vue de la charge de travail attendue pour le controleur. Sujet compliqué mais j'espère y arriver par ce biais. bravo encore
j'adore.. et comme exemple d'algorithme de ML que j'ai envie d'implémenter c'est un algorithme de reconnaissance facial tres performant avec une performance de 0.98. Encore Merci et beaucoup de courage.
Bravo à toi pour ta pédagogie. Bien meilleur qu'une formation payante que je suis en datascience. Comme quoi quand il n'y a pas de vision de business et de gain d'argent, les choses sont bien ! Bravo encore à toi pour les montages ainsi que le contenu .
Merci ca me fait extrêmement plaisir ! Vous êtes de plus en plus nombreux a me dire ce genre de choses. Bon courage dans tes projets et si tu as la moindre question, surtout n'hésite pas !
Encore merci, car j'ai débuté avec la formation python qui est excellent mais j'avais stopper(démotiver) un moment car c'est dure d'enchaîner les notions sans voir les applications concrètes, je ne parles pas des petit exos mais d'une étude du début a la fin comme tu l'as fait la (C'est à la vidéo 8 mais comme elles sont courtes ça va). continue ainsi c'est à prendre en compte pour les améliorations. c'est toujours mieux de voir la finalité (Voir a quel point c'est géniale pour nous motiver à le refaire) et apprendre les détails de ce que l'on à vu. Au lieu de commencer avec les détails sans en voir la finalité au début. "ça sert à quoi de vouloir fouetter un âne quand on peut le faire avancer avec du sucre" 😂😂😜✌
Bonjour, je suis tout simplement impressionné par tout ce travail de grande qualité (pédagogique et informatif) que vous mettez à disposition de tous. Je n'ose imaginer tout le travail de synthèse que vous avez dû effectuer à partir de tout ce que vous avez appris (sans oublier le travail sur les vidéos) durant tant d'années d'études. Vous donnez envie d'apprendre. Je vais aller au bout de votre formation et je saurai vous dire merci à ma façon. Amitiés
Bonjour Ini Rutnev, comment allez-vous ? Vous avez suivi ce cours il y a deux ans, pouvez-vous partager comment cela a affecté votre travail quotidien depuis ? Avez-vous réussi à appliquer les connaissances dans le domaine de l'IA ? Si oui, auriez-vous des conseils à donner pour les débutants ? Si non, qu'est-ce qui vous a empêché de le faire ? Je suis développeur full-stack avec une expertise en Java, Spring Boot, ReactJS et Angular et j'aimerais connaître vos réflexions à ce sujet. Merci !
@@MachineLearnia c'est génial donc vous allez m'aider 😊 c'est vous pouvez me donner leq application de deep learning dans le domaine d'industrie je suis technicien de maintenance dans un usine et je veux continuer mes études universitaires
@@yassinebouzidi8964 Elles sont trop nombreuses pour pouvoir les lister. A partir du moment ou vous avez des données et que vous pouvez construire un modele empirique, le Deep Learning peut vous aider : detection de défaillances, reconnaissance d'images, etc etc
Il m'arrive très rarement de laisser des commentaires videos mais là chef d'oeuvre oft vous touchez le plus important l'aspect mathématique pour ne pas que des gens comme moi pensent que c du abracadabra Vraiment merci j'ai lu le livre et c'est excellent non mais génial. En wolof Ndanane Ga goor Fall !!!
Excellente vidéo ! Je suis spécialisé dans le CRM (Salesforce) et il y a tout une brique sur l'IA (Einstein Analytics). Vos vidéos me permettent de comprendre vite le fonctionnement du ML et les technos à prendre dans son bagage ! Merci ! ;)
Super cool cette méthode de régression linéaire par descente de gradient. J'ai suivi un cours d'économétrie où on faisait la méthode classique d'inversion matricielle, mais évidemment les datasets étaient tout petits ou bien les coeffs étaient donnés et on demandait de l'interprétation des résultats... Enfin une méthode pour les grosses bases de données quantitatives ! Nice. :)
Merci beaucouq... tes videos sont interessants et clairs et tu m'a motivé a apprendre la machine learning surtout que je vise a l'hybrider avec les metaheuristiques pour resoudre un probleme combinatoire 👍
Merci beaucoup! Ted vidéos sont très simples et utiles. Moi je vais normalement l’appliquer à mon projet de fin d’études pour la gestion des biens d’ine entreprise.
Excellent ! Merci beaucoup pour votre travail et votre générosité car mettre tout ça disponible gratuitement c'est vraiment génial ! Comptez sur moi pour vous faire de la pub !
Bravo. Ces vidéos sont parfaites et permettent de bien comprendre tout ce qui peut être caché par la suite. Dommage qu'il n'y ait pas une vidéo similaire pour le modèle de régression logistique.
je vous remercie tout d'abord pour cette vidéo assez explicite et simple et le modèle de machine Learning que j'aimerais réaliser avec cette méthode d'apprentissage supervisé est un celui d'une reconnaissance vocale :)
Bonjour, et merci pour cette super série de vulgarisation, ces vidéos, ce livre, ces outils : C'est vraiment un cours très bien fait, particulièrement efficace, et qui va exactement à l'essentiel sans encombrer l'esprit de détails inutiles pour une formation accélérée. Donc deux mots : BRAVO, et MERCI ❗️😉 Cette video dans le détail, sur ma console Jupyter, j'obtiens toutefois une erreur sur l'entraînement du modèle : Le calcul du theta_final plante à la ligne 4 avec une TypeError : 'float' object is not callable, dans le calcul de theta. Pour info, au lieu de créer le X avec hstack, j'ai concatené un vecteur de ones sur l'axe 1. (Je voulais faire le malin 😎) du coup, j'ai créé les ones avec dtype=int, mais ça plante pareil... Une idée pour me débloquer ?
Merci beaucoup Marc ! J'ai mis le code sur mon github, je t'invite a comparer ce que tu as écrit avec le code, il y a peut-etre une petite faute de syntaxe (c'est l'erreur la plus courante). Si tu ne trouves pas la réponse, je t'invite a rejoindre notre serveur discord sur lequel je pourrais t'aider en live avec d'autres membres de la communauté. Good luck ! :D
Bonsoir!! Très bonne méthodologie d'explication ..Vraiment coup de chapeau. Des vidéos avec des imports de dataset en csv ou Excel avec des phases de test et train serait le bienvenu. J'ai lu votre livre et je suis fan de vos vidéos de formation très explicite....et Merci pour les efforts fournis
Bonjour Laure et merci beaucoup :) J'ai fait de telles videos dans mes autres playlist, par exemple les vidéos 17 - 29, elles sont tres completes sur toute la méthode a utiliser en Machine Learning, je pense qu'elle vous plairont :)
Bravo Guillaume vraiment chapeau, tu m'as donné envie de devenir un data scientist :) je veux créer un programme qui teste si une personne est infecté par le virus covid-19 ou non
Merci beaucoup, c'est un immense plaisir ! :) Pour ca il faut trouver un dataset lié a ce projet, et je travaille en ce moment sur la recherche d'un tel dataset. Ce qu'on trouve sur internet est souvent trop "simple" pour créer un modele réellement efficace.
@@MachineLearnia merci à vous je suis actuellement vos vidéos sur 30 jours très instructives je suis en actuariat et j'apprends python en autodidacte. J'ai l'impression d'avancer pour une fois car la formation est très ciblée et précise. Courage à vous et encore merci
Un grand bravo ! J'ai hâte de voir de véritables études de cas ;) ( en regardant le notebook je trouve dommage qu'il n'y ait pas une fonction de calcul de dérivée partielle en un point afin de donner la pente, c'est l'unique question qui subsiste dans mon esprit )
Merci beaucoup ! Je vais bientôt faire des études de cas ! Ah oui on pourrait compléter le notebook avec cette information ça serait utile d'un point de vu mathématique, bien vu !
Je rêverai de faire un algorithme de prédiction de crime grâce au machine learning (pour mon sujet de TIPE en prépa scientifique). J'ai déjà un modèle grâce à des articles scientifiques qui se base sur des hotspots càd des zones à forte attractivité (pour les cambriolages ici). Cependant les paramètres recherchés sont nombreux et le modèle se base sur deux équations différentielles (qui me semble difficile) et donc n'est pas aussi simple qu'une fonction polynomiale. Je pense pouvoir surmonter ces difficultés mais j'ai du pain sur la planche :). J'ai plusieurs questions (peut-être que tu y réponds dans tes prochaines vidéos) : - Est-ce que le principe reste le même malgré les différences de modèles ? - Comment choisir une fonction coût approprié ? Surtout dans le cas d'un algo prédictif Bref merci pour tes vidéos de qualité je pense que tu m'as fais gagné beaucoup de temps. PS : Si ça t'intéresse, voici l'article que je mentionnais www.pnas.org/content/107/9/3961
Salut Jean, désolé pour ma réponse tardive (j'ai déménagé donc je n'étais pas disponible) La prédiction de crime est une application courante en Machine Learning en fait donc tu tombes bien ! Je te conseille de regarder mon autre série de vidéos python (pas celle la) dans laquelle je parler des algorithme de classification. Tu pourras tenter de faire des arbres de décision, voir des random Forest ou bien des modeles XGBoost. Pour la fonction Loss, ca sera une cross-entropy Pour mesurer la performance de ton modele, il te faudra utiliser une mesure telles que le AUC, F1 score, Recall, ou Precision (j'en parle dans la série) Le principe reste 100% le meme pour tous les modeles : minimiser une fonction erreur en ajustant les parametres du modele grace a un algorithme d'optimisation. J'espere avoir de tes nouvelles car ton projet me plait beaucoup !
@@MachineLearnia Merci beaucoup pour ta réponse ! Ta chaîne UA-cam est une pépite et ça fait énormément plaisir que tu répondes aux questions ! Je vais m'amuser à étudier en détail les vidéos de ta chaîne :)
la personne qui a disliké Dieu te voit! Sinon excellente video Mr, j'ai besoin de discuter à propos d'un projet perso avec vous. Ou est ce que je peux vous joindre? Merci et bon courage!
Ahah merci ;) ce n'est pas grave pour le dislike, ce qui compte c'est l'aide que j'offre aux gens, et ça me fait plaisir de voir que j'arrive a aider les gens. Vous pouvez me contacter sur Discord ( le lien est dans la description) mais je suis tres occupé pendant les prochains temps car je prépare de nouveaux projets !
Merci pour votre tutoriels. J'ai juste une petite question sur la variable bruit déclarée au depart! Elle sert à quoi ? Si non vorte formation est parfaite
Merci beaucoup Guillaume pour vos vidéos et ces explications. J'ai fait durant ma formation de finance un peu d'économétrie appliquée, les models MCO , probit / logit ne sont pas des nouveautés pour moi, mais je voudrais pousser mon apprentissage jusqu'à la maîtrise de la ML. Est-ce que pour devenir data science j'aurai besoin de revoir toutes les bases (sur tout les maths ) de ces modèles ? ou bien en suivant des formations appliquées comme les votrrs me suffiront? Merci
Un certain nombre de professionnels ne maitrisent pas toutes les bases mathématiques, pourtant ils sont dans le métier. Je dirais que ca n'est pas indispensable, mais mieux on connait les bases d'algebres et de statistique importantes, meilleurs on sera dans des problemes tres complexes. Les formations courrantes (MOOC etc) sont un tres bon début. Par la suite je vais faire des vidéos / formations plus avancées que les MOOCs pour couvrir ce genre de choses. Bon courage dans vos projets ! :)
d'abord merci pour votre contenu riche et facile à comprendre svp je voudrais bien savoir à quoi sert l'argument noise qu'on insère dans la fonction make_regression
Bonjour Guillaume j'ai lu le ebook gratuit que tu m'a offert. Jai une question -Je veux classer plusieur variété (y) de maïs suivant la quantité des élements nutritifs(x) qui s'y trouve - Je veux que ma machine indique le maïs varité (y) approprié en fonction des besoins nutritionnels(x) de l'individu pour sa croissance. Quelles solutions ou methodes puis-je utilisé pour resoudre ce probleme? Sachant que les (y) sont des valeur nominale et les (x) des valeurs quantitatives Merci d'avance en gardant espoir que j'aurai une reponse de ta part
Bonjour et merci d'avoir lu mon ebook. Ca fait trois fois que j'essaie de vous répondre par commentaire, mais UA-cam semble me bloquer. Envoyer moi un email et je vous aiderez a résoudre votre problème (qui me semble abordable)
Question qui peut avoir l'air conne mais du coup les fonctions que tu créé (model, cost_function, etc... ) elles sont toujours sous cette forme ? enfin je veux dire, c'est toujours ces arguments la et ca return toujours la même chose ?
Merci pour ta question (pas idiote du tout !) Pour une régression linéaire (et polynomiale, voir la vidéo suivante) oui les fonctions ne changent pas ! :) En revanche, si on veut développer un modèle de régression logistique, alors les fonctions changeront un peu. De même si on veut changer de fonction coût, par exemple prendre une Mean Absolute Error (MAE) au lieu de l'erreur quadratique moyenne (MSE) alors la fonction coût va changer un peu. Un dernier exemple qui affecte la fonction coût c'est si l'on ajoute une régularisation. Je parlerai de tout ça dans les vidéos futures :)
Bonjour Guillaume je vous remercie infiniment si c'est possible vous pouvez realiser un exemple d'une dataset reelle comme les donnees des clients dans une banque ou une assurance .... mais franchement vous etes le meilleur merci encore une autre fois
Je vous invite a apprendre python en profondeur (en commencant par exemple par ma série a ce sujet) puis de continuer avec Tensorflow (je vais bientot sortir une série a ce sujet) pour apprendre le Natural Language Processing. Good Luck !
@@MachineLearnia Oui oui. Comme cas pratique, vous pouvez par exemple mettre en corrélation le poids d'un individu en fonction de sa taille et la circonférence du poignet et faire ressortir un résultat proche de la Formule de Monnerot-Dumaine. Reste juste à trouver sur internet la bonne dataset pour cela :)
Merci beaucoup pour la vidéo.jai réussi toutes les étapes, mais je me suis bloqué au moment de lajout du cost_history dans la fonction gradient_descent, le calcul history(i)=cost_function..... génère une erreur; en enlevant le (i) ça passe, mais il a des impacts sur le graphe, si vous avez une idée d'où cela peut venir?
Désolé je n'ai pas lu mes nouveaux commentaires hier, j'ai donc loupé votre question. Bravo pour avoir trouvé la solution et merci de l'avoir partagé ! Bon courage pour la suite !
Remettez lui une légion d'honneur! Il ouvre des portes à un tas de gens et ça c'est juste énorme!!
Merci beaucoup pour cette reconnaissance, ca me touche beaucoup
@@MachineLearniamoh ptit chat ( il a totalement raison❤)
si seulement nos profs de l'université étaient comme vous, vraiment chapeau, une simplicité et clarté incroyable
Merci pour ce commentaire génial ! :)
ouais
Franchement je vous remercie infiniment pour votre capacité à transmettre vos connaissances de manière efficace et inspirante. Votre pédagogie est innée. Chapeau bas professeur👏👏👏.
Je regarde et applique tes leçons sans voir le temps passé. Tu es juste formidable !
l’Étude de cas que je rêve de faire est le prédiction des pannes au niveau des équipements industriels; en utilisant des DATA du système SAP ou bien des fichier Excel de saisie des pannes (du service maintenance) .
Excellent. Des explications claires, merci infiniment de tout ce que tu fais pour tous ceux qui veulent se lancer dans ce domaine de ML.
Pour faire ce genre d'étude, je t'invite a visualiser la vidéo 24/30 Python machine learning dans laquelle je parle de détection d'anomalies.
@@MachineLearnia je suis l’enchaînement de la formation; je sui maintenant à 16/30
Excellente vidéo, que je vais m'empresser de rejouer (je suis du genre je comprends vite mais il faut m'expliquer longtemps).
Les infographies et le résumé des équations sont également bien pratiques, imprimés.
Merci pour ce gros boulot.
Super c'est vraiment bien ! Merci de parler de La chaîne Machine Learnia à vos amis ! :)
Vous êtes un excellent pédagogue,merci beaucoup.
Je débute avec le Machine Learning et franchement en terme de pédagogie, je vous tire mon chapeau.
Bravo l'artiste ;-)
Me rendre compréhensible des équations mathématiques c'est un tour de force! Bravo et merci
C'est un grand compliment que voila, merci beaucoup !
Merci Guillaume pour les vidéos, la playlist, le livre franchement ça déchire et du coup on se rend compte qu'on a acquis quelque chose de nouveau, le contenu est clairement expliqué vraiment c'est à féliciter.
Merci beaucoup :)
Excellent ! Tu m'as redonné envie de faire des maths alors que j'en avais abandonné l'intérêt depuis la fin du collège.
Chapeau !
Quelle bonne nouvelle ! Je t'encourage a rester motivé ! tu iras loin ! :)
Je vous dis un grand merci pour le temps que vous avez consacré à cette formation, elle est très bien explicite.
et merci aussi pour votre livre
Bonjour et merci beaucoup ! :)
Oui je pense que votre erreur vient du fait que vous avez mal redimensionné le vecteur y !
Veillez a bien écrire la ligne que j'ai indiqué dans le tuto : reshape()....
@@MachineLearnia merci pour votre réponse, l'erreur était le fait que je n'ai pas compiler une cellule, 😅
Ahah ca m'arrive aussi parfois !
Merci Beaucoupe senior Guillaume!
Depuis que je vois vos videos, je ne me lasse plus de les regarder,il y a la pedagogique et c'est accessible.
Merci encore,continue de nous regaler
Merci beaucoup ! Oui je continuerai toujours, c'est promis ! :)
Un cours tres parfait, vous venez de me donnée un gout profond aux machines learning
Merci beaucoup, ça fait très plaisir de donner aux gens de la motivation !
Bonjour Guillaume,
ces vidéos sur le ML elles sont parfaites, pour 2 raisons:
la première elles sont courtes
la seconde elle traite l'essentiel du sujet merci à tout ce que tu fais.
je suis un débutant en ML et grâce à toi j'apprends beaucoup.
je vais pouvoir appliquer cela à mon projet d'usure d'outils en mécanique.(usinage de pièces)
je pense être obligé d'utilisé des algorithmes non supervisés, car je ne connais pas la target.
encore un grand merci à ton savoir faire et a ton savoir être.
jean-louis
votre expliquation est claire et intuitive, continue c'est magnifique
Merci énnormement pour ce travail. je viens de me lancer dans le ML et j'evolue tres vite grace à vos tutos. merci
Bienvenue dans la communauté
Votre formation est juste tip-top! Sérieusement, vous devriez enseigner en université (ou alors, en formations d'entreprise). En plus de former, vous savez donner l'appétence pour la discipline! Je dis çà et je suis plus étudiant depuis plus de 20 ans!
Merci beaucoup, je suis très flatté par votre compliment !
Time code de la vidéo:
00:24 : Chargement des modules
01:50 : Génération d'un Dataset et des tableaux Numpy adéquates
08:01 : Implémentation du modèle linéaire
09:50 : Implémentation de la fonction coût : Mean Squared Error (MSE)
11:58 : Implémentation du Gradient et de la Descente de Gradient
14:50 : Entrainement du modèle de Régression Linéaire
18:00 : Courbe d'apprentissage
20:25 : Coefficient de détermination
Merci beaucoup pour la vidéo. J'ai un problème au niveau de la courbe d'apprentissage. Après avoir défini cost_history au niveau de la fiction descente de gradient, quand je lui attribue la même valeur à theta_final; ça renvoit une erreur : NameError: name 'cost_function' is not defined
Vous êtes fabuleux tout simplement
Excellent. Des explications claires, merci infiniment de tout ce que tu fais pour tous ceux qui veulent se lancer dans la datascience.
Merci beaucoup pour ton commentaire ! :)
Salut Guillaume, merci pour ces cours topissimes sur le machine Learning. Vraiment très utiles et très clairs comme beaucoup l'ont mentionné.
Merci beaucoup, ça fait toujours plaisir de continuer a recevoir ce genre de message ;)
Merci a toi !
Merci infiniment, mnt je comprends machine learning à travers vos vidéos, mon application est la détection et réaction des attaques dans un réseau ad hoc véhiculaire.
Vos conseils je suis au début.
Bravo ! Bon courage dans votre projet !
Bonjour
vraiment top vos vidéos, BRAVO!! Je suis grand débutant dans ce monde et c'est encourageant grâce à vos vidéos.
J'ai pour ambition de créer un outil de prédiction de la complexité du trafic aérien dans un secteur de contrôle, pour en déduire la capacité réel en temps réel de ce secteur au vue de la charge de travail attendue pour le controleur.
Sujet compliqué mais j'espère y arriver par ce biais.
bravo encore
Vraiment bravo et merci, je suis enseignant universitaire et chercheur et j'utilise votre chaîne pour apprendre
Merci a vous pour votre confiance.
j'adore.. et comme exemple d'algorithme de ML que j'ai envie d'implémenter c'est un algorithme de reconnaissance facial tres performant avec une performance de 0.98.
Encore Merci et beaucoup de courage.
Bravo à toi pour ta pédagogie. Bien meilleur qu'une formation payante que je suis en datascience. Comme quoi quand il n'y a pas de vision de business et de gain d'argent, les choses sont bien ! Bravo encore à toi pour les montages ainsi que le contenu .
Merci ca me fait extrêmement plaisir ! Vous êtes de plus en plus nombreux a me dire ce genre de choses. Bon courage dans tes projets et si tu as la moindre question, surtout n'hésite pas !
c'est trop top cette vidéo, Guillaume ! je suis devenu accro du ML : ) Merci pour tout le temps que tu prends à expliquer clairement et succinctement.
Il est bon de devenir accroc au ML, c'est une bonne passion ;)
@@MachineLearnia la fac me prend mes journées, et Machine Learnia est dans la conquête de mes nuits :)
Encore merci, car j'ai débuté avec la formation python qui est excellent mais j'avais stopper(démotiver) un moment car c'est dure d'enchaîner les notions sans voir les applications concrètes, je ne parles pas des petit exos mais d'une étude du début a la fin comme tu l'as fait la (C'est à la vidéo 8 mais comme elles sont courtes ça va). continue ainsi c'est à prendre en compte pour les améliorations. c'est toujours mieux de voir la finalité (Voir a quel point c'est géniale pour nous motiver à le refaire) et apprendre les détails de ce que l'on à vu. Au lieu de commencer avec les détails sans en voir la finalité au début. "ça sert à quoi de vouloir fouetter un âne quand on peut le faire avancer avec du sucre" 😂😂😜✌
Tout a fait d'accord je prendrai cela en compte !
excellente vidéo je suis débutante en Machine learning et vos vidéo m'aident vraiment. Merci
Ca me fait tres plaisir, merci :)
c'est juste WAW formidable , c est la première fois que j assiste a un vrai exemple facilitation Guillaume (tuto trop trop riche )
Merci beaucoup :)
Bonjour, je suis tout simplement impressionné par tout ce travail de grande qualité (pédagogique et informatif) que vous mettez à disposition de tous. Je n'ose imaginer tout le travail de synthèse que vous avez dû effectuer à partir de tout ce que vous avez appris (sans oublier le travail sur les vidéos) durant tant d'années d'études. Vous donnez envie d'apprendre. Je vais aller au bout de votre formation et je saurai vous dire merci à ma façon. Amitiés
Je vous en prie, votre message me fait tres plaisir. merci a vous ! :)
Bonjour Ini Rutnev, comment allez-vous ? Vous avez suivi ce cours il y a deux ans, pouvez-vous partager comment cela a affecté votre travail quotidien depuis ? Avez-vous réussi à appliquer les connaissances dans le domaine de l'IA ? Si oui, auriez-vous des conseils à donner pour les débutants ? Si non, qu'est-ce qui vous a empêché de le faire ?
Je suis développeur full-stack avec une expertise en Java, Spring Boot, ReactJS et Angular et j'aimerais connaître vos réflexions à ce sujet. Merci !
vraiment vous êtes très vraiment chapeau à vous car tout est expliqué dans votre vidéo
Merci :D
je suis physicien et je vais appliqué machine learning and deep learning en physique je suis débutant je viens de commencer avec vous vidéo
Bonjour, en tant qu'ingenieur dans l'industrie, c'est une chose que je fais au quotidien !
@@MachineLearnia c'est génial donc vous allez m'aider 😊
c'est vous pouvez me donner leq application de deep learning dans le domaine d'industrie
je suis technicien de maintenance dans un usine et je veux continuer mes études universitaires
@@yassinebouzidi8964 Elles sont trop nombreuses pour pouvoir les lister. A partir du moment ou vous avez des données et que vous pouvez construire un modele empirique, le Deep Learning peut vous aider : detection de défaillances, reconnaissance d'images, etc etc
Merci infiniment pour cette formation très utile
Il m'arrive très rarement de laisser des commentaires videos mais là chef d'oeuvre oft vous touchez le plus important l'aspect mathématique pour ne pas que des gens comme moi pensent que c du abracadabra
Vraiment merci j'ai lu le livre et c'est excellent non mais génial.
En wolof Ndanane Ga goor Fall !!!
Merci beaucoup ça me fait très plaisir ! :)
Excellente vidéo ! Je suis spécialisé dans le CRM (Salesforce) et il y a tout une brique sur l'IA (Einstein Analytics). Vos vidéos me permettent de comprendre vite le fonctionnement du ML et les technos à prendre dans son bagage ! Merci ! ;)
Je suis très heureux de pouvoir vous être utile dans vos projets :) Bravo !
Oh la la superbement expliqué...On a envie d’applaudir à la fin
Merci :)
Super cool cette méthode de régression linéaire par descente de gradient. J'ai suivi un cours d'économétrie où on faisait la méthode classique d'inversion matricielle, mais évidemment les datasets étaient tout petits ou bien les coeffs étaient donnés et on demandait de l'interprétation des résultats... Enfin une méthode pour les grosses bases de données quantitatives ! Nice. :)
Tu as tout résumé dans ton message, c'est tout a fait ca ! :)
Merci beaucouq... tes videos sont interessants et clairs et tu m'a motivé a apprendre la machine learning surtout que je vise a l'hybrider avec les metaheuristiques pour resoudre un probleme combinatoire 👍
Bonjour,
Merci beaucoup pour votre réponse si rapide.
Je m’y colle tout de suite pour préparer les cours de la rentrée.
Cordialement.
BP
Quelle motivation ! :)
C'est vraiment génial. Je trouve la pédagogie assez simple et ouissante
Merci :)
Je suis un nouvel abonné et nouveau à Python et ML, je visualise un an après et c'est le top tu top
Merci beaucoup et bienvenue dans notre communauté, si tu as des question je serai la pour t'aider, gratuitement !
Inspiring teaching. Excellent structure and best ever pedagogy. You are really want to transfer knowledge’s. 🙏👏👌
Merci beaucoup! Ted vidéos sont très simples et utiles. Moi je vais normalement l’appliquer à mon projet de fin d’études pour la gestion des biens d’ine entreprise.
très bonne video enfin un cas pratique !
mais il nous faut un example avec une Dataset reel comme les données des clients d'une Banque ..etc
Avec la loi GDPR c'est malheureusement impossible... Non je plaisante ! ^^ Les études de cas viendront bientôt ! pas de panique !
Encore une vidéo canon ! Je tapais limite en temps réel le code, et voyais les résultats en live, c'est du bonheur d'apprendre comme ça ! :)
Merci beaucoup, j'approuve votre facon de faire :)
Vraiment bravo pour ces vidéos extrêmement bien faite !
Merci beaucoup !
Franchement je vous remercie infiniment
Merci pour ces explications très claires
je vous en prie :)
vraiment t'es un bon..là je comprends un peu plus
merci
De rien, et merci ! Je suis heureux d'avoir pu vous aider à mieux comprendre grâce à cette vidéo :)
J'avais peur de me lancer dans l'intelligence artificielle... mais ça m'a motivé comme jamais 😄
Je suis très heureux de l'apprendre ! BRAVO ! :)
Tellement passionnant.
Merci beaucoup. 🙂
un tres grand merci à vous Mr Guillume
de rien :)
Excellent ! Merci beaucoup pour votre travail et votre générosité car mettre tout ça disponible gratuitement c'est vraiment génial !
Comptez sur moi pour vous faire de la pub !
Merci beaucoup pour votre soutien :)
Bravo. Ces vidéos sont parfaites et permettent de bien comprendre tout ce qui peut être caché par la suite. Dommage qu'il n'y ait pas une vidéo similaire pour le modèle de régression logistique.
Merci beaucoup pour l'effort fournir Monsieur.
Merci
je vous remercie tout d'abord pour cette vidéo assez explicite et simple et le modèle de machine Learning que j'aimerais réaliser avec cette méthode d'apprentissage supervisé est un celui d'une reconnaissance vocale :)
Pour ca il vous faudra apprendre le Deep Learning (j'en fais une formation gratuite sur UA-cam) Puis Keras et les RNN
Merci infiniment. Une simplicité et clarté incroyable
Remarque : vous pouvez faire le produit matriciel en utilisant l'opérateur @
Ex: X @ theta
Bonjour, et merci pour cette super série de vulgarisation, ces vidéos, ce livre, ces outils : C'est vraiment un cours très bien fait, particulièrement efficace, et qui va exactement à l'essentiel sans encombrer l'esprit de détails inutiles pour une formation accélérée. Donc deux mots : BRAVO, et MERCI ❗️😉
Cette video dans le détail, sur ma console Jupyter, j'obtiens toutefois une erreur sur l'entraînement du modèle : Le calcul du theta_final plante à la ligne 4 avec une TypeError : 'float' object is not callable, dans le calcul de theta. Pour info, au lieu de créer le X avec hstack, j'ai concatené un vecteur de ones sur l'axe 1. (Je voulais faire le malin 😎) du coup, j'ai créé les ones avec dtype=int, mais ça plante pareil... Une idée pour me débloquer ?
Merci beaucoup Marc !
J'ai mis le code sur mon github, je t'invite a comparer ce que tu as écrit avec le code, il y a peut-etre une petite faute de syntaxe (c'est l'erreur la plus courante). Si tu ne trouves pas la réponse, je t'invite a rejoindre notre serveur discord sur lequel je pourrais t'aider en live avec d'autres membres de la communauté. Good luck ! :D
Bonsoir!! Très bonne méthodologie d'explication ..Vraiment coup de chapeau. Des vidéos avec des imports de dataset en csv ou Excel avec des phases de test et train serait le bienvenu. J'ai lu votre livre et je suis fan de vos vidéos de formation très explicite....et Merci pour les efforts fournis
Bonjour Laure et merci beaucoup :)
J'ai fait de telles videos dans mes autres playlist, par exemple les vidéos 17 - 29, elles sont tres completes sur toute la méthode a utiliser en Machine Learning, je pense qu'elle vous plairont :)
Merci Guillaume pour ces vidéos.
de rien :)
Bravo Guillaume vraiment chapeau, tu m'as donné envie de devenir un data scientist :) je veux créer un programme qui teste si une personne est infecté par le virus covid-19 ou non
Merci beaucoup, c'est un immense plaisir ! :) Pour ca il faut trouver un dataset lié a ce projet, et je travaille en ce moment sur la recherche d'un tel dataset. Ce qu'on trouve sur internet est souvent trop "simple" pour créer un modele réellement efficace.
@@MachineLearnia merci :)
le meilleur professeur sans aucune doute
Super vidéo c'est un domaine tellement fascinant ! Hâte de voir la suite sûrement pour appliquer du concret a la théorie
Merci :)
merci Guillaume, je te remercie bien !
de rien :)
Merci pour les vidéos je commence sur python principalement machine learning ( random forest, gradient etc) ça m'aidera.
Merci et bravo pour votre motivation a commencer Python ! On verra tous ces algorithmes prochainement ! :)
@@MachineLearnia merci à vous je suis actuellement vos vidéos sur 30 jours très instructives je suis en actuariat et j'apprends python en autodidacte. J'ai l'impression d'avancer pour une fois car la formation est très ciblée et précise. Courage à vous et encore merci
@@coulibalyaziz6824 Merci beaucoup :) Bravo pour vos progrès ! Continuez ainsi ! :D
@@MachineLearnia hâte de voir vos études de cas avec des data sets.
Bonne continuation à vous
Mercu
Merci Guillaume !!!👍
Bravo c'est bien expliqué
Merci a vous !
Superbes explications. J'aurais dû tomber dessus plus tôt
Merci. Mieux vaut tard que jamais comme on dt !
Excellent travail comme d'habitude force à toi
Excellente vidéo, merci beaucoup !
Bonjour et une regresdion logistique aussi bien expliquée j'adorerais...
Cette vidéo dure 23 min, mais elle va me servir toute une vie
Je l’espère !
Rien à dire! vidéo excellent !
Vous etes le meilleur ❤
Super vidéo, très clair, concis. C'est top.
Merci beaucoup ! :)
Merci pour vos cours ,svp pouvez vous nous faire des cours a propos du deep learning ou ML avec la reconnaissance faciale
Merci beaucoup. Oui je prévois de faire une série de plusieurs vidéos sur le Deep Learning et la reconnaissance faciale !
@@MachineLearnia J'ai hâte!
vraiment super merci pour tout.
Excellent Guillaume ! Keep this work up :) !
Thanks a lot :)
Un grand bravo ! J'ai hâte de voir de véritables études de cas ;)
( en regardant le notebook je trouve dommage qu'il n'y ait pas une fonction de calcul de dérivée partielle en un point afin de donner la pente, c'est l'unique question qui subsiste dans mon esprit )
Merci beaucoup ! Je vais bientôt faire des études de cas !
Ah oui on pourrait compléter le notebook avec cette information ça serait utile d'un point de vu mathématique, bien vu !
Petit commentaire pour le référencement ;)
Merci beaucoup j'en ai bien besoin !
très bonnes explications, merci
TU ES LE MEILLEUR
Merci beaucoup, ce cours est intéressent
C'est un plaisir, merci a vous :)
Je rêverai de faire un algorithme de prédiction de crime grâce au machine learning (pour mon sujet de TIPE en prépa scientifique). J'ai déjà un modèle grâce à des articles scientifiques qui se base sur des hotspots càd des zones à forte attractivité (pour les cambriolages ici). Cependant les paramètres recherchés sont nombreux et le modèle se base sur deux équations différentielles (qui me semble difficile) et donc n'est pas aussi simple qu'une fonction polynomiale. Je pense pouvoir surmonter ces difficultés mais j'ai du pain sur la planche :). J'ai plusieurs questions (peut-être que tu y réponds dans tes prochaines vidéos) :
- Est-ce que le principe reste le même malgré les différences de modèles ?
- Comment choisir une fonction coût approprié ? Surtout dans le cas d'un algo prédictif
Bref merci pour tes vidéos de qualité je pense que tu m'as fais gagné beaucoup de temps.
PS : Si ça t'intéresse, voici l'article que je mentionnais www.pnas.org/content/107/9/3961
Salut Jean, désolé pour ma réponse tardive (j'ai déménagé donc je n'étais pas disponible) La prédiction de crime est une application courante en Machine Learning en fait donc tu tombes bien ! Je te conseille de regarder mon autre série de vidéos python (pas celle la) dans laquelle je parler des algorithme de classification. Tu pourras tenter de faire des arbres de décision, voir des random Forest ou bien des modeles XGBoost.
Pour la fonction Loss, ca sera une cross-entropy
Pour mesurer la performance de ton modele, il te faudra utiliser une mesure telles que le AUC, F1 score, Recall, ou Precision (j'en parle dans la série)
Le principe reste 100% le meme pour tous les modeles : minimiser une fonction erreur en ajustant les parametres du modele grace a un algorithme d'optimisation.
J'espere avoir de tes nouvelles car ton projet me plait beaucoup !
@@MachineLearnia Merci beaucoup pour ta réponse ! Ta chaîne UA-cam est une pépite et ça fait énormément plaisir que tu répondes aux questions ! Je vais m'amuser à étudier en détail les vidéos de ta chaîne :)
la personne qui a disliké Dieu te voit!
Sinon excellente video Mr, j'ai besoin de discuter à propos d'un projet perso avec vous. Ou est ce que je peux vous joindre?
Merci et bon courage!
Ahah merci ;) ce n'est pas grave pour le dislike, ce qui compte c'est l'aide que j'offre aux gens, et ça me fait plaisir de voir que j'arrive a aider les gens.
Vous pouvez me contacter sur Discord ( le lien est dans la description) mais je suis tres occupé pendant les prochains temps car je prépare de nouveaux projets !
@@MachineLearnia ok je comprends.Merci et bon courage à vous pour vos projets!
ça doit être un jaloux
Merci pour votre tutoriels. J'ai juste une petite question sur la variable bruit déclarée au depart! Elle sert à quoi ?
Si non vorte formation est parfaite
Merci beaucoup Guillaume pour vos vidéos et ces explications.
J'ai fait durant ma formation de finance un peu d'économétrie appliquée, les models MCO , probit / logit ne sont pas des nouveautés pour moi, mais je voudrais pousser mon apprentissage jusqu'à la maîtrise de la ML.
Est-ce que pour devenir data science j'aurai besoin de revoir toutes les bases (sur tout les maths ) de ces modèles ? ou bien en suivant des formations appliquées comme les votrrs me suffiront?
Merci
Un certain nombre de professionnels ne maitrisent pas toutes les bases mathématiques, pourtant ils sont dans le métier. Je dirais que ca n'est pas indispensable, mais mieux on connait les bases d'algebres et de statistique importantes, meilleurs on sera dans des problemes tres complexes. Les formations courrantes (MOOC etc) sont un tres bon début. Par la suite je vais faire des vidéos / formations plus avancées que les MOOCs pour couvrir ce genre de choses. Bon courage dans vos projets ! :)
d'abord merci pour votre contenu riche et facile à comprendre
svp je voudrais bien savoir à quoi sert l'argument noise qu'on insère dans la fonction make_regression
Merci bcp pour cette formation j'aimerai bien apprendre aussi le deep learning (neurones & sequence) merci
Merci, je vais faire une série dessus début 2020 ! :)
Bonjour Guillaume j'ai lu le ebook gratuit que tu m'a offert. Jai une question
-Je veux classer plusieur variété (y) de maïs suivant la quantité des élements nutritifs(x) qui s'y trouve
- Je veux que ma machine indique le maïs varité (y) approprié en fonction des besoins nutritionnels(x) de l'individu pour sa croissance.
Quelles solutions ou methodes puis-je utilisé pour resoudre ce probleme? Sachant que les (y) sont des valeur nominale et les (x) des valeurs quantitatives
Merci d'avance en gardant espoir que j'aurai une reponse de ta part
Bonjour et merci d'avoir lu mon ebook. Ca fait trois fois que j'essaie de vous répondre par commentaire, mais UA-cam semble me bloquer. Envoyer moi un email et je vous aiderez a résoudre votre problème (qui me semble abordable)
Jolie vidéo bien expliquer ! bravo
Merci beaucoup
Question qui peut avoir l'air conne mais du coup les fonctions que tu créé (model, cost_function, etc... )
elles sont toujours sous cette forme ?
enfin je veux dire, c'est toujours ces arguments la et ca return toujours la même chose ?
Merci pour ta question (pas idiote du tout !) Pour une régression linéaire (et polynomiale, voir la vidéo suivante) oui les fonctions ne changent pas ! :)
En revanche, si on veut développer un modèle de régression logistique, alors les fonctions changeront un peu. De même si on veut changer de fonction coût, par exemple prendre une Mean Absolute Error (MAE) au lieu de l'erreur quadratique moyenne (MSE) alors la fonction coût va changer un peu. Un dernier exemple qui affecte la fonction coût c'est si l'on ajoute une régularisation. Je parlerai de tout ça dans les vidéos futures :)
Quand j'essaye de tester mon modèle avec model(X, theta) il me dit que 'X' is not defined alors qu'il est bien défini quelques cellules plus haut
Bonjour Guillaume je vous remercie infiniment si c'est possible vous pouvez realiser un exemple d'une dataset reelle comme les donnees des clients dans une banque ou une assurance ....
mais franchement vous etes le meilleur merci encore une autre fois
Bonjour et Merci beaucoup ! Oui je prévois de faire des projets quand j'aurais fini la série Python (la théorie). Ca va bientôt venir ! :)
Merci beaucoup pour cette simplicité d'expliquer et comment transmettre le message d'une façon simple et clair
Merci beaucoup, vous êtes magnifique, Je veux faire un assistant vocal et l'intégrer dans une maison intelligente.
Je vous invite a apprendre python en profondeur (en commencant par exemple par ma série a ce sujet) puis de continuer avec Tensorflow (je vais bientot sortir une série a ce sujet) pour apprendre le Natural Language Processing. Good Luck !
@@MachineLearnia Oho c'est magnifique ; Merci infiniment , j'attends votre nouvelle série
Très bonne vidéo :)
Merci beaucoup ! Avez-vous pu regarder jusqu'au bout?
@@MachineLearnia Oui oui. Comme cas pratique, vous pouvez par exemple mettre en corrélation le poids d'un individu en fonction de sa taille et la circonférence du poignet et faire ressortir un résultat proche de la Formule de Monnerot-Dumaine. Reste juste à trouver sur internet la bonne dataset pour cela :)
@@lachainedejosueromba6233 Bonne idée !
Merci beaucoup
Merci beaucoup pour la vidéo.jai réussi toutes les étapes, mais je me suis bloqué au moment de lajout du cost_history dans la fonction gradient_descent, le calcul history(i)=cost_function..... génère une erreur; en enlevant le (i) ça passe, mais il a des impacts sur le graphe, si vous avez une idée d'où cela peut venir?
C'est, jai trouvé l'origine de l'erreur.je doit mettre [] en place de parenthèses.merci encors
Désolé je n'ai pas lu mes nouveaux commentaires hier, j'ai donc loupé votre question. Bravo pour avoir trouvé la solution et merci de l'avoir partagé ! Bon courage pour la suite !