Bonjour, vous êtes un génie de la pédagogie. J'ai même réussi à faire comprendre à mon neveu de 10 ans comment fonctionne l'apprentissage supervisé. Je ne comprends pas pourquoi votre chaîne n'a pas des millions de vues, avec cet engouement nouveau pour l'IA depuis la sortie de ChatGPT. En France, c'est le seul contenu sur ce sujet, en français aussi clair et agréable à écouter.
En plus de la qualité des exposés, les illustrations et animations sont géniales. Elles apportent beaucoup à la compréhension, et donnent en même temps une petite touche de légèreté très agréable... Mais quel boulot !
Merci beaucoup pour votre commentaire :) Oui ca demande du boulot mais ca me fait plaisir de produire de telles vidéos, et ca me fait encore plus plaisir de lire vos commentaires ! :)
Fraichement diplômée en Big data, j'ai voulu me mettre à niveau le temps de décrocher un CDI. Je suis tombée sur cette chaine que j'adore!! vraiment good job
Merci beaucoup ! Bravo pour ton diplôme en Big data et je te souhaite de trouver du travail le plus rapidement possible ! :) Si tu as des questions n'hésites pas.
Je te remercie du fond du coeur pour tout ton travail. C'est un travail plus que pro, je n'ai jamais vu pareil. C'est des gens comme toi qui font évoluer ce monde, et surtout aide les autres à évoluer aussi. Grand merci!!
Je suis tombé sur cette chaine un peu par hasard. Pour résumer: - maîtrise des sujets - pédagogie - travail en amont qui permet d'avoir un discours très fluide agrémenté de gimmicks Bravo!
Je n'écris jamais de commentaire d'habitude sur aucune des vidéos que je visionne, mais sur la tienne, je te dis un grand bravo ! C'est un très très bon travail pédagogique que voilà. Merci !
Je reviens régulièrement sur votre chaine, alors cela mérite un compliment que je pourrais publier sur chacune des vidéos. Heureusement qu'il y a des gens comme vous, avec un vrai sens de la pédagogie, pour expliquer simplement et efficacement des concepts que d'autres présentent parfois de façon bien plus compliquée qu'ils ne sont en réalité. Vos vidéos sont claires, bien présentées, faciles à comprendre, animées, colorés, agréables... Bref, j'ai beaucoup progressé grâce à vous et je ne peux que vous remercier pour votre contribution ! Vous êtes un exemple en la matière.
Plus que 10 vidéo !! tout film à une fin je te tire un grand chapeau chère Guillaume de toujours de battre à trouver du temps pour réaliser tes vidéos de fous qui sont si simple en apparence pour un novice mais très utiles pour une personne qui s'y connaît
Je vous félicite de la qualité de cette vidéo et de toutes les vidéos que vous mettez en ligne. Toutefois l'apprentissage automatique n'est pas assez simple, vous le savez très bien. Il faut passez des heures et des heures devant votre poste pour pouvoir faire du vrai apprentissage automatique. Il y a pleine de choses à apprendre (calcul matriciel, statistiques inférentielles, les algorithmes, data visualisation, analyse des données, programmation, ...).Encore une fois un grand merci à VOUS.
vraiment un excellent travail , grâce a vous j'ai compris tellement de choses concernant le machine Learning , qui m'ont aidé a avancer dans mon projet de fin d'études . je vous remercie infiniment pour ces vidéos très explicatives .
J'ai jamais eu à écrire un commentaire mais je l'avoue vos illustrations et vos explications professionnelles m'ont poussées à suivre cette formation et en terme de qualités d'enseignements elle est parfaite.
Merci beaucoup pour cette vidéo, j'apprends l'IA en autodidacte et pour la pratique c'était très utile. j'ai installé jupyterlab sur mon ordi, vérifier si tout était bien installé et j'ai pu faire tous les exos , je passe à la vidéo suivante , j'ai liké et je me suis abonnée, des ressources comme ça je ne peux que les soutenir 🚀🚀❤❤❤❤❤❤
merci du temps pris et de l'enseignement guillaume..... c'est vraiment ce que l'on veut voir sur youtube.... claire fiable et valide au fait est ce que vous pouvez parler sur pycharm avec machine learning
Merci beaucoup pour votre retour :) Pycharm ne change rien au code que vous pouvez écrire. C'est juste une interface de développement. Mais je pourrai faire des vidéos sur Pycharm si plusieurs personnes me le demandent en effet :)
Je découvre la chaine un peut tard malheureusement, mais ça n’empêche pas que tes vidéos sont très faciles à comprendre, et mettent le doigt sur des points qui font peur au premier abord pour quelqu'un qui débute en ML. Merci pour le temps que tu consacre à créer du contenu, ça m'aide beaucoup ! à Dimanche pour ta prochaine vidéo .
C'est juste un de mes outils préféré. Dans cette formation je vais encore faire pas mal de vidéos dessus, et par la suite je continuerai a le décortiquer a l'occasion
bravo et merci ! j ai pu comprendre en 20 min ce que j ai pas pu comprendre en 1 mois , franchement rien a dire vous expliquez bien vous donnez des exemples très pratiques bon courage merci
Je ne fais quasiment pas des commentaires sur les vidéos TH-cam mais là, ça mérite vraiment des encouragement, c'est vraiment très pédagogiques vos vidéos, les concepts sont bien expliqués avec des animations très parlantes. Bravo !! J'espère qu'on aura l'occasion de voir d'autres modules de ML.
Bonjour et merci. Je vais tous les faire : Tensorflow, Keras, Pytorch.... mais a l'heure actuelle il y a déja pas mal de vidéos sur sklearn et ses différents modules ML.
Merci beaucoup Thierry ! Ca me touche énormément ! Je me donne a fond pour sortir le contenu qui aidera mon public a devenir meilleur, alors c'est génial chaque fois que je lis ce genre de message :)
Bravo Guillauve, moi je suis déconnectée mais j'arrive à te suivte, c'est bien expliqué, pédagogique et simple et facile à comprendre, bravo, merci beaucoup
Merci beaucoup, ca me fait tres plaisir d'avoir un tel retour, et c'est toujours un plaisir de lire les messages des gens que j'aide avec mes videos. La relation humaine est tres importante pour moi. :) Take Care of you !
je ne sais pas comment le dire mais j'ai l'impression que tu as démystifier la data science vraiment si je deviens compètent je serais fier de dire tu m as formé en data science merci infiniment
chapeau bas Merci infiniment cher Guillaume très impatient pour la vidéo de l’apprentissage par renforcement sur l'exemples que vous allez nous exploiter bon travail
Bonjour Guillaume, Vraiment très impressionné par cette vidéo. Super clair , et vidéo très bien présentée. Du travail de pro. Merci pour tout ce travail. Je vais de ce pas regarder tes autres vidéos.
Merci beaucoup pour ce commentaire ! Oui, je ne voulais pas faire ma premiere vidéo sur la réalisation d'un réseau de neurones récurrents a 16 couches ! ahah
Bravo et merci ! C'est vrai qu'on entend peu parler de Scikit Learn comparé à TensorFlow, Keras, PyTorch, Fast AI, mais c'est sacrément puissant ! Surtout les 4 lignes de codes pour tous les modèles.
Très bonne vidéo. Un point qui je penses doit être aborder tôt c'est l' hyper-optimisation (avec les méthodes de in-out sample) car si le débutant a tendance à mal exprimer les dimensions il a tendance à faire un peu trop confiance en son modèle :-) bonne journée et merci.
Hello, thx pour tes vidéos. Ca fait 4 mois je me suis mis au ML, à partir de différentes sources. J'avais un peu de mal à avoir la big picture synthétique sur le sujet mais c'est devenu digeste d'un seul coup grâce à tes vidéos. Surtout le workflow itératif entre code, évaluation et processing, et les différentes stratégies en fonction des cas. J'ai pu poser en quelque sorte l'architecture neuronalle pour être à l'aise maintenant avec n'importe quel type de ressources. Je découvre avec étonnement la méthode .score(), sans doute parce que je n'ai fait que de la classification depuis le début ... les méthodes de scoring proposées pour ce type de problème sont très différentes du coefficient de détermination. Bonne continuation.
Bsr chef, je suis nouveau ds le domaine et j'ai commencé par suivre vos vidéo ça fait un moment. C'est vraiment du bon boulot, je suis vraiment impatient de voir la vidéo pour le choix de modèle en fonction du contexte
@@MachineLearnia c'est très bien expliqué et de manière très pedagogique. Je suis un cours de Machine Learning et le cour est ultra théorique. J'aime le fait de croiser immédiatement théorie et programmation ça permet de comprendre les exercices et de se projeter en train de le faire.
merci beaucoup pour cette video, je commence a comprendre les modeles, surtout grace au petit programme survie sur un cas concret, j'ai 20% de survie sur le titanic
Ahhhh je suis en retard je viens de voir la vidéo! Super Vidéo**INFINI alors la scikit-learn je vais pas m'ennuyé pendant un bon moment Merci beaucoup pour les explication très clair grace à toi je vois que 'évolue très bien dans ce domaine qui nous passione tous! Au passage pour la méthode d'évaluation je n'ai pas la réponse Lol. Scikit-Learn est sans doute la meilleure librairies de ML au monde sa c'est une vérité bon étant donné mon cursus de statisticiens je vais un peu m'intérésse à la librairies statsmodels par moment. Merci encore et à nous revoir dans la prochaine vidéo.
Big up à toi Guillaume pour ces enseignements de qualité. Je ne sais pas si je suis le seul sinon je ne vois que 22/30 vidéos. Aidez moi a avoir les autres.
Bonjour Votre pédagogie, les illustrations et les animations prouve votre excellence dans ce domaine sans commentaire!!!!!!!! Une question svp : Pour le choix du modèle, en fonction de quoi on dit que c'est la régression linéaire ou autre ? Merci très cordialement
Merci beaucoup. On choisit un modèle en fonction du type de problème (classification ou regression) puis selon le relations trouvées dans les données (des relations linéaires, parfois non visibles a l'oeil, favorise le développement de modele linéaire comme SGDRegressor ou LinéaireRegression plutot que d'utiliser KNNRegressor ou des arbres de régression). Enfin, pour choisr entre deux options tres semblables (comme LinearRegression vs SGDRegressor) on se penche sur le nombre d'échantillons dont on dispose dans notre dataset. Souvent, si le nombre de données > 100,000 alors on utilise SGDRegressor plutot que LinearRegression (parce que sinon LinearRegression consomme trop de mémoire)
Bonjour Ce que j'aime chez vous, c'est votre humilité, votre réponse rapide, ce sont les choses qui me motive à regarder votre chaîne.si possible ton email. Bonne journée.
Toujours au top , cette vidéo est très bien faite et tu ne présente parfaitement le package Sklearn, comme moi je suis débutant et nouveau en Sklearn donc c'est vraiment mais alors vraiment très bien expliqué et détaillé, merci infiniment. Ps: j'ai juste une petite question SVp, en fait je suis nouveau en machine learning, je connais la régression linéaire et d'ailleurs c'est grâce à vous car je l'ai appris via l'autre playlist de machine learning, mais malheureusement je connais absolument rien aux SVM, KNN, Ridge regression, Réseau de neurone, arbre de décisions et pleins d'autres modèles vu dans la map, alors j'aimerais savoir si vous pouvez me référencer vers des sites ou tutos où ils expliquent ça (genre le principe) ou faire quelques vidéos théoriques expliquant ces notions ou modèles pour savoir quand les utiliser. Merci infiniment encore une fois. Cordialement.
Bonjour et merci beaucoup. Je ne connais malheureusement pas de sites qui recensent et expliquent tous ces algorithmes. C'est la raison pour laquelle je compte créer un tel répertoire sur mon site Internet MachineLearnia d'ici les prochaines semaines, donc cela vous aidera beaucoup :) (avec des vidéos et des animations)
encore une fois du super contenu, je passe toutes mes pauses déjeuner à regarder tes vidéos! Dans celle ci, tu utilises KNN mais sauf erreur de ma part, on n'a pas vu auparavant ce que c'était, le mécanisme derrière etc (comme tu avais fait pour la régression linéaire). Est-ce dans une prochaine vidéo?
J'arrive un peu tard mais j'aurais aimé savoir si ce principe pouvait fonctionner sur du fichier midi ? en gros j'aimerais nourrir la machine de melodies ou progressions d'accord d'un artiste précis et de ça je voudrais pouvoir en tirer des informations comme ' quelles sont les progressions en général utilisés, le tempo, la gamme etc etc et surtout le plus important à partir de tout ce que je lui ai donné, me générer des progressions ou melodies à la façon de cette artiste. voilà j'espère être clair dans mes explications merci d'avance et merci pour tous ces tutos
Excellente vidéo comme toujours, malheureusement pas de chance pour pclass=3 de survivre selon cette dataset :) . Merci infiniment pour ce contenu assez simple et pertinent. J'aimerai bien que les prochaines vidéos seront sur des données réelles qui nécessitent un traitement avant la mise en prod. Merci encore je vous souhaite bonne continuation.
Merci pour cette formation qui m'a beaucoup appris sur le machine learning, mais quel model utiliser pour un tableau pandas comme celui du BTC-EUR par exemple? le model KNeighborsClassifier me renvoie une erreur et qu'il faut faire un reshape...
Bjr merci bp pour votre travail.ou jepeux trouver svp des cours pour les statistiques ou bien les cours de math necessaire pour apprendre le maching learning
bonjour, si l'idée principale c'est de faire des modeles, pourrait on les utiliser pour faire une lecture du monde en science? par exemple, un modele aurait il pu faire une prediction aussi fiable à l'heure actuelle que le fait une équation sur un lancé, la positition d'une planete, resoudre la theorie du tout, ... ou que sais je ?
Bonjour, vous êtes un génie de la pédagogie. J'ai même réussi à faire comprendre à mon neveu de 10 ans comment fonctionne l'apprentissage supervisé. Je ne comprends pas pourquoi votre chaîne n'a pas des millions de vues, avec cet engouement nouveau pour l'IA depuis la sortie de ChatGPT. En France, c'est le seul contenu sur ce sujet, en français aussi clair et agréable à écouter.
En plus de la qualité des exposés, les illustrations et animations sont géniales. Elles apportent beaucoup à la compréhension, et donnent en même temps une petite touche de légèreté très agréable... Mais quel boulot !
Merci beaucoup pour votre commentaire :) Oui ca demande du boulot mais ca me fait plaisir de produire de telles vidéos, et ca me fait encore plus plaisir de lire vos commentaires ! :)
+1
Enfin, un Français qui parvient à rendre les choses plus simples.
Fraichement diplômée en Big data, j'ai voulu me mettre à niveau le temps de décrocher un CDI. Je suis tombée sur cette chaine que j'adore!! vraiment good job
Merci beaucoup ! Bravo pour ton diplôme en Big data et je te souhaite de trouver du travail le plus rapidement possible ! :) Si tu as des questions n'hésites pas.
Bonjour à vous
Tu vulgarise super bien les termes, très pédagogique. C'est rare de voir un contenu de si belle qualité. Bravo 🙏
Je te remercie du fond du coeur pour tout ton travail. C'est un travail plus que pro, je n'ai jamais vu pareil. C'est des gens comme toi qui font évoluer ce monde, et surtout aide les autres à évoluer aussi. Grand merci!!
Merci, c'est très gentil :)
Je suis tombé sur cette chaine un peu par hasard.
Pour résumer:
- maîtrise des sujets
- pédagogie
- travail en amont qui permet d'avoir un discours très fluide agrémenté de gimmicks
Bravo!
Merci beaucoup, c'est un plaisir quand je vois que le but recherché est accompli :)
Je n'écris jamais de commentaire d'habitude sur aucune des vidéos que je visionne, mais sur la tienne, je te dis un grand bravo ! C'est un très très bon travail pédagogique que voilà. Merci !
Merci beaucoup, ton commentaire est un rare honneur du coup ! ^^
Je reviens régulièrement sur votre chaine, alors cela mérite un compliment que je pourrais publier sur chacune des vidéos. Heureusement qu'il y a des gens comme vous, avec un vrai sens de la pédagogie, pour expliquer simplement et efficacement des concepts que d'autres présentent parfois de façon bien plus compliquée qu'ils ne sont en réalité. Vos vidéos sont claires, bien présentées, faciles à comprendre, animées, colorés, agréables... Bref, j'ai beaucoup progressé grâce à vous et je ne peux que vous remercier pour votre contribution ! Vous êtes un exemple en la matière.
Plus que 10 vidéo !! tout film à une fin je te tire un grand chapeau chère Guillaume de toujours de battre à trouver du temps pour réaliser tes vidéos de fous qui sont si simple en apparence pour un novice mais très utiles pour une personne qui s'y connaît
Merci beaucoup pour ce commentaire ! Oui c'est quand meme un sacré travail pour rendre le contenu simple et ludique :)
Je débute en machine Learning. je n'ai pas encore fait de pratique mais seulement avec tes vidéos j'ai l'impression d'être un pro.
Wow ça me fait super plaisir de lire ça ! :) Je vais bientôt montrer des cas pratiques sur lesquels vous pourrez tous travailler... et progresser ! :)
Merci beaucoup tu es le meilleur!!! J'ai hâte de voir ta prochaine vidéo
@@MachineLearnia J'ai vraiment hâte! :)
Je vous félicite de la qualité de cette vidéo et de toutes les vidéos que vous mettez en ligne. Toutefois l'apprentissage automatique n'est pas assez simple, vous le savez très bien. Il faut passez des heures et des heures devant votre poste pour pouvoir faire du vrai apprentissage automatique. Il y a pleine de choses à apprendre (calcul matriciel, statistiques inférentielles, les algorithmes, data visualisation, analyse des données, programmation, ...).Encore une fois un grand merci à VOUS.
Oui, votre commentaire est tout a faire pertinent, merci beaucoup :)
vraiment un excellent travail , grâce a vous j'ai compris tellement de choses concernant le machine Learning , qui m'ont aidé a avancer dans mon projet de fin d'études . je vous remercie infiniment pour ces vidéos très explicatives .
Merci !
Tes vidéos et tes explications sont d'une qualité et d'une pertinence extrêmement rare. Chapeau bas encore une fois à l'Artiste !
Merci beaucoup pour ce compliment ! :)
J'ai jamais eu à écrire un commentaire mais je l'avoue vos illustrations et vos explications professionnelles m'ont poussées à suivre cette formation et en terme de qualités d'enseignements elle est parfaite.
est ce que vous avez recu son livre?
Sans doute la meilleure formation de machine learning au monde, merci cher Guillaume !
Merci beaucoup !!!! :)
Vous êtes juste excellent, la pédagogie, la qualité de l'exposé ... chapeau bas pour ce grand Monsieur, mille mercis
Merci beaucoup :)
je suis très très content aujourd'hui car j 'ai appliqué du machine learning à des données concrètes vraiment merci infiniment
Mais de rien, c'est une grand plaisir d'avoir pu vous aider :)
tes vidéos sont top ça fait des années que je cherche des tutos en français, je te remercie infiniment
Merci beaucoup. Je suis très heureux de savoir que ces vidéos te sont utiles :)
Franchement c'est la meilleur chaine franco au monde. ne t'arrete surtout pas frere on te suit bcp
bon courage a toi
Merci beaucoup pour tes encouragements !
Merci beaucoup pour cette vidéo, j'apprends l'IA en autodidacte et pour la pratique c'était très utile. j'ai installé jupyterlab sur mon ordi, vérifier si tout était bien installé et j'ai pu faire tous les exos , je passe à la vidéo suivante , j'ai liké et je me suis abonnée, des ressources comme ça je ne peux que les soutenir 🚀🚀❤❤❤❤❤❤
Bravo pour toutes ses vidéos, esthétiquement très agréables, rythme très efficace, pédagogie topissime...bref, quel talent !
Merci beaucoup ! La suite arrive bientot ! :)
@@MachineLearnia tant mieux, j'ai hâte !
merci du temps pris et de l'enseignement guillaume..... c'est vraiment ce que l'on veut voir sur youtube.... claire fiable et valide
au fait est ce que vous pouvez parler sur pycharm avec machine learning
Merci beaucoup pour votre retour :)
Pycharm ne change rien au code que vous pouvez écrire. C'est juste une interface de développement.
Mais je pourrai faire des vidéos sur Pycharm si plusieurs personnes me le demandent en effet :)
Je découvre votre chaîne à travers cette vidéo, merci pour les explications claires !
Je découvre la chaine un peut tard malheureusement, mais ça n’empêche pas que tes vidéos sont très faciles à comprendre, et mettent le doigt sur des points qui font peur au premier abord pour quelqu'un qui débute en ML.
Merci pour le temps que tu consacre à créer du contenu, ça m'aide beaucoup !
à Dimanche pour ta prochaine vidéo .
Merci beaucoup pour ton message, il fait tres plaisir !
Toujours aussi top ces vidéos, et en plus le texte de la description est riche et détaillé, c'est tout bonnement génial, un grand MERCI à nouveau :-)
Merci beaucoup, ca me touche beaucoup :)
Comme expected c'est toujours au top. Merci pour ton travail. Sci-kit c'est tout nouveau pour moi mias plus maintenant avec ca.
C'est juste un de mes outils préféré. Dans cette formation je vais encore faire pas mal de vidéos dessus, et par la suite je continuerai a le décortiquer a l'occasion
bravo et merci !
j ai pu comprendre en 20 min ce que j ai pas pu comprendre en 1 mois , franchement rien a dire vous expliquez bien vous donnez des exemples très pratiques
bon courage merci
Wow c'est super ça me fait vraiment plaisir ! A bientôt j’espère !
Je ne fais quasiment pas des commentaires sur les vidéos TH-cam mais là, ça mérite vraiment des encouragement, c'est vraiment très pédagogiques vos vidéos, les concepts sont bien expliqués avec des animations très parlantes.
Bravo !!
J'espère qu'on aura l'occasion de voir d'autres modules de ML.
Bonjour et merci. Je vais tous les faire : Tensorflow, Keras, Pytorch.... mais a l'heure actuelle il y a déja pas mal de vidéos sur sklearn et ses différents modules ML.
@@MachineLearnia THANKS !!!
@@MachineLearnia merci beaucoup!
Mon premier commentaire sur TH-cam pour te dire que : c'est excellent ce que tu fais ! Je partage le plus possible.
Merci beaucoup Thierry ! Ca me touche énormément ! Je me donne a fond pour sortir le contenu qui aidera mon public a devenir meilleur, alors c'est génial chaque fois que je lis ce genre de message :)
Travail hyper qualitatif et pédagogique merci beaucoup !
C'est bien vraiment je suis convaincu de votre compétence ,une fois encore merci je très a l'aise avec vos cours là.
Merci beaucoup, je suis content que le cours vous soit utile. :)
Je découvre la chaine, un grand bravo, c'est d'une pédagogie incroyable
Bravo Guillauve, moi je suis déconnectée mais j'arrive à te suivte, c'est bien expliqué, pédagogique et simple et facile à comprendre, bravo, merci beaucoup
Merci beaucoup Houda :)
Ce moment quand tu vois que Machine Learnia a publié une nouvelle vidéo :DDDDDDDDDDD
(super vidéo! merci!)
Eeeeh Ce moment ou Julien Jaquemont m'écrit un super commentaire :DDDDDD
Ahah merci beaucoup ;)
TU ME SAUVES !!!! merci enfin en francais et super bien expliqué, vraiment agréable ! +1 pour te soutenir
Je suis content d'avoir pu t'aider. :)
Je suis devenu un accro de ta chaine TH-cam et de ton site internet. Tu es mon rôle modèle et j'espère atteindre mes objectifs d'ici fin juin.
Merci beaucoup, ca me fait tres plaisir d'avoir un tel retour, et c'est toujours un plaisir de lire les messages des gens que j'aide avec mes videos. La relation humaine est tres importante pour moi. :)
Take Care of you !
je ne sais pas comment le dire mais j'ai l'impression que tu as démystifier la data science vraiment si je deviens compètent je serais fier de dire tu m as formé en data science merci infiniment
Oh Merci beaucoup, je suis moi aussi très fier et heureux d'avoir de tels commentaires ! C'est tellement important pour moi d'aider les gens ! :)
chapeau bas Merci infiniment cher Guillaume très impatient pour la vidéo de l’apprentissage par renforcement sur l'exemples que vous allez nous exploiter bon travail
Oui ca viendra, mais pas dans cette série Python. Merci beaucoup Aymen ;)
@@MachineLearnia je vous en prie
Bonjour Guillaume, Vraiment très impressionné par cette vidéo. Super clair , et vidéo très bien présentée. Du travail de pro. Merci pour tout ce travail. Je vais de ce pas regarder tes autres vidéos.
Merci beaucoup, ce commentaire me fait très plaisir ! Bon visionnage et bon courage :)
Vous êtes génial, merci pour votre travail !
Excellent, merci une nouvelle fois pour ce condensé de pédagogie. On rentre dans le vif du sujet !
Merci beaucoup pour ce commentaire ! Oui, je ne voulais pas faire ma premiere vidéo sur la réalisation d'un réseau de neurones récurrents a 16 couches ! ahah
Bravo et merci !
C'est vrai qu'on entend peu parler de Scikit Learn comparé à TensorFlow, Keras, PyTorch, Fast AI, mais c'est sacrément puissant !
Surtout les 4 lignes de codes pour tous les modèles.
J'adore Sklearn ! Merci pour le commentaire :)
Ce n'est pas la même application entre Machine Learning (SKLearn) et Deep Learning (Keras) même si les 2 peuvent être complémentaires.
😅😅
Vos tutos sont vraiment excellents, surtout pour leur compréhension. Bon boulot
Merci beaucoup ! Je passe beaucoup de temps pour les rendre si compréhensibles :)
J'ai pas de mots,
je suis soufflé par la qualité de ce tutoriel.
Merci beaucoup ! :)
On commence le pratique! merci pour la qualité d'exposition, comme d'abitude superbe vidéo, bonne continuation :-)
Merci beaucoup ! A bientôt :)
sois amplement béni vraiment t'es le best de Ytb
Très bonne vidéo. Un point qui je penses doit être aborder tôt c'est l' hyper-optimisation (avec les méthodes de in-out sample) car si le débutant a tendance à mal exprimer les dimensions il a tendance à faire un peu trop confiance en son modèle :-) bonne journée et merci.
Merci beaucoup. Je vais parler de model selection dans la prochaine vidéo, peut-être que ça couvrira ton commentaire :) A bientôt !
J'adore vos vidéos, merci infiniment , bonne continuation
Hello, thx pour tes vidéos.
Ca fait 4 mois je me suis mis au ML, à partir de différentes sources. J'avais un peu de mal à avoir la big picture synthétique sur le sujet mais c'est devenu digeste d'un seul coup grâce à tes vidéos. Surtout le workflow itératif entre code, évaluation et processing, et les différentes stratégies en fonction des cas. J'ai pu poser en quelque sorte l'architecture neuronalle pour être à l'aise maintenant avec n'importe quel type de ressources.
Je découvre avec étonnement la méthode .score(), sans doute parce que je n'ai fait que de la classification depuis le début ... les méthodes de scoring proposées pour ce type de problème sont très différentes du coefficient de détermination.
Bonne continuation.
Salut ! Je suis très heureux d'avoir pu t'aider dans tes progrès, bravo a toi :)
Tu es vraiment une personne extraordinairement géniale !
Merci, toi aussi (car c'est gentil de commenter) :)
tout ce boulot pour nous aider à aller plus loin ! Vraiment chapeau guillaume ,moi j'adore
Merci beaucoup :)
Yay j'aurai survécu à 80% ^^. Heum plus sérieusement, rien à dire comme d'hab excellente vidéo!
Wow tu fais partie des rares personnes a pouvoir dire ca ! Merci beaucoup ^^
Vidéo intéréssante et pédagogique. Merci
bravo pour vos cours, ils sont vraiment très intéressants, très pédagogique
Merci c'est incroyable le contenu que tu proposes !
Merci :)
Bsr chef, je suis nouveau ds le domaine et j'ai commencé par suivre vos vidéo ça fait un moment. C'est vraiment du bon boulot, je suis vraiment impatient de voir la vidéo pour le choix de modèle en fonction du contexte
Super, je suis ravi de pouvoir vous aider avec mes vidéos - bon courage dans la continuation de votre apprentissage :)
@@MachineLearnia Merci
C'est incroyable de pouvoir faire de pareilles choses merci Guillaume!
Oui c'est vraiment génial ! :)
La vidéo est top et la série aussi ! Je partage ça immédiatement et j'aimerais mettre plus qu'un seul like :p
Merci beaucoup ! Que trouvez-vous de top au fait ? (juste pour savoir)
@@MachineLearnia c'est très bien expliqué et de manière très pedagogique. Je suis un cours de Machine Learning et le cour est ultra théorique. J'aime le fait de croiser immédiatement théorie et programmation ça permet de comprendre les exercices et de se projeter en train de le faire.
merci beaucoup pour cette video, je commence a comprendre les modeles, surtout grace au petit programme survie sur un cas concret, j'ai 20% de survie sur le titanic
Bien joué !
Et je le redis : FORMIDABLE série de vidéos !!!
Merci ^^
Excellent travail du point de vu pédagogique et maitrise de contenu Bravo
Ahhhh je suis en retard je viens de voir la vidéo! Super Vidéo**INFINI alors la scikit-learn je vais pas m'ennuyé pendant un bon moment Merci beaucoup pour les explication très clair grace à toi je vois que 'évolue très bien dans ce domaine qui nous passione tous! Au passage pour la méthode d'évaluation je n'ai pas la réponse Lol.
Scikit-Learn est sans doute la meilleure librairies de ML au monde sa c'est une vérité bon étant donné mon cursus de statisticiens je vais un peu m'intérésse à la librairies statsmodels par moment. Merci encore et à nous revoir dans la prochaine vidéo.
Merci beaucoup :)
Félicitations cher ami et vous êtes toujours au top
Merci ! :D
J'ai fait pas mal de lstm et cnn sur keras, alors tout ça me parait assez naturel.
Explications limpides merci!
C'est un très très bon travail pédagogique
Merci beaucoup !
Merci beaucoup machine learnia vraiment c cool 😊😊😊😊😊
De rien ! :)
Grace a vous jai eu le plaisir detre in data science vraiment merci pour les videos
C'est super ! Merci a vous ! :D
Big up à toi Guillaume pour ces enseignements de qualité. Je ne sais pas si je suis le seul sinon je ne vois que 22/30 vidéos. Aidez moi a avoir les autres.
Les autres sont en cours de production, merci
Super vidéo, toujours aussi pédagogique :)
Merci beaucoup :)
Bonjour a vous comment allez vous êtes programmeuse aussi?
Merci pour ce beau travail . Maintenant, j'aimerais savoir s'il est possible d'implémenter du ELM ( Extreme Learning Machine) avec SKLEARN ?
excellente vidéo. Merci pour tout le travail que tu fournis.
De rien :)
Bonjour
Votre pédagogie, les illustrations et les animations prouve votre excellence dans ce domaine
sans commentaire!!!!!!!!
Une question svp :
Pour le choix du modèle, en fonction de quoi on dit que c'est la régression linéaire ou autre ?
Merci
très cordialement
Merci beaucoup. On choisit un modèle en fonction du type de problème (classification ou regression) puis selon le relations trouvées dans les données (des relations linéaires, parfois non visibles a l'oeil, favorise le développement de modele linéaire comme SGDRegressor ou LinéaireRegression plutot que d'utiliser KNNRegressor ou des arbres de régression). Enfin, pour choisr entre deux options tres semblables (comme LinearRegression vs SGDRegressor) on se penche sur le nombre d'échantillons dont on dispose dans notre dataset. Souvent, si le nombre de données > 100,000 alors on utilise SGDRegressor plutot que LinearRegression (parce que sinon LinearRegression consomme trop de mémoire)
Bonjour
Ce que j'aime chez vous, c'est votre humilité, votre réponse rapide, ce sont les choses qui me motive à regarder votre chaîne.si possible ton email.
Bonne journée.
Merci. Mon email est disponible sur la page a propos de la chaine.
Beau travail Guillaume vraiment 🔝
Merci beaucoup ! :)
merci beaucoup pour ce cours
Cet homme est un génie
Trop flatteur ^^
Simple, claire et motivant .. Félicitations
Merci beaucoup ! :)
Toujours au top , cette vidéo est très bien faite et tu ne présente parfaitement le package Sklearn, comme moi je suis débutant et nouveau en Sklearn donc c'est vraiment mais alors vraiment très bien expliqué et détaillé, merci infiniment.
Ps: j'ai juste une petite question SVp, en fait je suis nouveau en machine learning, je connais la régression linéaire et d'ailleurs c'est grâce à vous car je l'ai appris via l'autre playlist de machine learning, mais malheureusement je connais absolument rien aux SVM, KNN, Ridge regression, Réseau de neurone, arbre de décisions et pleins d'autres modèles vu dans la map, alors j'aimerais savoir si vous pouvez me référencer vers des sites ou tutos où ils expliquent ça (genre le principe) ou faire quelques vidéos théoriques expliquant ces notions ou modèles pour savoir quand les utiliser.
Merci infiniment encore une fois.
Cordialement.
Bonjour et merci beaucoup. Je ne connais malheureusement pas de sites qui recensent et expliquent tous ces algorithmes. C'est la raison pour laquelle je compte créer un tel répertoire sur mon site Internet MachineLearnia d'ici les prochaines semaines, donc cela vous aidera beaucoup :) (avec des vidéos et des animations)
@@MachineLearnia Merci beaucoup, j’espérais au fond de moi que vous allez faire ce genre de vidéos et pas vers un autre site mdr :) :) .
bon courage.
the best prof ever
Cette video est géniale et très précise.
encore une fois du super contenu, je passe toutes mes pauses déjeuner à regarder tes vidéos! Dans celle ci, tu utilises KNN mais sauf erreur de ma part, on n'a pas vu auparavant ce que c'était, le mécanisme derrière etc (comme tu avais fait pour la régression linéaire). Est-ce dans une prochaine vidéo?
Vraiment super boulot ! J'ai trouvé le dataset du titanic merci beaucoup !
Ok super !
J'arrive un peu tard mais j'aurais aimé savoir si ce principe pouvait fonctionner sur du fichier midi ? en gros j'aimerais nourrir la machine de melodies ou progressions d'accord d'un artiste précis et de ça je voudrais pouvoir en tirer des informations comme ' quelles sont les progressions en général utilisés, le tempo, la gamme etc etc et surtout le plus important à partir de tout ce que je lui ai donné, me générer des progressions ou melodies à la façon de cette artiste. voilà j'espère être clair dans mes explications merci d'avance et merci pour tous ces tutos
Top, je ne comprends pas toutefois pourquoi tu score sur les données d'entrainement, cela ne génère pas de l'overfitting ?
T'es le meilleur
Merci ! Vous aussi vous êtes les meilleurs !
Excellente vidéo comme toujours, malheureusement pas de chance pour pclass=3 de survivre selon cette dataset :) . Merci infiniment pour ce contenu assez simple et pertinent. J'aimerai bien que les prochaines vidéos seront sur des données réelles qui nécessitent un traitement avant la mise en prod. Merci encore je vous souhaite bonne continuation.
Merci beaucoup. :) Je vais peu a peu faire des vidéos de plus en plus complexe. :)
Merci pour votre travail, chapeau !
Je vous en prie ! :)
Merci pour cette formation qui m'a beaucoup appris sur le machine learning, mais quel model utiliser pour un tableau pandas comme celui du BTC-EUR par exemple? le model KNeighborsClassifier me renvoie une erreur et qu'il faut faire un reshape...
Encore du bon boulot. Merci pour tout.
Merci a vous
Super travail , merci pour tes vidéos.
merci a vous
Franchement c'est génial!! Merci infiniment.
De rien :)
@@MachineLearnia Svp si vous pouvez nous donner des liens de dataframe à analyser
mais quel travail ! excellente explication on trouvera pas de mieux
Merci j'en suis flatté !
un grand merci pour votre altruisme!
de rien :)
Bjr merci bp pour votre travail.ou jepeux trouver svp des cours pour les statistiques ou bien les cours de math necessaire pour apprendre le maching learning
C'est bon monsieur Guillaume, j'ai trouvé la solution
Vraiment désolé pour l'éventuelle gêne occasionnée
Pas de probleme :)
bon aller je vais faire du machine learning pour donner un score au postulant de ma future entreprise !
Ahah ! Ca existe en plus (le machine learning qui évalue les candidats en entretien d'embauche, quel sadisme ahah)
bonjour, si l'idée principale c'est de faire des modeles, pourrait on les utiliser pour faire une lecture du monde en science? par exemple, un modele aurait il pu faire une prediction aussi fiable à l'heure actuelle que le fait une équation sur un lancé, la positition d'une planete, resoudre la theorie du tout, ... ou que sais je ?
Magnifique et excitant !!!
Scikit-learn peut-il être utilisé pour créer un chatbot à peu près performant ?
C est incroyable !
C'est beau la Data Science n'est-ce-pas ! :)