CRÉER SON INTELLIGENCE ARTIFICIELLE [IA]

[@StudioTV]

Merci à tous pour vos retours positifs ! - Edit 1 - J'ai ajouté en description un lien github vers le code source du programme, ça vous évitera de recopier celui de la vidéo :D - Edit 2 - Réponse à une question intéressante : Question : Pourquoi avoir choisis qu'une seul couche de "neurones cachés" et pourquoi il y en a t'il 3 ? Est ce lié à un coup du hasard ? une intuition que cela fonctionne mieux ainsi ? Réponse : La question du nombre de couche cachée est un sujet qui fait pas mal débat au sein de la communauté de l'IA, suffit de voir le nombre de commentaires à ce sujet sur internet. Il faut savoir que dans une TRÈS grande majorité des cas, 1 seul couche cachée suffit amplement. En revanche, il existe de rare cas ou plusieurs couches améliorent les performances de notre IA. Pour ce qui est du nombre de neurones, j'essaie en général d'avoir au moins une valeur de plus que le nombre de neurones d'entrer.Une convention connue sinon c'est d'être entre le nombre de neurones d'entrer ET ceux de sortie. Mais ça dépend également des différents cas, je te laisse tester mon code avec différents nombres de neurones, tu verras peut-être une différence. - Edit 3 - Réponse à une question intéressante : Question : Je me demandais, est-il possible de sauvegarder le résultat de l'apprentissage de l'IA, car ici tu dois à chaque fois exécuter ta boucle pour que l'algorithme réapprenne non ? Réponse : Absolument ! Il te suffit de les sauvegarder dans un fichier à part, et de le recharger quand tu en as besoin :D (Sauvegarde W1 et W2 du coup) Tu fais une fonction : def sauvegardePoids(self): np.savetxt("w1.txt", self.W1, fmt="%s") np.savetxt("w2.txt", self.W2, fmt="%s") Et tu appelles cette fonction avant Predict(). - Edit 4 - Réponse à une question intéressante : Question : Pourquoi tu mets les valeurs de longueur et largeur entre 0 et 1 ? T'aurais pas pu laisser les vraies valeurs ? Réponse : L'intérêt est de donner une échelle à nos valeurs ([0,1]), sans cette standardisation, notre IA ne comprendrait pas l'échelle de nos valeurs. Tu peux lire cet excellent article à ce sujet : machinelearningmastery.com/how-to-improve-neural-network-stability-and-modeling-performance-with-data-scaling/ - Edit 5 - Réponse à une question intéressante : Question : Salut dans la fonction backward de ton code tu emplois un T à trois reprises mais je ne comprends pas d'ou il sort et surtout à quoi il sert Réponse : Ça permet de faire la transposée sur la matrice, tes lignes deviennent donc des colonnes et tes colonnes des lignes. Par exemple : W2: [[ 0.2980888 ] [-0.19630084] [-0.37035302]] devient W2.T : [[ 0.2980888 -0.19630084 -0.37035302]] On est obligé de faire cette manipulation car le calcul d'une matrice demande des conditions spécifiques. Si je veux multiplier une matrice (avec m lignes et n colonnes) [m,n] * [n,l] (avec n lignes et l colonnes) il y a pas de soucis, par contre [m,x] * [n,l] ne peut pas fonctionner. Il faut obligatoirement que le nombre de colonnes du premier soit égal au nombre de lignes du second !

[@fieldytidus6385]

Hello StudioTV, je me demandais, est-il possible de sauvegarder le résultat de l'apprentissage de l'IA, car ici tu dois à chaque fois exécuter ta boucle pour que l'algorithme réapprenne non ?

[@StudioTV]

@@fieldytidus6385 Absolument ! Il te suffit de les sauvegarder dans un fichier à part, et de le recharger quand tu en as besoin :D (Sauvegarde W1 et W2 du coup) Tu fais une fonction : def sauvegardePoids(self): np.savetxt("w1.txt", self.W1, fmt="%s") np.savetxt("w2.txt", self.W2, fmt="%s") Et tu appelles cette fonction avant Predict().

[@fieldytidus6385]

@@StudioTV Merci :) J'adore ce que tu fais, continue comme ça !

[@usern4m32]

Très bonne vidéo. J'ai fait avec EDUpython et les bibliothèques nécessaires y sont pour ceux que ça intéresse.

[@tritanbleu6202]

@@StudioTV Bonjour je pense avoir compris ta video maus je ne comprend pas a la fin pourquoi quand tu changz la valeur la rose est alors bleu et surtout coment tu le sais avant meme d'entrainer ton IA sur cette nouvelle valeur

[@L1nneh]

Alors là si tout vas bien, bah vous avez toujours rien compris x) super intéressant, un exemple très concret

[@wilfriedguillemenet4219]

très bonne vidéo et je trouve que le sujet est très bien vulgarisé. Si bien que cela dérange ceux qui veulent garder ce savoir que pour eux.

[@akopaaa]

espece d'égoïste, on aime apprendre ici

[@EnzoDegraeve]

Je m'attendais pas a ce que tu fasses un vidéo comme ça... passionné par la programmation, tu m'as épatés

[@enzomarot6917]

Très bonne vidéo, bon étant donné mon niveau de math niveau 2nd je n’ai pu comprendre que les grandes lignes mais grâce a toi je connais le principe d’IA 😁

[@alexandrepiano2099]

Merci beaucoup ! Cela fait 3 semaines que je ne trouve pas d'exemples complets et simples mais là si. C'est très bien expliqué et on peut même comprendre les notions de maths abordées sans les avoir encore étudiées ! Merci beaucoup encore une fois !

[@samuellufungulo3657]

Vraiment génial comme vidéo, tu me donnes envie d'en apprendre encore plus là ! je sens que je vais passer ma nuit à regarder ce genre de vidéos...

[@baptistebremond5285]

Si j'avais eu ça pour mon TPE de cette année, ça nous aurait bien aidé ! Super intéressant !

[@Rignchen]

J'aurais sûrement plus de chance que toi

[@PetruchK]

Merci pour ta vidéo. Question : la dérivée de sigmoid(x) ce n'est pas x*(1-x). C'est sigmoid(x) * (1-sigmoid(x)) ce qui n'est pas du tout la même chose ! C'est une dérivée qu'on peut écrire à partir de la fonction de base, ce qui est bien pratique. Je ne comprends pas pourquoi ici on utilise s*(1-s). [ Edit ] Pour ceux que ça intéresse : en fait le code est juste, mais l'explication manque. En réalité le "s" qu'on passe à sigmoidPrime() est déjà une valeur de sigmoid. C'est pour ça qu'on ne réapplique pas la sigmoid à l'intérieur de la méthode qui calcule sa dérivée.

[@ardosred1687]

MErci beaucoup pour l'éclaircissement, j'ai également constaté la même erreur et je ne comprenais pas pourquoi ça fonctionnait

[@lg-tech4857]

Salut StudioTV ! Je me demandait si tu pouvais prochainement nous faire un tuto sur une intelligence artificielle où il y aurait une bases de données d'images (par exemple un dossier nommé éléphant où il y aurait les 500 premières photo d'éléphant que l'on trouve en faisant une recherche) qui serait capable de classer des images, ou d'en générer une ? Je pense que beaucoups de personnes seraient interressées par ce tutoriel =D

[@jackseg1980]

Super intéressant, merci. C'est bien que tu détails tout depuis le début, on comprends mieux comme ça.

[@alainboulot42]

Très pédagogique ! J'ai ajouté pour ma part une "Fonction = perte de l'entropie croisée", Cette fonction calcule la perte de l'entropie croisée pour chaque exemple d'entraînement et retourne la perte moyenne. Merci pour cet exercice sur la mystérieuse et redoutable I.A

[@tholod]

Vidéo très intéressante, notamment pour ceux qui découvrent ce domaine, j'ai cependant quelques remarques à faire : - tout d'abord sur le code en lui-même, si vous voulez accélérer la vitesse d'apprentissage, supprimez les affichages (ou ne gardez que les valeurs finales des poids) ; - j'ai du mal à comprendre pourquoi vous avez choisi la sigmoïde avec λ = 1 pour la couche de sortie, autant prendre une fonction de Heaviside qui donne directement un résultat à 0 ou à 1 (et la Heaviside n'est qu'un cas limite de sigmoïde avec λ → ∞, donc la rétro-propagation fonctionne toujours) ; - une chose me gêne, en effet vous dite que plus l'entrainement à d'itérations, plus le réseau est bon, cependant avec un nombre trop grand d'itérations vous risquez la sur-apprentissage (overfitting). Malgré ces quelques points votre vidéo reste un travail de qualité.

[@StudioTV]

Merci pour votre commentaire :D Je vais répondre dans l'ordre : - Effectivement le mieux à faire est d'afficher seulement les dernières valeurs, ce sont les plus intéressantes, en revanche je voulais que les viewers voient bien l'évolution de la prédiction. C'est pour ça que j'ai laissé cet affichage :) - Pour entrainer mon réseau de neurones j'ai utilisé l'algorithme du gradient, cet algorithme du gradient a besoin d'une fonction d'activation différentiable, hors la fonction d'activation Heaviside n'est pas différentiable .La dérivée de la fonction Heaviside est égale à 0 quand x0. Ça pose donc de gros problèmes dans la mis à jour des poids. Donc la fonction Heaviside n'est JAMAIS utilisée pour la rétropropagation. - J'aurais effectivement du préciser ce détail, petite erreur de ma part :/

[@tholod]

@@StudioTV Merci de votre réponse, sans en arriver à Heaviside, il suffit de prendre un λ très grand ^^, mais pas trop pour ne pas augmenter la complexité. Et sinon, même avec une Heaviside, on ne peut normalement pas avoir de valeurs en 0, sinon où la placer (en rouge ou en bleue dans votre exemple) donc je ne pense pas que ça pose de problèmes en pratique. De plus, mathématiquement Heaviside peut être dérivée en 0 en considérant les distributions, mais ce n'est qu'une remarque mathématique, un Dirac n'a pas d'existence propre numériquement.

[@sylvainballerini239]

Excellent vidéo ! Avec un exemple complet et un peu de vulgarisation, le secret des réseaux de neurones n est plus :)

[@sekaiioff]

Juste incroyable, je n'avais jamais compris comment fonctionnait une IA, et tu vient de me l'expliquer en moins de 30 minutes, merci !!

[@jo_raid4436]

c'est quand-même beaucoup plus compliqué que ça ahah

[@Choubidou197]

Quel plaisir quand tu finis par trouver le bon résultat... Merci pour la vidéo !

[@War100Z_ID]

Pffiou, c'est tellement satisfaisant quand on a créé l'IA. J'ai appris tellement de choses. Vu toute la complexité, maintenant je me rends compte qu'il va me falloir beaucoup de courage et de recherche pour mon 1er objectif.. (créer une IA Génératrice d'images 😅).

[@pokko_]

Force, il va falloir beaucoup de connaissances

[@onjbstudio1]

Après avoir vu votre vidéo, pas le choix, je me suis abonné pourtant je suis pas un codeur python, mais tellement vous avez tout expliqué que j'ai tout compris. Je vais m’intéresser un peu plus à python.

[@g.r6542]

J'ai trouvé la vidéo très enrichissante, pour moi qui commence à m'intéresser atla programmation j'étais larguer mais c'est tellement bien expliqué et passionnant que je suis resté jusqu'au bout bravo et merci.

[@thomas_c]

Il faut s'accrocher pour tout comprendre ! Merci beaucoup, c'était très intéressant, mais comme je suis en 1ère je n'ai pas encore appris les matrices et ses fonctions.

[@turbofoxgameplay829]

Ouais c est la aussi ou je bloque

[@nicolascolinas9986]

si tu fais maths expertes on le vois cette année normalement

[@thomas_c]

@@nicolascolinas9986 Oui je viens de terminer le chapitre

[@helpstofindhelpstofind7118]

petit c 'est le niveau universitaire il faut maitriser les matrices et les probabilités sinon tu ne pourras rien comprendre dans cette video

[@Piineapple.]

@@helpstofindhelpstofind7118 matrices et probas = niveau terminale S, mais depuis qu'il n'y a plus de S je crois que ça ne se voit plus et qu'ils ont baissé le niveau

[@user-pz6wb7tx8s]

merci c'est la meilleur vidéo de ma vie sur le sujet sa fait 10 ans que je chercher une video comme sa je suis choquer et révolter et surpris de voir la date de la video la pédagogie est remarquable impressionnent bravo j’en veut encore combien sa coute je contribue

[@fayafaya7818]

la meilleur video sur l IA j'ai eu à suivre jusqu'a ce jour. franchement chapeaux

[@xeondo91]

Merci pour ce partage. Un bout de code bien expliqué est bien plus parlant qu'un long texte d’université pour un vieux dev comme moi :)

[@hamidvich1712]

très belle vidéo, j'ai repris ton programme en multipliant le gradient par différentes valeurs notamment 0.3 (return 0.3*s*(1-s)) et ça a donnée de très bons résultats avec une itération de 30000.(0 erreur en validation, 0 erreur en prédiction.

[@forsethtv7190]

c'est énorme jvai faire une fonction predict en entrant les perf (musique) des chevaux du PMU MDR !! c'est excellent ta vidéo merci

[@zine-eddineykh915]

La musique seule ne suffirait pas , mais avec une dizaine de param en entrée jsuis curieux de voir les resultat avc le deep learning

[@flavienn5782]

Franchement c'est génial c'est consepte de vidéo sur les IA et machine learning, Continue comme cela ! Hâte de voir la prochaine vidéo !!! 👌

[@marcellaporey3306]

Excellente vidéo, très bien expliqué ,Merci pour le code.

[@ewanavet6555]

c'est incroyable merci de me permettre de découvrir ce monde là

[@remifrs3167]

t'es un crack, merci pour cette vidéo !

[@jhelpdafa]

Merci au moins maintenant j'ai compris comment on appliquait la rétropropagation

[@senseitarzan]

j'aime le concept de cette vidéo en plus sa apprend beaucoup chose dans la création de IA

[@remimartinez5553]

Vidéo très sympa et assez bien expliqué. Néanmoins un point ne me semble pas avoir été expliqué et me gène un peu : Pourquoi avoir choisis qu'une seul couche de "neurones cachés" et pourquoi il y en a t'il 3 ? Est ce lié à un coup du hasard ? une intuition que cela fonctionne mieux ainsi ? ou plutôt est ce lié à un calcul mathématiques ou autres ?

[@StudioTV]

Salut Remi ! Tout d'abord merci pour ton commentaire :D C'est une excellente remarque, je vais donc essayer de te répondre clairement et en profiter pour ajouter ta question à mon commentaire épinglé . La question du nombre de couche cachée est un sujet qui fait pas mal débat au sein de la communauté de l'IA, suffit de voir le nombre de commentaires à ce sujet sur internet. Il faut savoir que dans une TRÈS grande majorité des cas, 1 seul couche cachée suffit amplement. En revanche, il existe de rare cas ou plusieurs couches améliorent les performances de notre IA. Pour ce qui est du nombre de neurones, j'essaie en général d'avoir au moins une valeur de plus que le nombre de neurones d'entrer. Une convention connue sinon c'est d'être entre le nombre de neurones d'entrer ET ceux de sortie. Mais ça dépend également des différents cas, je te laisse tester mon code avec différents nombres de neurones, tu verras peut-être une différence. Voilà, j'espère que cela aura répondu à ta question !

[@LivingOnCyanide]

Hey, la vidéo est insane mec je l'avait vu il y a quelque mois et aujourd'hui en cours on nous a demander de faire une page ou on parle d'un sujet ( pour moi ca a été l'IA) j'ai directe penser à cette video! c'est super bien expliquer dans les détails et étape par étape sans pour autant qu'on perde le fil (Chuis en première et franchement si c'était les profs qui nous l'avait expliquer j'pense pas que quelqu'un aurait suivis) enfin bref continue comme ca bg tu gère!

[@fieldytidus6385]

Hello Studio TV, j'adore la vidéo ! On en veut d'autres :)

[@StudioTV]

Fieldytidus Merci ! C’est noté !

[@TheNesur]

Franchement juste génial ta vidéo, t'es explications sont très claire merci beaucoup ^^

[@zlatanamir]

Extraordinaire merci du partage, tu as un avenir en pédagogie je pense.

[@philanthroperadical]

Ouais t'as fait un réseau de neurones quoi, c'est un peu la base. J'ai beaucoup utilisé anaconda d'ailleurs, c'est ce que je préconise également aux débutants, mais à un moment donné le python c'est bien gentil trois secondes. Ok ça prend des mois de tout se retaper en scratch et en C++ mais franchement ça en vaut la peine, j'ai même pu faire de nombreuses petites découvertes mathématiques (et redécouvertes, ça ce sont les risques du hors piste hein ça arrive, parfois on croise d'autres skieurs, woops) au cours des dernières années, donc ouais je regrette pas. D'ailleurs personne ne comprenait mon obsession pour l'ia il y a (super jeu de mots) encore de ça quelques années, on me prenait pour un dingue. Et aujourd'hui tout le monde en parle, surtout ceux qui n'y connaissent rien. Ça ne me dérange pas, mais c'est quand-même du bon gros enfumage. 😂 J'entends vraiment tout et n'importe quoi (rien à voir avec toi tkt, je parle en général sur youtube ou autour de moi). Même parfois j'entends des patrons d'entreprise en train de complètement fantasmer ou de délirer sur le sujet. 😂 Ils sont tous monumentalement à côté de leurs pompes et j'inclus aussi google dans le lot avec leurs gros algorithmes et leurs gros data centers hein. Pour moi le plus gros du boulot a été fait par IBM, puis NVIDIA. Et évidemment des tas de petits étudiants brillants et autres énergumènes dont je fais partie. 😅 Sans oublier tous les mathématiciens de l'Histoire qui ont apporté leur pierre à l'édifice évidemment. Les autres globalement ce sont tous plus ou moins des escrocs hein, on ne va pas se mentir, ils sont là pour la thune avant tout. 😂

[@dramoxmoteur]

tu sais vraiment bien expliquées j'ai tout compris merci a toi

[@chunkygeek814]

Merci pour cette vidéo, excellentes explications !! bravo

[@hugomalglaive3815]

Super vidéo, on voit un aperçu de ce qu'on peut faire en IA. Ca semble moins flou. Tu fais/as fait quoi comme études ?

[@StudioTV]

Merci ! J'ai fais Maths/Info :)

[@Martin-rj2hv]

Super vidéo, tu comptes continuer dans ce domaine pour de prochaines vidéos ? Ça serait vraiment super intéressant d'avoir d'autres exemples détaillés comme celui là !

[@StudioTV]

Cette vidéo a de bons retours, alors oui il y a des chances que je continue sur l'IA :D

[@babycloud7431]

Hey salut ! J'aimerai contacter Studio Tv car j'aurais une question a propose de sa video sur : "creer sa premiere ia". Dans son exemple l'ia devait predire la couleur de petale. Bleu avait la valeur de 1 et rouge la valeur de 0. Ma question est la suivant, comment faire si on a une troisieme couleur de petale ? Quelle valeur elle doit prendre ? 0,5 ? J'attends votre reponse et je trouve ses videos génialissimes

[@Piineapple.]

Dans ce cas on ajoute des neurones de sortie. Typiquement, si on a 3 couleurs à prédire, on met 3 neurones en sortie, chacun correspondant à la prédiction d'une couleur. On choisit ensuite le neurone qui donne la plus grande valeur.

[@el_gamino2706]

Je recommande !!!!!!!!!!!!!! best ia video on youtube fr

[@akwaa69]

Merci beaucoup

[@tolstoievski4926]

Très bonne introduction à l'intelligence artificielle, continue, bravo !

[@melissajapon2949]

cc vince super video le montage au top comme dhabitude c est super l intelligence artificielle merci pour le partage

[@antoinemasia5027]

Pour connaitre le nombre ou elle trouvera 0 et 1 à la perfection il fallait créer une boucle qui vérifier que chaque valeur tombe bien sur 1 0 1 0 1 0. Pour connaitre le nombre de calcul a faire pour être sur au moment des tests. Super vidéo !

[@stavinger3674]

Bogo-sort in a nutshell

[@brutus25100]

une très bonne vidéo bravo. 👍🏻

[@Miam1003]

Mercii enfin trouvé un bon tuto depuis des jours

[@theophilenoyel2748]

Bonjour! Cette vidéo et géniale. J'ai essayé de le programmer sur scratch (très compliqué) et je suis bloqué à l’étape de rétropropagation. Quelqu’un pourrait-il me l’expliquer un peu mieux svp?

[@grigoriraspoutine9298]

en très gros, la rétropropagation va vérifier si la réponse de l'IA est correcte, c'est pour ça que la réponse est dans la deuxieme phrase

[@Boom-bg9di]

Très bonnes explications . Merci

[@Nabila_Labraoui]

Un grand bravo pour ta vidéo très pédagogique.

[@vinguitrebz5429]

Super vidéo! Seulement à 17:30, je ne comprends pas pourquoi tu as mis o=NN.forward(X) alors qu'on avait définit la fonction forward avec 2 parametres?

[@forsethtv7190]

ainsi il faudrait avoir un super PC (ou avec une carte graphique NVIDIA balèze) pour pouvoir enchainer des fonctions chain() rapidement. parce que admettons que je vais qu'il train 2millions de fois. mais c'est ouf n'empeche , avec ton raisonnement , on pourrait faire une appli de predict pour le PMU en mettant en params les stats des chevaux?

[@juliensambo5672]

Je constate que le programme nécessite systématiquement une phase d'entraînement avant de répondre à la question. Serait-il possible que le programme puisse sauvegarder son entraînement et fournir une réponse à la question sans avoir à répéter l'intégralité du processus à chaque fois ?

[@Gadalagenda]

Top merci pour les explications :)

[@olgaytb]

Une question 3ans après mais bon il les sauves ces donnés à chaque fois c'est reset ?

[@trucsetastuces9358]

Tres bonne vidéo , interessante et bien expliquée , merci

[@Ilowayn]

Tres intéressant bien expliqué merci

[@medaillek]

J’ai rien compris parce que je comprends rien au Python et aux algos mais j’ai bien aimé, c’est bien expliqué

[@MrLuffyoo]

Mais donc a chaque fois il faut faire n iteration pour que la nieme soit juste, il peut pas garder en memoire les valeurs qu'il a utilise pour la derniere iteration plutot que de eepartir de 0 a chaque fois Et comment on fait surtout

[@tristanhauterre1385]

Dans la fonction "train", pourquoi ne pas avoir créé une boucle "While" qui s'exécute tant que les valeurs de sortie sont différentes des valeurs attendues, au lieu de cette boucle "For" qui limite à l'avance le nombre d'itération ?

[@tritanbleu6202]

Bonjour je pense avoir compris ta video maus je ne comprend pas a la fin pourquoi quand tu changz la valeur la rose est alors bleu et surtout coment tu le sais avant meme d'entrainzr ton IA sur cette nouvelke valeur

[@loukafortin6225]

La dérivée de la fonction sigma est σ(s)*(1 - σ(s)) et pas s(1 - s)... non?

[@MrLuffyoo]

Mais pour des choses plus complexes avec beau oup plus de parametres qui entre en jeux il faut du coup d'autres fonctions j'imagine ?

[@ZapattaZ]

C'est vraiment cool de faire ça. Par contre je n'aurais jamais cru qu'un verbe à l'infinitif me pique les yeux dans un programme.

[@helpstofindhelpstofind7118]

Bonsoir disons c'est intéressant encore bravo d'autres videos svp

[@sbai5000]

Merci énormément pour ces explications très utiles

[@gamerom2713]

Salut donc si je comprends bien cela signifie qu’il y a 2 façons d’augmenter l’efficacité de l’IA : - augmenter le nombre de données - augmenter le nombre de tentatives pour ajuster la valeur des synapses

[@daxbrin8083]

Comment en apprendre plus ? j'ai réussi à te suivre dans les calculs. Je trouve ça super intéressant mais je n'est pas trouver de cas pratique. Je vais déjà essayer d'augmenter le nombre d'entrée. Y a t'il une relation entre le nombre d'entrée et le nombre de couche hidden ?

[@andreaguerry8374]

WOAW merci de partager tes connaissance, c'est pas facile de trouver des infos sur le sujet et surtout que elle soit compressible! J'aurais une question est-ce que se serait pas plus intéressant entrainer plusieurs ia et d'ajouter un peu de random sur la modification des poids pour augmenter la probabilité d'obtenir les valeurs les plus optimal pour les poids?

[@Dious]

Merci pour cette vidéo très claire.

[@basilechardey2568]

Merci de tout coeur !!!!!!

[@Zeblyss]

Comment ta trouver le 1,000 pour la 2ème synapse. J'ai fait 2×0,6+9×0,3 ça fait 3,9 mais quand je calcul la sigmoide de 3,9 je trouve un autre résultat que 1,000 j'ai bien mis les parenthèse pourtant je trouve 0,9801 alors que les autres je trouve bien le même résultat

[@444whoislex]

Pour avoir un meilleur apprentissage, tu devrais prendre en compte un biais pour chaque neurones (bias en anglais). si tu ne sais pas de quoi je parle, Google est ton ami 😂

[@jejejekekdddnnddkd3725]

Merci pour le tuto le Matheu!

[@zorbalalderann6629]

Merci beaucoup, ce fut intéressant, même si j'ai lâcher à la rétropropagation ça deviens trop compliquer pou un novice ^^.

[@paulopolo4357]

Tu es un très bon pédagogues

[@j_cd8705]

Super vidéo Bonne pédagogie en plus

[@housniaataoui8842]

merciiii je vous aime

[@Hexteryoelism]

Très intéressant !

[@nanarclub]

Wow sacrée vidéo bravo !

[@crisisstealth609]

Vraiment sympa comme vidéo

[@devmayemba4439]

merci pour ta video inspirante

[@nat189maginel8]

J'ai un problème: vscode ne reconnais pas "import numpy" il me dit plus exactement "Import"numpy"could not be resolved" que puis-je faire?

[@victorlegros9822]

Bonjour, j'avais une question, est-ce que on peut récupérer les valeurs des poids à la fin de l'entrainement pour les remplacer avec les poids qu'on défini aléatoirement au début ?

[@grosbarbu5778]

C'est un domaine dans lequel j'avais envie d'en apprendre plus mais j'avais du mal à trouver des infos

[@StudioTV]

Privelol Effectivement et c’est regrettable ... , si tu n’es pas bilingue c’est dur de trouver des infos sur internet. Le mieux si tu veux en faire ton métier c’est d’intégrer une filière qui en donne des cours 🤷🏻‍♂️

[@matbe_]

Les synapses sa me rappel mes cours de SVT

[@sadxsadix7885]

Bonsoir Je ne m'y connais pas, je ne sais pas programmer. Mais me vient une question tout de même: N'est-il pas possible de créer une IA "spécialisé" (toutes IA est spécialisé si j'ai bien compris) dans la rétro-propagation ?

[@Dams333etExuToto]

Franchement super passionnant comme vidéo mais j ai une questions. La tu entraînes ton ia à quelque chose qu il fait une fois. Mais quels sont les différences dans une ia qui va exécuter plusieurs action et qui doit y "refelchir" en permanence, pour donner un exemple plus réel: le snake. Mais merci pour ton boulot c est top

[@creativity6972]

Video au tooppppp

[@rapha1111]

Vidéo incoryable

[@AgentK-im8ke]

et pour des intelligences qui sont capables de réfléchir ? capables de trouvé des informations qu'elles n'ont pas comment je fait ? pas seulement une couleur mais carrément apprendre un domaine ?

[@Piineapple.]

GPT-3

[@emanuel1emanuel622]

Bonjour génial la vidéo,

[@cyrilturban584]

bonjour une question et il possible de mettre une voix en mp3 pour la reconnaissance vocal?

[@ousmanemballo7263]

bonjour! j'ai trouve votre tuto tres cool!... mais dans la matrice x_entrer au niveau du dernier tableau (la fleur dont nous devons predire la couleur ) vous avez mis [4,1.5] ca devrait pas etre [4.5,1] ???

[@StudioTV]

Effectivement , je le change dans la suite de la vidéo :)

[@ousmanemballo7263]

@@StudioTV 👊🏽

[@Reskios]

merci!

[@ElPapy93]

Bonjour, ou bonsoir, dépendra de l'heure à laquelle vous me lirez. J'ai bien aimer votre vidéo. Je voulais vous demander comment faire pour entraîné son IA pour qu'il fasse une tache bien spécifique genre reconnaître des mots clé dans des phrases dans une base de donnée. Merci de votre retour. Bonne journée.

[@abe9993]

7:48 le dernier tableau ne correspond par avec les valeurs affiché tu as entrée [4.5, 1] alors que dans les valeurs affichées a l'écran tu as écris une largeur de 1 et non 1.5 :o

[@ylann5496]

Bonjour, A quoi ressemblerait la fonction "backward" s'il y avait eu plus de variables self.W[x] ?