Honnêtement j'ai envie de dire que malgré la gratuité de la chose on a quand même envie de payer, tant le contenu est parfait ... Quel travail remarquable, ces cours m'aident beaucoup pour le Master en Econométrie et Stat appliquée que je prépare.. Merci infiniment pour l'investissement !
J'ai seulement 15 ans et je regarde tes vidéos , tes vidéos me prennent du temps à regarder car je m'efforce d'aller voir les notions de mathématiques que je ne connais pas pour pouvoir avancer , ce qui rend tes vidéos encore plus passionnante
1) MATHÉMATIQUES DE BASES 00:27 méthodes ndarray de bases sum, sum(axis=0), axis = 1 03:20 min() et argmin(), max() et argmax() 04:18 argsort() 05:37 fonctions mathématiques : np.exp(), log, cos, sin, sinh .... 2) STATISTIQUES 07:27 Statistiques: mean, var, std 08:32 corrcoef: calculer des corrélations entre lignes ou colonnes 10:30 np.unique: compter le nombre de répétitions dans notre dataset 12:34 Exercice: Argsort() + np.unique() pour trier les répétition d'un tableau Numpy 3) CORRECTIONS DE DATASETS 14:46 NaN Not a Number: np.nanmean() et np.nanstd() 16:46 Compter les NaN dans un tableau Numpy et filtrer les NaN avec le Boolean indexing 4) ALGEBRE LINÉAIRE 18:59 Transposée et produit matricielle dot() 20:35 np.linalg : determinant, inversion, eigen values (valeurs propres) 5) EXERCICE 22:45 Exercice de cette vidéo: Standardiser un dataset + méthode de normalisation Wikipédia 6) CORRIGÉ EXERCICE 25:10 Manipuler une image avec Numpy: Slicing 27:34 Correction photo et compression d'image
Vu la clarté d'exploitation de votre livre apprendre le machine learning en une semaine je vous propose d'en faire un sur les 5v que dois absolument maîtriser tout data scientist dixit les 5v = volume , variété , vélocité, valeur, Vérocite !!!!
@@madaragrothendieckottchiwa8648 Aaah les 5v du Big Data ! Je compte en parler bientôt et produire du contenu pour tirer au clair tout cette histoire ne vous en faites pas ! :)
The best in machine learning vous avez un art pour rendre la chose compréhensible et facile vraiment merci et faites encore d'autres vidéos sur les choses de vos choix que je pense vont etre trés intéressants Gracias
merci beaucoup pour ces cours extrêmement utiles et bien structurés. votre pédagogie est sincèrement l'une des meilleures sur TH-cam. grand bravo cher frère.
J'ai découvert ta chaîne tout récemment et j'adore la qualité pédagogique de tes vidéos, c'est un régal. Tu te focalises sur les points essentiels, les trucs qui marchent, tout devient plus clair du coup. Merci pour ton partage !
J'ai commencé à coder en python il y a quelques mois et tes vidéos m'ont motivé à me lancer dans le machine learning. Vraiment bravo et merci pour tout ce que tu partages avec nous ! C'est un vrai régal !!!!
merci beaucoup pour ces cours extrêmement utiles et bien structurés. votre pédagogie est sincèrement l'une des meilleures sur TH-cam. j'attend impatiemment votre prochaine vidéo. grand bravo cher frère.
Merci beaucoup ! :D Oui j'ai retourné cette vidéo 2 fois parce que le contenu de la vidéo ne me plaisait pas autant que d'habitude, donc j'ai préféré reprendre à zéro pour avoir la meilleure qualité possible !
Merci, infiniment, de base j'ai fais une licence en ingénierie électrique et automatique, maintenant je suis en M1 Archi web en alternance en tant que dev web junior, maintenant ça va faire une semaine que je suis sur cette formation , franchement je suis trop tenté de plongé dans ce monde , merci pour tous.
Je suis en deuxième année (licence informatique, je compte faire un master) à Paris Descartes vos vidéos m'aident vraiment beaucoup car je veux faire de l'intelligence artificielle Merci beaucoup
Sur la correction de l'exercice. Je précise que si tu divises la largeur et la hauteur par 2 tu te retrouve avec 4 fois moins de pixels. Par ailleurs, si tu as 4 fois moins de pixels, tu perds forcément en qualité d'image (même si cela ne se voit pas forcément à l'oeil nu). Cela dit, tes vidéos sont super et je me régale à découvrir tout ça avec Python
Le contenu est vraiment incroyable. J'ai une suggestion: ce serait bien de faire une série sur les connaissances mathématiques nécessaires à la science des données. Après je me doute du travail considérable que tu fourni donc je suis conscient que c'est une requête un peu osée mais il faut dire que ton contenu est si accrocheur et détaillé que c'est une mine d'or dans le domaine !
Merci beaucoup Guillaume! Tu es le meilleur voici ma réponse à l'exercice donné , j'ai comparer les résultats c'est parfait ! def normalisation_colonnes(A): n = A.shape[1] # nombre de vecteur colonnes R = np.ones(A.shape) # matrice resultat M = np.mean(A, 0) # matrices des moyennes de chaque colonne de A M = M.reshape((1, n)) # reshape for i in range(n): V = A[:,i:i+1] R[:,i:i+1] = (V - M[:,i]) / np.nanstd(V) # normalisation de chaque colonne return R
Intéressant, programmeur java à la base, j'ai résolu l'exercice en utilisant une boucle for pour calculer chaque colonne les unes après les autres... Et que vois-je à la vidéo suivante... l'itération induite avec Numpy... que tu utilises dans cette exercice ^^ Merci pour tes vidéos en tout cas. J'aspire à faire du machine learning, notamment de la NLP. Tes vidéos sont une mine d'information.
Merci beaucoup. C'est bien de faire les parallèles entre langage, on apprend plus vite. Tu pourrais t'amuser a chronométrer l'opération en Java vs Numpy (avec le broadcasting). Nous ferons du NLP en courant d'année 2020, avec Pytorch ou Tensorflow / Keras. :) Bon courage pour la suite et a bientôt !
12/30 rien à dire jusque la, parfait! A un petit détail près, ce serait bien d'avoir la réponse d'un exercice au début de la prochaine vidéo et non à la fin, ça mélangerait moins ce qu'on apprend au fur et à mesure. Un grand merci sinon
Excellente vidéo encore, merci. Je cherchais comment faire un find avec numpy et la réponse était là avec le boolean indexing. Continue comme ça et merci.
merci beaucoup pour vos tutoriels, je suis developpeur et comme la data science nous impacte dans notre job, mon but n'est pas de devenir Data scientiste (c'est un métier à part entiere, c'est d'abord un statisticien) mais de comprendre et de pouvoir réaliser ses demandes au niveau des nos programmes, en plus de la gestion. ce qui manque ce sont de vrais cas d'usage du reel qui mettent en oeuvre les algorythme..
Vidéo très instructive, comme les précédentes ! Merci pour le travail fourni. Petite précision sur l'exercice à la fin de la vidéo, le poids de l'image n'est pas divisé par 2 mais par 4 lors du slicing : tu prends la moitié des lignes et la moitié des colonnes, soit (1/2)*(1/2)=1/4
Hello, vraiment top! Et un grand merci pour le partage de connaissances ! PS, sur le slice de la fin le pas de 2 sur les deux dimensions implique un espace disque 4 fois moindre :-)
Bonjour Guillaume, juste pour le plaisir de corriger, le poids de l'image est de 12 fois moindre au total ;-) en passant de 24b RGB à 8b c'est trois fois et de quatre avec le slicing de 2 en X et de 2 en Y soit un total de 3*4. j'ai 58 ans avec des idées bien arrêtée (têtu quoi !) comme par exemple, que Python était une sorte de Basic donc sans intérêt pour moi. je viens de découvrir par hasard avec vos vidéos, numpy. je dois dire que c'est plutôt sympa et je n'aurais probablement pas eu envie de gratter python sans tes vidéos. Encore une petite chose, en général les vidéos ont un effet soporifique chez moi, mais pas les tiennes ;-) et ça c'est un exploit aussi :D bonne continuation, je vais aller jusqu'au bout et Merci
J'ai une entretien le jeudi et je voudrais savoir quels sujets je doit faire plus d'attention pour étudier. Merci beaucoup pour toute le contenu, c'est excellente!
Pour votre entretien, essayer de connaitre l'entreprise du mieux possible : ses produits, ses projets, ses clients, le projet sur lequel vous devriez travailler. Selon le job, réviser certains concepts statistiques (les lois de probabilités normales et binomiales) les bases du Machine Learning, comment gere-t-on un projet (train_set, test_set) et essayez de chercher enn lignes quelques mini-exercices python
Salut je n'arrive pas à comprendre la notion de corrcoef applique sur le tab A. A est composé de 2 ligne et 3 colonnes alors que dans l'explication du corrcoef vous parlez que de lignes(L1 et L2). Somebody can help me plz?
Bonjour, J'ai pris un exemple a 2 lignes 2 colonnes pour simplifier au maximum le schéma explicatif. La fonction corrcoeff calcule les coefficient de corrélation de Pearson entre les Lignes d'un tableau (le nombre de colonnes n'a pas d'importance) Tu peux imaginer que la ligne 1 représente le poids de plusieurs individus et la ligne 2 la taille de ces individus. Si tu veux calculer la corrélation entre ces 2 éléments, il te suffit d'utiliser corrcoeff
Svp la méthode de compression consistant à sauter un pixel sur deux est elle vraiment utilisée ? Ou bien on en utilise toujours des meilleurs ? Ou bien est-ce la méthode standard pour passer de 720p à 360p ?
Slt Guillaume, si de cette façon en fait un zoom, als comment en peut sélectionner une partie d'un photos, j voi que vs avez sélectionné une partie de la photo et oups cette partie est affiché en Grand format....je ne sais pas c'est j'arrive à bon posser ma question...🙄
Bonjour et encore merci. Question : Peut-on mettre un timing pour afficher une image avec plt.show() afin que le programme puisse continuer à se dérouler ? Ceci également pour créer une animation avec succession d'images, par exemple.
Merci :) Pour créer une animation, il existe le module matplotlib.animation. Je compte faire des tutos dessus a l'avenir. il existe le module "time" pour compter le temps et faire des pauses dans un programme. Mais ce n'est pas une chose courante en Data Science. Ce n'est pas utile de faire de faire un timing pour afficher une image et continuer le programme en meme temps, l'image peut s'implement etre produite dans une fenetre a coté du programme.
Bonjour, premièrement votre chaine est incroyable, merci beaucoup pour votre investissement. A 13:30 tu remplace les valeurs à la place des index qui ressortent le plus dans notre tableau, si j'ai bien compris… Cependant les valeurs ne varient pas, est-ce une coïncidence ou est-ce moi qui ai mal compris?
Je suis en école d'ingé à Strasbourg et tu es en train de me sauver la vie, ta formation est géniale ! D'ailleurs j'ai noté le petit "Oh yééé", tu es Alsacien ? :)
Merci Guillaume pour tes vidéos :) Elles sont top ! J'ai une question sur la méthode np.corrcoef: Pourquoi si l'on passe le tableau A (2x3) on obtient une matrice de correlation de 2x2 ? Merci d'avance pour ton explication 🙂
Quand j'utilise la fonction A.sort() ca m'affiche sobrement None par contre le A.argsort() fonctionne correctement ça correspond a quoi exactement ce None?
C'est normal ! A.sort() trie votre tableau, tandis que A.argsort() vous retourne l'ordre dans lequel trier le tableau. Donc A.sort() retourne None, car "rien" n'est retourné dans la console, c'est juste le tableau A qui a été réordonné dans la mémoire de votre machine. L'explication est claire ? :)
@@MachineLearnia En faite j'utilise jamais jupiter je reste toujours sur spyder et je fais des print un peu partout pour afficher le programme. Je sais pas si j'ai bien compris ou pas a vrai dire ^^' T'inquiète je comprendrais a force d'avancer. Dans un préc"dents commentaire (je ne le trouve plus) Je te disais que je n'arrivais pas a utiliser les documentations. Ben par exemple celle de numpy ca va elle est plus claire que celle de pytho. Mais là je me suis dis si j'ai pas de tuto la documentation a elle seule je ,ne sais pas comment utiliser les fonctions nouvelles malgrès tout. J'imagine que c'est une partie de la formation metier de programmeur informatique (jsuis juste ingenieur mechanique moi et la programmation ça remonte a bcp trop loin) Je pense quand même qu'un tuto vidéo spéciale "comment aborder une documentation complexe et apprendre a utiliser des fonctions inconnue pas a pas" serait pas m'al (titre a revoir pour la vidéo xD) Encore bravo pour tes vidéo j'ai partagé a pleins de collègues qui m'ont dit qu'ils allaient s'y mettre aussi vu l'enthousiasme que j'ai au travail :D
@@Siamon34 Bonjour, j'ai eu le mm souci, et suite à la réponse de Guillaume je viens de comprendre : en fait la différence c'est que la méthode sort modifie directement le tableau A et n'est pas censée retourner un résultat, si tu veux visualiser le résultat tu peux utiliser ce petit code : import numpy as np B=np.array([3,1,2]) print(B) B.sort() print(' sorted:') print(B)
Bonjour, Comment se fait-il que quand j'applique le même programme que vous mon tableau aléatoire a les mêmes valeurs que vous!! ça n'a rien d'aléatoire. Ma seed=0 est la même que la vôtre. Strange
Bonjour guillaume, pourrais tu faire une vidéo sur les meilleurs systèmes de recommandations prédictifs que ce soit en ML ou en Deep Learning (de ta prochaine série vidéo). Selon ce qui marche le mieux et en Tutos ! Merci pour ce que tu partages avec nous je te suis depuis 2019 la chaine prend de l'ampleur j'en profite avant que tu n'es plus le temps répondre a tout tes commentaires !
Merci beaucoup a toi ! Pour la prochaine série j'ai promis que ca serait les bases du Deep Learning, mais je vais faire les systems de recommandation en 2021. 2019 ahah tu fais parti des vrais toi ! Ca me fait super plaisir d'avoir des supporters des premiers jours ! :) PS: Désolé pour la réponse tardive, votre commentaire était tombé dans la boite "review" de l'algorithme TH-cam, je ne sais pas pourquoi.
J'ai mis a jour mon github sur lequel tu peux copier / coller le code que j'ai écrit dans cette vidéo. Si le problème persiste, copie/colle l'erreur que tu obtiens ici. Merci !
Bonjour je suis ta serie de video 1 ans apres tout le monde et je ne trouve malheuresement pas les ressources via les lien en commentairre serai t'il possible que tu me donne une autre adress ?
bonjour, merci pour les video est ce que face = face[::2 , ::2] , ne réduit pas le poids de l'image d'un facteur 4 (et non de 2) ? => facteur 2 dans les 2 direction ==4 ?
Petit question! Le résultat sur la matrice 3,3 n'est pas la même que sur ta vidéo, pourtant pour l'exercice final s'est bien les mêmes chiffres, Est-ce que s'est normale en fonction de l'ordinateur etc.?
Bonjour, oui c'est parce que je n'ai pas utilisé un random_state (je n'ai pas fixé le générateur de nombres aléatoires pour qu'il produise toujours le meme résultat)
En général, a voir si une variable est corrélée ou pas avec une autre : donc voir si 2 phénomenes évoluent en meme temps ou pas. Par exemple l'argent investi dans l'éducation est en général corrélé au niveau d'étude d'un pays (en général). Mais attention a ne pas confondre corrélation et causalité.
Salut, je me suis posé la même question, et j'ai compris grâce à l'exemple donné par Wikipédia qui est très simple à comprendre (vers la fin de la page). Il s'agit de l'article "Corrélation (statistiques)" je ne vous donne pas le lien, car il me semble que TH-cam bloque les liens, mais une rapide recherche Google ne devrait pas être trop long pour trouver le lien.
Salut et merci pour tes vidéos. J'ai un peu de mal à voir dans la doc quel type peut-être utilisé. Par exemple, sur exp si on fait un np.exp(*) comment savoir ce qu'il prend comme paramètre * (une liste, des entiers, float, des ndarray, ou tout autre objet) ? Merci.
Merci pour ces vidéos hyper constructives, je suis cette formation depuis le premier cours, arrivée au 12eme, je pose cette question mais peut-être que j'aurais ma réponse d'ici les prochaines vidéos. Tous nos projets d'automatisation, de gestion de données, de traitements statistiques on les effectue sur des objets dataframes (des gros tableaux xlsx, txt etc...). Je ne vois pas à quel moment dans la vie je peux croiser un tableau array et son utilité (hormis le cas des images présentées dans la vidéo précédentes). Est ce que tout ce qui s'applique sur les tableaux numpy peut 'appliquer sur des vraies datasets (les méthodes de concaténation, d'indexing, opérations mathématiques... ?) merci pour votre réponse :)
tout d'abord merci pour cette vidéosi enrichissante et pour toutes les autres d'ailleurs , cependant np.linalg.det(A) ,np.linalg.eig(A) ne marchent pas pour moi , j'ai comme erreur "Last 2 dimensions of the array must be squar" je ne comprends d'où ça vient !
Bonjour ,merci pour le travail effectuer pour ces cours en python (Machine learning) je vous demande si vous avez le cours pdf aussi de m'envoyé si possible?
Bonjour, Merci pour ces vidéos ! Je suis débutante en python et ça me permet de découvrir ce langage. En reprenant la correction de l'exercice sur la photo, j'ai l'impression que le résultat du zoom (et notamment du filtre) apparaissent à la fois sur l'image zoom_face et su l'image face... est ce normal ? Je m'attendais à ce que la photo originale ne soit pas modifiée.
@@MachineLearnia Avec plaisir : # import photo en noir et blanc from scipy import misc import matplotlib.pyplot as plt face = misc.face(gray = True) plt.imshow(face, cmap=plt.cm.gray) plt.show() type(face) dim = face.shape # zoom 1/4 vers le centre de la photo face25 = face[int(dim[0]*1/4) : int(dim[0]*3/4), int(dim[1]*1/4):int(dim[1]*3/4)] plt.imshow(face25, cmap=plt.cm.gray) plt.show() # filtres face25[face25>150] = 255 face25[face25
Bonjour et merci pour cette vidéo. J'ai une question concernant la méthode seed. J'ai crée le tableau avec randint comme vous l'avez fait , bien sur, j'ai trouvé des valeurs différentes à ce que vous avez trouvé. Mais lorsque j'ai ajouté la ligne np.random.seed(0), j'ai trouvé exactement les mêmes valeurs que vous l'avez trouvé. Est ce que c'est normal? Parce que ce que j'ai compris c'est que la méthode seed permet juste de garder les mêmes valeurs crées aléatoirement.
Oui, c'est normal, c'est le générateur de nobre aléatoire qui est fixé sur le réglage 0 (le meme que le mien) donc nous obtenons les memes résultats (on peut dire que c'est du pseudo aléatoire)
Un cours très dense ! Merci ! D'après mes souvenirs les vecteurs propres servaient à faire des matrice triangulaire (orthonormalisation d'une matrice). Donc je me dit que cela peut être utile pour restructurer des données. L'image qui me viens en tête c'est dans the Dark Knight, quand Bruce Wayne analyse les données d'une balle éclatée dans du béton pour retrouver le modèle de la balle. Est-ce une application possible ?
Wow je me souviens de cette scène aussi ! c'est vers le début du film, il retrouve une emprunte digitale en essayant pleins d'impact du calibre dans des couches de bétons ! :D Je pense que c'est plus de la Science Fiction que du deep learning (en tout cas il y a 10 ans): trop de hasard dans les trajectoire de balles, chocs avec le béton, dégradation des matériaux, etc. Oui les vecteurs propres sont utilisés pour la triangularisation. Dans la pratique, un data scientist effectue plutôt un travail statistique. Mais quand on fait de la recherche en Deep Learning ou en IA, alors l’algèbre linéaire est important.
Super vidéo merci beaucoup ! juste un truc, quand vous dîtes zoomer de 1/4 au centre, ça veut dire en gros enlever des bandes de largeur 1/4 de tous les côtés de l'image, et ça nous donne bien un zoom x2 ?
Bonjour, juste une remarque sur la pseudo compression, comme vous divisez par 2 les lignes et les colonnes, la compression devrait être de 4 et non 2 comme annoncé :-}
Salut à tous, Il y'a un truc qui me perturbe fortement dans la vidéo c'est les valeurs qu'on a en sortie pour la fonction counts.argsort() et values[counts.argsort()] sont les mêmes... alors qu'ils sont pas du tout censés représenté les mêmes choses. Serait-ce du pur hasard ? J'ai essayé avec un autre dataset avec d'autre dimensions et d'autres valeurs, et je n'ai pas eu les mêmes valeurs :')
Bonjour, tout d'abord, un grand bravo pour le travail et l'investissement pour ces vidéos, qui sont vraiment bien faite et surtout vraiment bien expliquées !!! Merci beaucoup de nous partager ce savoir, et tout ça, gratuitement ;) Mais j'aimerais, si possible, avoir une liste des notions mathématiques nécessaires pour se lancer dans le machine learning. Je ne suis pas allé très loin à l'école, et j'aurais besoin de séances de rattrapage en ce qui concerne les maths. Donc j'aimerais pouvoir donner cette liste à mon ami prof de math pour qu'il puisse me fournir les cours nécessaires, et que je puisse continuer à suivre ta formation sans être larguer au fur et à mesure où j'avance. Merci d'avance ;)
Salut ! Tout d'abord merci pour tes vidéos tu as une super diction et une bonne manière d'expliquer les concepts. J'ai une petite question par rapport à l'exercice sur l'image, tu dis qu'il faut zoomer d'un quart de tous les côtés sur chaque axe , ou zoomer au total de 1/4 ? Si c'est le deuxième cas, il aurait fallu couper 1/8 de l'image de chaque côté pour atteindre au total 1/4. Merci de ta réponse, bisous
Oui j'ai mal posé la consigne, en plus j'ai confondu 1/4 et 1/2. Je veux dire qu'il faut effectuer un slicing pour couvrir l'intervalle [1/4 - 3/4] voila ! :D
Honnêtement j'ai envie de dire que malgré la gratuité de la chose on a quand même envie de payer, tant le contenu est parfait ...
Quel travail remarquable, ces cours m'aident beaucoup pour le Master en Econométrie et Stat appliquée que je prépare..
Merci infiniment pour l'investissement !
Merci beaucoup pour ces encouragements, il est possible de me soutenir sur Tipeee, sur lequel je poste du contenu bonus :)
Honnêtement Oui
J'ai seulement 15 ans et je regarde tes vidéos , tes vidéos me prennent du temps à regarder car je m'efforce d'aller voir les notions de mathématiques que je ne connais pas pour pouvoir avancer , ce qui rend tes vidéos encore plus passionnante
Bravo je suis impressionné par le fait que tu regardes tout ca a 15 ans !
@@MachineLearnia merci
mmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmm
1) MATHÉMATIQUES DE BASES
00:27 méthodes ndarray de bases sum, sum(axis=0), axis = 1
03:20 min() et argmin(), max() et argmax()
04:18 argsort()
05:37 fonctions mathématiques : np.exp(), log, cos, sin, sinh ....
2) STATISTIQUES
07:27 Statistiques: mean, var, std
08:32 corrcoef: calculer des corrélations entre lignes ou colonnes
10:30 np.unique: compter le nombre de répétitions dans notre dataset
12:34 Exercice: Argsort() + np.unique() pour trier les répétition d'un tableau Numpy
3) CORRECTIONS DE DATASETS
14:46 NaN Not a Number: np.nanmean() et np.nanstd()
16:46 Compter les NaN dans un tableau Numpy et filtrer les NaN avec le Boolean indexing
4) ALGEBRE LINÉAIRE
18:59 Transposée et produit matricielle dot()
20:35 np.linalg : determinant, inversion, eigen values (valeurs propres)
5) EXERCICE
22:45 Exercice de cette vidéo: Standardiser un dataset + méthode de normalisation Wikipédia
6) CORRIGÉ EXERCICE
25:10 Manipuler une image avec Numpy: Slicing
27:34 Correction photo et compression d'image
Cool Guillaume une maîtrise des connaissances de base est la clé d'une bonne connaissance des algorithmes en data science
Vu la clarté d'exploitation de votre livre apprendre le machine learning en une semaine je vous propose d'en faire un sur les 5v que dois absolument maîtriser tout data scientist dixit les 5v = volume , variété , vélocité, valeur, Vérocite !!!!
@@madaragrothendieckottchiwa8648 Tout à fait d'accord avec vous !
@@madaragrothendieckottchiwa8648 Aaah les 5v du Big Data ! Je compte en parler bientôt et produire du contenu pour tirer au clair tout cette histoire ne vous en faites pas ! :)
ah tiens j'avais pas vu que tu rangeais les raccourcis de tes vidéos en commentaire super j'adore!
The best in machine learning vous avez un art pour rendre la chose compréhensible et facile vraiment merci et faites encore d'autres vidéos sur les choses de vos choix que je pense vont etre trés intéressants
Gracias
merci beaucoup pour ces cours extrêmement utiles et bien structurés. votre pédagogie est sincèrement l'une des meilleures sur TH-cam. grand bravo cher frère.
Merci beaucoup vous me flatter !
Simple comme d'hab tout ce qui se conçoit simplement se comprend très clairement
Parfait ! Je vais toujours essayer de faire simple alors ! :)
Les maths .....cette drogue! Merci de la partagée avec nous Guillaume!
Ca veut dire que je suis votre Dealer ?! Je n'assume pas ce rôle Ahahah !
Merci beaucoup ! :)
@@MachineLearnia bjr pourquoi tu upload plus de video
Merci Guillaume!
Tes vidéos sont d'une qualité très rare. Merci pour tout
J'ai découvert ta chaîne tout récemment et j'adore la qualité pédagogique de tes vidéos, c'est un régal. Tu te focalises sur les points essentiels, les trucs qui marchent, tout devient plus clair du coup. Merci pour ton partage !
J'ai commencé à coder en python il y a quelques mois et tes vidéos m'ont motivé à me lancer dans le machine learning. Vraiment bravo et merci pour tout ce que tu partages avec nous ! C'est un vrai régal !!!!
merci beaucoup pour ces cours extrêmement utiles et bien structurés. votre pédagogie est sincèrement l'une des meilleures sur TH-cam. j'attend impatiemment votre prochaine vidéo. grand bravo cher frère.
Merci beaucoup ! La suite sort aujourd'hui ! :)
Merci beaucoup vos vidéos sont géniales ! J'apprend de plus en plus grâce à vous. Merci encore !!!
Merci pour cette vidéo de qualité comme d'habitude, ça valait le coup d'attendre ^^
Merci beaucoup ! :D Oui j'ai retourné cette vidéo 2 fois parce que le contenu de la vidéo ne me plaisait pas autant que d'habitude, donc j'ai préféré reprendre à zéro pour avoir la meilleure qualité possible !
Merci bcp ! Depuis l'Espagne! Je vous remercie votre travail! Il m'a aidé beaucoup pour résoudre mes doutes
Je vous en prie ! :)
Merci énormément pour ces vidéos! Python pour le machine learning est plus simple maintenant. je consomme sans modération ;)
Merci a vous. Consommez sans modération en effet ^^
Merci, infiniment, de base j'ai fais une licence en ingénierie électrique et automatique, maintenant je suis en M1 Archi web en alternance en tant que dev web junior, maintenant ça va faire une semaine que je suis sur cette formation , franchement je suis trop tenté de plongé dans ce monde , merci pour tous.
De rien, bravo a vous pour votre engagement, cela vous récompensera ! :)
Super les vidéos. Merci pour le temps passé à nous aider à apprendre python
De rien, c'et un plaisir :)
merci infiniment cher Guillaume
Merci :)
Je viens de découvrir vos vidéos notamment celles consacrées a NumPy. Bravo et merci je vais revenir.
Merci beaucoup, vous êtes le bienvenue. Bon courage dans vos projets ! :)
Je suis en deuxième année (licence informatique, je compte faire un master) à Paris Descartes
vos vidéos m'aident vraiment beaucoup car je veux faire de l'intelligence artificielle
Merci beaucoup
Ça fait très plaisir de lire ça ! Bravo et bon courage dans vos études :)
Sur la correction de l'exercice.
Je précise que si tu divises la largeur et la hauteur par 2 tu te retrouve avec 4 fois moins de pixels.
Par ailleurs, si tu as 4 fois moins de pixels, tu perds forcément en qualité d'image (même si cela ne se voit pas forcément à l'oeil nu).
Cela dit, tes vidéos sont super et je me régale à découvrir tout ça avec Python
Le contenu est vraiment incroyable.
J'ai une suggestion: ce serait bien de faire une série sur les connaissances mathématiques nécessaires à la science des données. Après je me doute du travail considérable que tu fourni donc je suis conscient que c'est une requête un peu osée mais il faut dire que ton contenu est si accrocheur et détaillé que c'est une mine d'or dans le domaine !
Salut ! J'y travaille en réalité ! Elle va sortir sur mon site Internet en 2022 :)
Merci beaucoup Guillaume! Tu es le meilleur
voici ma réponse à l'exercice donné , j'ai comparer les résultats c'est parfait !
def normalisation_colonnes(A):
n = A.shape[1] # nombre de vecteur colonnes
R = np.ones(A.shape) # matrice resultat
M = np.mean(A, 0) # matrices des moyennes de chaque colonne de A
M = M.reshape((1, n)) # reshape
for i in range(n):
V = A[:,i:i+1]
R[:,i:i+1] = (V - M[:,i]) / np.nanstd(V) # normalisation de chaque colonne
return R
Bravo !
Franchement, c'est parfait
J'ai vraiment appris
Superbe vidéo, as always. Merciii 🙏
Thanks ;)
Merci beaucoup pour cette formation. Vous m'aidiez beaucoup
Merci,c'est mon but de vous aider :)
Intéressant, programmeur java à la base, j'ai résolu l'exercice en utilisant une boucle for pour calculer chaque colonne les unes après les autres... Et que vois-je à la vidéo suivante... l'itération induite avec Numpy... que tu utilises dans cette exercice ^^
Merci pour tes vidéos en tout cas.
J'aspire à faire du machine learning, notamment de la NLP. Tes vidéos sont une mine d'information.
Merci beaucoup. C'est bien de faire les parallèles entre langage, on apprend plus vite. Tu pourrais t'amuser a chronométrer l'opération en Java vs Numpy (avec le broadcasting). Nous ferons du NLP en courant d'année 2020, avec Pytorch ou Tensorflow / Keras. :) Bon courage pour la suite et a bientôt !
continue mon copain ça commence à chatouiller les sujets qui vont tout changer 😁👍 encore merci l’ami
Oui prochaine vidéo sur matplotlib on va commencer à s'amuser !
je t’ai
mis
un
p’tit message
sur...
discord 😉
Super je vais voir ca ! Je vais bientôt créer un serveur ! :)
ça commence a se corser mais on s'améliore par la pratique.
Merci !
Si vous avez la moindre question surtout n'hésitez pas a me faire signe ! Vous avez raison de pratiquer, bravo !
12/30 rien à dire jusque la, parfait! A un petit détail près, ce serait bien d'avoir la réponse d'un exercice au début de la prochaine vidéo et non à la fin, ça mélangerait moins ce qu'on apprend au fur et à mesure. Un grand merci sinon
Merci pour cette suggestion, je suis d'accord avec. Je vais changer ca a l'avenir !
Excellente vidéo encore, merci. Je cherchais comment faire un find avec numpy et la réponse était là avec le boolean indexing. Continue comme ça et merci.
Je suis content que tu aies trouvé la réponse à ta question :) A bientôt
VOUS ËTES HONNETE
MERCI POUR TOUT CE DUR TRAVAIL QUE VOUS FAITES
merci beaucoup pour vos tutoriels, je suis developpeur et comme la data science nous impacte dans notre job, mon but n'est pas de devenir Data scientiste (c'est un métier à part entiere, c'est d'abord un statisticien) mais de comprendre et de pouvoir réaliser ses demandes au niveau des nos programmes, en plus de la gestion. ce qui manque ce sont de vrais cas d'usage du reel qui mettent en oeuvre les algorythme..
Bonjour, vous avez tout a fait raison.
Super vidéo ! Merci beaucoup !
Très bonne explication !
Merci pour vos efforts
Du gros gros taf encore , merci Guillaume !
De rien :)
Gros MERCI à vous
De rien et merci pour le commentaire
29:02 Elle pèse 4 fois moins lourd du coup, (2**2) ;)
Super vidéo comme d’habitude.
Oui tu as raison ! Merci beaucoup :)
Merci pour votre pédagogie continuez ainsi
Merci a vous
Tu as une manière très belle continue et merciiii beaucoup
Merci
Vidéo très instructive, comme les précédentes ! Merci pour le travail fourni.
Petite précision sur l'exercice à la fin de la vidéo, le poids de l'image n'est pas divisé par 2 mais par 4 lors du slicing : tu prends la moitié des lignes et la moitié des colonnes, soit (1/2)*(1/2)=1/4
Oui vous avez raison ! :)
Hello, vraiment top! Et un grand merci pour le partage de connaissances !
PS, sur le slice de la fin le pas de 2 sur les deux dimensions implique un espace disque 4 fois moindre :-)
Merci beaucoup ! Oui tu as raison ou avais-je la tete !? ^^
@@MachineLearnia je chipote je le sais , je n aurais pas fais mieux dans le feu de l'action :-)
Merci pour cette vidéo de qualité comme d'habitude
Tes vidéos sont top
Merci beaucoup machine learnia keep it up
Merci beaucoup ! :D
Vraiment magnifique.
là je viens de me rendre compte qu'on peut utiliser la méthode cumsum() pour faire la fonction fibonacci.
Merci beaucoup cher expert !
De rien :)
merci encore une fois :)
De rien :)
bojour comment vous avezz fait pour injecter dans les values (13:37 au 14:20) j ai du louper quelque chose.merci d avance
Super clair, concis et instructif ! J'avance comme une balle avec cette qualité de cours.
Merci a vous ! Oui oui et oui vous avez raison sur tous ces points, merci ! :D
You are the Man ! thnks
merci, comme d'habitude: super vidéo!
merci ^^
Merci beaucoup Mr 👍 c tres interessant
Merci a vous :)
mec t un roi
Bonjour Guillaume, juste pour le plaisir de corriger, le poids de l'image est de 12 fois moindre au total ;-) en passant de 24b RGB à 8b c'est trois fois et de quatre avec le slicing de 2 en X et de 2 en Y soit un total de 3*4. j'ai 58 ans avec des idées bien arrêtée (têtu quoi !) comme par exemple, que Python était une sorte de Basic donc sans intérêt pour moi. je viens de découvrir par hasard avec vos vidéos, numpy. je dois dire que c'est plutôt sympa et je n'aurais probablement pas eu envie de gratter python sans tes vidéos. Encore une petite chose, en général les vidéos ont un effet soporifique chez moi, mais pas les tiennes ;-) et ça c'est un exploit aussi :D bonne continuation, je vais aller jusqu'au bout et Merci
Ah oui, dit comme ca, vous avez raison ^^
Bonne continuation et j'espere que la série vous plaira ! PS : j'ai aimé lire votre commentaire
Cest assez dingue de voir que quand on vient du monde Matlab tout est pratiquement pareil !
parfait, avec une application concrete, cela serait mieux, car pour les débutant, c'est un peu difficile
merci en tous cas, au moins c'est tres clair
Merci beaucoup. Les vidéos suivantes utilisent de plus en plus de cas concrets. Merci pour ce commentaire pertinent !
Merci your are the best
Thank you too
C'est super merci
J'ai une entretien le jeudi et je voudrais savoir quels sujets je doit faire plus d'attention pour étudier. Merci beaucoup pour toute le contenu, c'est excellente!
Pour votre entretien, essayer de connaitre l'entreprise du mieux possible : ses produits, ses projets, ses clients, le projet sur lequel vous devriez travailler. Selon le job, réviser certains concepts statistiques (les lois de probabilités normales et binomiales) les bases du Machine Learning, comment gere-t-on un projet (train_set, test_set) et essayez de chercher enn lignes quelques mini-exercices python
@@MachineLearnia Merci beaucoup!
Merci beaucoup
Bonjour,
Il n'y a que moi qui trouve étrange que la fonction déterminant renvoie 23,999999... et non pas 24 ?🤔
merci beaucoup
peut tu faire des videos d'exercises pour reviser les Cours
Salut je n'arrive pas à comprendre la notion de corrcoef applique sur le tab A. A est composé de 2 ligne et 3 colonnes alors que dans l'explication du corrcoef vous parlez que de lignes(L1 et L2). Somebody can help me plz?
Bonjour, J'ai pris un exemple a 2 lignes 2 colonnes pour simplifier au maximum le schéma explicatif. La fonction corrcoeff calcule les coefficient de corrélation de Pearson entre les Lignes d'un tableau (le nombre de colonnes n'a pas d'importance)
Tu peux imaginer que la ligne 1 représente le poids de plusieurs individus et la ligne 2 la taille de ces individus. Si tu veux calculer la corrélation entre ces 2 éléments, il te suffit d'utiliser corrcoeff
@@MachineLearnia voila que tout devient clair, thx
hello
please I don't have Numpy module "ModuleNotFoundError: No module named 'numpy'" how to solve it
Hi, you need ton install Numpy using PIP (add it to your path or in your virtual environement)
Svp la méthode de compression consistant à sauter un pixel sur deux est elle vraiment utilisée ? Ou bien on en utilise toujours des meilleurs ? Ou bien est-ce la méthode standard pour passer de 720p à 360p ?
C'est une bonne méthode pour réduire la taille d'une image, mais souvent on va faire une convolution / pooling pour réduire la taille d'une image.
Slt Guillaume, si de cette façon en fait un zoom, als comment en peut sélectionner une partie d'un photos, j voi que vs avez sélectionné une partie de la photo et oups cette partie est affiché en Grand format....je ne sais pas c'est j'arrive à bon posser ma question...🙄
Bonjour, en réalite ce que j'ai fait c'est juste une sélection de pixels.. c'est un abus de langage de ma part que de dire que j'ai fait un zoom
Bonjour et encore merci.
Question :
Peut-on mettre un timing pour afficher une image avec plt.show() afin que le programme puisse continuer à se dérouler ? Ceci également pour créer une animation avec succession d'images, par exemple.
Merci :)
Pour créer une animation, il existe le module matplotlib.animation. Je compte faire des tutos dessus a l'avenir.
il existe le module "time" pour compter le temps et faire des pauses dans un programme. Mais ce n'est pas une chose courante en Data Science.
Ce n'est pas utile de faire de faire un timing pour afficher une image et continuer le programme en meme temps, l'image peut s'implement etre produite dans une fenetre a coté du programme.
bonjour ,
j'aimerais savoir si j'aurais besoin d'aprendre machine learning pour devenir data analyst?
Quand on utilise A.ravel() pour mettre sur une ligne notre tableau, comment faire pour le mettre sur une colonne ?
Il suffit de faire la transposée apres coup : A.ravel().T
Merci
Merci.
Bonjour, premièrement votre chaine est incroyable, merci beaucoup pour votre investissement.
A 13:30 tu remplace les valeurs à la place des index qui ressortent le plus dans notre tableau, si j'ai bien compris… Cependant les valeurs ne varient pas, est-ce une coïncidence ou est-ce moi qui ai mal compris?
Je suis en école d'ingé à Strasbourg et tu es en train de me sauver la vie, ta formation est géniale ! D'ailleurs j'ai noté le petit "Oh yééé", tu es Alsacien ? :)
Yes, je viens de Strasbourg justement :)
Brillant
Merci Guillaume pour tes vidéos :) Elles sont top !
J'ai une question sur la méthode np.corrcoef: Pourquoi si l'on passe le tableau A (2x3) on obtient une matrice de correlation de 2x2 ?
Merci d'avance pour ton explication 🙂
Bonjour Guillaume. Où puis-je trouver cette image afin de travailler avec
bonjour , j'aimerais savoir si la methode isnan marche seulement pour les numpy et non pour les pandas
pour Pandas utilisez isna().
Quand j'utilise la fonction A.sort() ca m'affiche sobrement None
par contre le A.argsort() fonctionne correctement ça correspond a quoi exactement ce None?
C'est normal ! A.sort() trie votre tableau, tandis que A.argsort() vous retourne l'ordre dans lequel trier le tableau. Donc A.sort() retourne None, car "rien" n'est retourné dans la console, c'est juste le tableau A qui a été réordonné dans la mémoire de votre machine. L'explication est claire ? :)
@@MachineLearnia En faite j'utilise jamais jupiter je reste toujours sur spyder et je fais des print un peu partout pour afficher le programme.
Je sais pas si j'ai bien compris ou pas a vrai dire ^^'
T'inquiète je comprendrais a force d'avancer.
Dans un préc"dents commentaire (je ne le trouve plus)
Je te disais que je n'arrivais pas a utiliser les documentations. Ben par exemple celle de numpy ca va elle est plus claire que celle de pytho.
Mais là je me suis dis si j'ai pas de tuto la documentation a elle seule je ,ne sais pas comment utiliser les fonctions nouvelles malgrès tout.
J'imagine que c'est une partie de la formation metier de programmeur informatique (jsuis juste ingenieur mechanique moi et la programmation ça remonte a bcp trop loin)
Je pense quand même qu'un tuto vidéo spéciale "comment aborder une documentation complexe et apprendre a utiliser des fonctions inconnue pas a pas" serait pas m'al (titre a revoir pour la vidéo xD)
Encore bravo pour tes vidéo j'ai partagé a pleins de collègues qui m'ont dit qu'ils allaient s'y mettre aussi vu l'enthousiasme que j'ai au travail :D
@@Siamon34 Bonjour, j'ai eu le mm souci, et suite à la réponse de Guillaume je viens de comprendre : en fait la différence c'est que la méthode sort modifie directement le tableau A et n'est pas censée retourner un résultat, si tu veux visualiser le résultat tu peux utiliser ce petit code :
import numpy as np
B=np.array([3,1,2])
print(B)
B.sort()
print('
sorted:')
print(B)
Bonjour,
Comment se fait-il que quand j'applique le même programme que vous mon tableau aléatoire a les mêmes valeurs que vous!! ça n'a rien d'aléatoire. Ma seed=0 est la même que la vôtre. Strange
c'est parce que la seed permet de générer les memes valeurs a travers le monde. C'est du pseudo aléatoire. et la seed permet de le controler.
@@MachineLearnia Effectivement, j'avais oublié cette info. Merci!
Bonjour guillaume, pourrais tu faire une vidéo sur les meilleurs systèmes de recommandations prédictifs que ce soit en ML ou en Deep Learning (de ta prochaine série vidéo). Selon ce qui marche le mieux et en Tutos !
Merci pour ce que tu partages avec nous je te suis depuis 2019 la chaine prend de l'ampleur j'en profite avant que tu n'es plus le temps répondre a tout tes commentaires !
Merci beaucoup a toi ! Pour la prochaine série j'ai promis que ca serait les bases du Deep Learning, mais je vais faire les systems de recommandation en 2021.
2019 ahah tu fais parti des vrais toi ! Ca me fait super plaisir d'avoir des supporters des premiers jours ! :)
PS: Désolé pour la réponse tardive, votre commentaire était tombé dans la boite "review" de l'algorithme TH-cam, je ne sais pas pourquoi.
Est-ce que on utilise uniquement num py, quand est il de pycharm
Bsr Guillaume je n'arrive pas à charger l'image pour travailler sur mon notebook. Aide moi stp
J'ai mis a jour mon github sur lequel tu peux copier / coller le code que j'ai écrit dans cette vidéo. Si le problème persiste, copie/colle l'erreur que tu obtiens ici. Merci !
Bonjour je suis ta serie de video 1 ans apres tout le monde et je ne trouve malheuresement pas les ressources via les lien en commentairre serai t'il possible que tu me donne une autre adress ?
quelle ressource exactement ?
bonjour,
merci pour les video
est ce que face = face[::2 , ::2] , ne réduit pas le poids de l'image d'un facteur 4 (et non de 2) ? => facteur 2 dans les 2 direction ==4 ?
Oui c'est tout a fait correct, cela réduit d'un facteur 4.
Petit question! Le résultat sur la matrice 3,3 n'est pas la même que sur ta vidéo, pourtant pour l'exercice final s'est bien les mêmes chiffres,
Est-ce que s'est normale en fonction de l'ordinateur etc.?
Bonjour, oui c'est parce que je n'ai pas utilisé un random_state (je n'ai pas fixé le générateur de nombres aléatoires pour qu'il produise toujours le meme résultat)
Jai pas trop bien compris l'utilisation de la corrélation ? , ca sert a quoi ?
En général, a voir si une variable est corrélée ou pas avec une autre : donc voir si 2 phénomenes évoluent en meme temps ou pas. Par exemple l'argent investi dans l'éducation est en général corrélé au niveau d'étude d'un pays (en général). Mais attention a ne pas confondre corrélation et causalité.
Salut, je me suis posé la même question, et j'ai compris grâce à l'exemple donné par Wikipédia qui est très simple à comprendre (vers la fin de la page). Il s'agit de l'article "Corrélation (statistiques)" je ne vous donne pas le lien, car il me semble que TH-cam bloque les liens, mais une rapide recherche Google ne devrait pas être trop long pour trouver le lien.
Salut et merci pour tes vidéos.
J'ai un peu de mal à voir dans la doc quel type peut-être utilisé. Par exemple, sur exp si on fait un np.exp(*) comment savoir ce qu'il prend comme paramètre * (une liste, des entiers, float, des ndarray, ou tout autre objet) ?
Merci.
ca fonctionne avec tous les dtypes numériques de numpy (y compris les ndarrays) mais pas les listes
Merci pour ces vidéos hyper constructives, je suis cette formation depuis le premier cours, arrivée au 12eme, je pose cette question mais peut-être que j'aurais ma réponse d'ici les prochaines vidéos. Tous nos projets d'automatisation, de gestion de données, de traitements statistiques on les effectue sur des objets dataframes (des gros tableaux xlsx, txt etc...). Je ne vois pas à quel moment dans la vie je peux croiser un tableau array et son utilité (hormis le cas des images présentées dans la vidéo précédentes). Est ce que tout ce qui s'applique sur les tableaux numpy peut 'appliquer sur des vraies datasets (les méthodes de concaténation, d'indexing, opérations mathématiques... ?) merci pour votre réponse :)
tout d'abord merci pour cette vidéosi enrichissante et pour toutes les autres d'ailleurs , cependant np.linalg.det(A) ,np.linalg.eig(A) ne marchent pas pour moi , j'ai comme erreur "Last 2 dimensions of the array must be squar" je ne comprends d'où ça vient !
Veillez a ce que la matrice A soit bien de dimension carrée et dispose bien de 2 dimensions !
Bonjour ,merci pour le travail effectuer pour ces cours en python (Machine learning) je vous demande si vous avez le cours pdf aussi de m'envoyé si possible?
Bonjour le cours est disponible prochainement sur mon site internet ( le lien est dans la description)
Bonjour,
Merci pour ces vidéos ! Je suis débutante en python et ça me permet de découvrir ce langage.
En reprenant la correction de l'exercice sur la photo, j'ai l'impression que le résultat du zoom (et notamment du filtre) apparaissent à la fois sur l'image zoom_face et su l'image face... est ce normal ? Je m'attendais à ce que la photo originale ne soit pas modifiée.
Bonjour, pouvez-vous postez votre code ci-dessous, que je sois sur que votre code soit le bon?
@@MachineLearnia Avec plaisir :
# import photo en noir et blanc
from scipy import misc
import matplotlib.pyplot as plt
face = misc.face(gray = True)
plt.imshow(face, cmap=plt.cm.gray)
plt.show()
type(face)
dim = face.shape
# zoom 1/4 vers le centre de la photo
face25 = face[int(dim[0]*1/4) : int(dim[0]*3/4), int(dim[1]*1/4):int(dim[1]*3/4)]
plt.imshow(face25, cmap=plt.cm.gray)
plt.show()
# filtres
face25[face25>150] = 255
face25[face25
Bonjour et merci pour cette vidéo. J'ai une question concernant la méthode seed. J'ai crée le tableau avec randint comme vous l'avez fait , bien sur, j'ai trouvé des valeurs différentes à ce que vous avez trouvé. Mais lorsque j'ai ajouté la ligne np.random.seed(0), j'ai trouvé exactement les mêmes valeurs que vous l'avez trouvé. Est ce que c'est normal? Parce que ce que j'ai compris c'est que la méthode seed permet juste de garder les mêmes valeurs crées aléatoirement.
Oui, c'est normal, c'est le générateur de nobre aléatoire qui est fixé sur le réglage 0 (le meme que le mien) donc nous obtenons les memes résultats (on peut dire que c'est du pseudo aléatoire)
Merci Guillaume
quand j'essaie de changer la luminosité de l'image :
ValueError: assignment destination is read-only
Un cours très dense !
Merci !
D'après mes souvenirs les vecteurs propres servaient à faire des matrice triangulaire (orthonormalisation d'une matrice).
Donc je me dit que cela peut être utile pour restructurer des données. L'image qui me viens en tête c'est dans the Dark Knight, quand Bruce Wayne analyse les données d'une balle éclatée dans du béton pour retrouver le modèle de la balle.
Est-ce une application possible ?
Voici la scène :
th-cam.com/video/XkjrbusnTuo/w-d-xo.html
Wow je me souviens de cette scène aussi ! c'est vers le début du film, il retrouve une emprunte digitale en essayant pleins d'impact du calibre dans des couches de bétons ! :D
Je pense que c'est plus de la Science Fiction que du deep learning (en tout cas il y a 10 ans): trop de hasard dans les trajectoire de balles, chocs avec le béton, dégradation des matériaux, etc.
Oui les vecteurs propres sont utilisés pour la triangularisation. Dans la pratique, un data scientist effectue plutôt un travail statistique. Mais quand on fait de la recherche en Deep Learning ou en IA, alors l’algèbre linéaire est important.
Super vidéo merci beaucoup ! juste un truc, quand vous dîtes zoomer de 1/4 au centre, ça veut dire en gros enlever des bandes de largeur 1/4 de tous les côtés de l'image, et ça nous donne bien un zoom x2 ?
en fait c'est un zoom x2, et je me suis un peu mal exprimé c'est vrai !
confortable confinement avec vous sur cette formation (_). Je souhaite que tu vas bien ainsi que vos proches
Pour le moment je vais bien, merci beaucoup. Prenez soin de vous aussi !
Bonjour, juste une remarque sur la pseudo compression, comme vous divisez par 2 les lignes et les colonnes, la compression devrait être de 4 et non 2 comme annoncé :-}
Oui, c'est exact, c'était un abus de langage de ma part :)
Salut à tous,
Il y'a un truc qui me perturbe fortement dans la vidéo c'est les valeurs qu'on a en sortie pour la fonction counts.argsort() et values[counts.argsort()] sont les mêmes... alors qu'ils sont pas du tout censés représenté les mêmes choses. Serait-ce du pur hasard ? J'ai essayé avec un autre dataset avec d'autre dimensions et d'autres valeurs, et je n'ai pas eu les mêmes valeurs :')
Au passage, merci beaucoup pour tes vidéos, je cherche à développer de nouvelles compétences et tes vidéos m'aident beaucoup ;)
Bonjour, tout d'abord, un grand bravo pour le travail et l'investissement pour ces vidéos, qui sont vraiment bien faite et surtout vraiment bien expliquées !!!
Merci beaucoup de nous partager ce savoir, et tout ça, gratuitement ;)
Mais j'aimerais, si possible, avoir une liste des notions mathématiques nécessaires pour se lancer dans le machine learning.
Je ne suis pas allé très loin à l'école, et j'aurais besoin de séances de rattrapage en ce qui concerne les maths.
Donc j'aimerais pouvoir donner cette liste à mon ami prof de math pour qu'il puisse me fournir les cours nécessaires, et que je puisse continuer à suivre ta formation sans être larguer au fur et à mesure où j'avance.
Merci d'avance ;)
Salut ! Tout d'abord merci pour tes vidéos tu as une super diction et une bonne manière d'expliquer les concepts. J'ai une petite question par rapport à l'exercice sur l'image, tu dis qu'il faut zoomer d'un quart de tous les côtés sur chaque axe , ou zoomer au total de 1/4 ? Si c'est le deuxième cas, il aurait fallu couper 1/8 de l'image de chaque côté pour atteindre au total 1/4.
Merci de ta réponse, bisous
Oui j'ai mal posé la consigne, en plus j'ai confondu 1/4 et 1/2. Je veux dire qu'il faut effectuer un slicing pour couvrir l'intervalle [1/4 - 3/4] voila ! :D
@@MachineLearnia ok merci pour la précision, bonne soirée !