PANDAS PYTHON Tutoriel Français - Time Series (18/30)

[@boukaryouedraogo7802]

Guillaume mérite un prix nobel de pédagogie. Franchement avec toi même si on n'a pas envie de comprendre on fini par comprendre

[@MachineLearnia]

Ahah un prix Nobel de pédagogie ! Elle est pas mal celle la ^^ Merci merci ca fait tres plaisir :)

[@smartdatastudio2281]

Franchement Guillaume, votre formation est la meilleure de toutes les formations que j'ai suivi auparavant même les payantes. Big up à vous. I proudly learn with you!

[@MachineLearnia]

Je suis tres tres tres heureux de lire cela ! :)

[@jeanaiblou4355]

Vraiment je manque de mots pour vous qualifiez. Vous êtes le meilleur pédagogue que j'ai rencontré dans ce domaine

[@duflotjean]

Excellente vidéo. Personnellement je regarde vos vidéos une première fois "comme au cinéma", du début à la fin, ce qui permet d'avoir une vue d'ensemble sur les techniques décrites. Ensuite je les repasse "par petits bouts", avec un stylo en main et Anaconda and co ouverts pour refaire certaines parties en "réel" (je peux vous dire que la durée de la vidéo s'allonge sérieusement, mais je ne suis pas, ou plus, spécialement rapide). Je trouve cette méthode très efficace, bien qu'elle ne convienne sans doute pas à tout le monde, car elle permet une lecture à plusieurs vitesses, selon les besoins et les talents de chacun, et qu'elle ouvre des portes vers des techniques que l'on poura découvrir nous même en tant que de besoins. Je suppose par contre que la conception de la vidéo doit être très longue et très réfléchie, et vous remercie pour le gros travail effectué. J'espère que vous bénéficierez de retombées favorables dans votre vie professionnelle.

[@MachineLearnia]

Merci beaucoup et Bravo pour votre démarche de refaire les programmes de la vidéo !Il est normal que cela prenne plus de temps que de visionner la vidéo ! Je coupe les moments longs durant le montage de la vidéo pour pouvoir apporter un maximum de valeur a mon audience (sans que la vidéo dure 1 heure). Oui la conception de mes vidéos est assez longue, je retourne parfois des parties quand je trouve que mes explications ne sont pas claires, simples et courtes. Merci et a bientôt ! :)

[@noel9335]

Bonjour, Je reprends aussi tout le cour vu il y a quelques mois déjà. Entre temps j'ai étudié plus dans le détail le Machine Learning. Je trouve maintenant des "perles" technologiques" que je n'avais pas saisi la première fois. En fait, tout est utile dans ces vidéos : c'est du condensé de professionnel. Il ne reste plus qu'à travailler pour assimiler tout cela. Bonne continuation. A+ ;)

[@Alexandrenyam]

Tu es un héros!!! Les étudiants en Data Science du Cameroun te disent merci 🙏🏽💚♥️💛

[@MachineLearnia]

Mes salutations a tous les Camerounais ! :)

[@Zohranounou]

Franchement vous etes le meilleur enseignant que j'ai vu , votre formation est la meilleure de toutes les formations que j'ai suivi auparavant

[@oumardiallo9320]

d'habitude je ne m'attarde jamais sur des tutoriels en francçais tellement que c'est ennuyeux mais honnétement je peux passer des heures à regarder les siens, c'est bien expliqué et surtout beaucoup d'énergie en l'air. Top

[@MachineLearnia]

Merci ! Je suis heureux de vous aider a progresser :)

[@Mllllf]

Puisque vous avez l'air de prêter une attention particulière aux commentaires, et surtout parce que vous le méritez : Merci infiniment pour ce contenu, extrêmement ludique et digeste. Continuez ce que vous faites, vous aidez beaucoup de personnes, et de manière très efficace. Big up à vous !

[@MachineLearnia]

Merci beaucoup :)

[@dark.massilia]

Bravo 🎉je découvre python depuis quelques jours ! Quel bonheur tes vidéos... d'une clarté remarquable ! Bravo pour l'énorme travail et ce partage précieux 🙏

[@m21shadowalker97]

Guillaume.Merci. excellente vidéo. Les gens comme toi me font encore croire en l'humanité.

[@TheRemiRODRIGUES]

Génial ! C'est super puissant Pandas. Et très vaste aussi ! Il faut vraiment pratiquer régulièrement, vu qu'il y a beaucoup de méthodes.

[@MachineLearnia]

oui merci beaucoup :) On fera plus de vidéos Pandas a l'avenir

[@ftmagicart]

Merci pour les deux vidéos sur Pandas. Travaillant sur la Business Intelligence et les bases de données relationnelles, cela m'a ouvert des perspectives. Il y a de quoi travailler : 26 min. de vidéos c'est 2h30 de prise de notes :) C'est toujours aussi clair merci.

[@MachineLearnia]

Je suis tres content que cela puisse t'aider :) Je suis en train d'écrire un livre qui résume toute la série :)

[@ftmagicart]

@@MachineLearnia Merci pour votre réponse. Oui j'avais lu qu'un livre était actuellement en préparation, inutile de dire que je serai en pôle position pour me le procurer :) Seras-t-il édité par une maison d'édition, un financement participatif, autre ... ?

[@bocartimite5282]

J'ai commencé à m'intéresser au domaine de machine learning, et je suis tombé sur une de vos videos.Et depuis je me suis abonné. Vos videos sont vraiment trop bien expliquer !!!

[@MachineLearnia]

Merci beaucoup et bravo a vous de vous intéresser au Machine Learning ! :)

[@familloleron]

Intéressant, vivant, chouette, dynamique, avec le sourire et une motivation contagieuse ... je n'en reviens pas ! Après un bootcamp Data Analyst condensé, quel bonheur de vous trouver !! Vous n'imaginez pas ce que cela m'apporte ! Je viens de vous "connaître" et je suis addicte 😁. Merci infiniment !! 🙏

[@MachineLearnia]

Bienvenue dans la communauté Marie :)

[@julienjacquemont6048]

Merci! La pratique de Pandas directement sur des jeux de données existants est hyper ludique.

[@MachineLearnia]

Merci, je ferai plus ce genre de choses a l'avenir ! C'est également mon souhait de produire du contenu ludique.

[@amadousow8048]

c'est un plaisir quand je regarde vos videos

[@notonlygeek]

Merci bcp cela fait plaisir de trouver des ressources de qualité en fr. Un complément la corrélation par défaut dans pandas est de pearson donc le postulat est que cette corrélation soit linéaire ceci est le cas pour btc eth par ailleurs elle évolue dans le temps. Bien à vous. Gautier

[@MachineLearnia]

Merci et je confirme que ce que vous dites, je n'ai pas pris le temps de donner tous ces détails ! Merci beaucoup pour ce commentaire très pertinent ! Vous devriez rejoindre la communauté sur Discord ! A bientôt :)

[@mouradmedjout5334]

Bonjour Guillaume, en cherchant à m'initier dans le domaine du machine learning, j'ai découvert votre chaine et je suis très content. D'habitude, je ne suis pas fan de la programmation mais avec vous et votre façon de rendre les choses très simples, je commence vraiment à aimer ce domaine, merci bcp pour cette formation de qualité !

[@MachineLearnia]

Merci beaucoup a vous pour votre message !

[@mouradmedjout5334]

Est-il possible de faire des vidéos sur Tensorflow, svp ? Vu que ce package est également très utilisé dans le deep learning (CNN, RNN...) merci !

[@nicolasmartin1572]

Ah Ah😂! nous y voilà! Tout ces cours pour arriver au trading. Bravo!!!!! Et en vrai, je regarde ses vidéos car c'est bien pour faire de l'algo-trading que je me lance dans le Machine Learning et le Deep Learning. Merci Guillaume ❤

[@alfreddemusset6296]

On ne sait plus quoi dire c'est tellement bien fait? Quelle maitrise du sujet!!

[@MachineLearnia]

Merci !

[@ulrichkarlodjo1457]

Toujours très ludique et très enrichissant tout en restant concret bref et que des choses vraiment utile et essentiel. Franchement merci pour le travail et je suis impatient pour la suite. :)

[@MachineLearnia]

Merci beaucoup :) et merci de partager ma vidéo sur les réseaux sociaux

[@ulrichkarlodjo1457]

S’il te plaît est-il possible d’avoir les slides que tu projettes pendant tes screencast comme sa je pourrais m’en servir comme mémento

[@MachineLearnia]

@@ulrichkarlodjo1457 Certains sont déja disponible sur mon site internet, les autres seront bientot en ligne !

[@ulrichkarlodjo1457]

@@MachineLearnia D'accord merci bien! Et à plus pour la suite!

[@edithgomis696]

Merci pour vos explication et bonne continuation

[@nicolaso42]

Très bonne vidéo comme d'habitude merci, on voit qu'on avance bien, le rythme devient de plus en plus soutenu :) à trèèèèèssss viiiiiitee !

[@MachineLearnia]

Oui je vais faire de mon mieux pour ressortir une vidéo tous les 3 jours ! RDV sur discord pour etre au courant du changement de calendrier ! ;)

[@marcopoussin2857]

Vos vidéo sont tellement bon ke, je le suis tjr avec un stylo et cahier a la main + pc sur lekel il faut coder en direct ,ce ki fait ke kan je prend 1e vidéo de 10 min c'est comme ci c'etait 1e vidéo de 3 heures , parck'il y'a trop de notions interressantes et super pratike Noooooooooooooon @Machine Learnia vous trop coooooooooooooooool

[@MachineLearnia]

Je vous félicite d’être autant ACTIF dans les vidéos, c'est la clef de la réussite ! Vous réussirez et je vous aiderai ! Go :D

[@sebastiencrepel5032]

@@MachineLearnia J'ai la même pratique. Je note pas mal de choses dans un cahier ce qui me permet de revoir des notions plus facilement selon les besoins. Je pense vraiment progresser grâce à vous et votre système de vidéos si efficace qu'on pourrait appeler ça du HUMAN LEARNING :-) !

[@mubaraklanalyste]

j'aime beaucoup ta manière de nous expliquer. Merci énormement !!!

[@MachineLearnia]

Merci !

[@clementcomes1516]

Bonjour, je m'intéresse à la Data Science depuis qq semaines, j'ai trouvé énormément de ressources en anglais et je suis ravi de découvrir votre travail aujourd'hui. Vos contenus sont vraiment de qualité, synthétiques et tournés vers la pratique. Merci et bravo! Subscribed

[@MachineLearnia]

Merci beaucoup Clément. Je suis très heureux quand je lis ce genre de message. Savoir que mon travail vous aide me motive énormément ! Si vous avez la moindre question, posez la en commentaire je me ferai une joie de vous aider. A bientôt

[@electronicswithyeya]

Bravo ! je suis nouvelle dans ce domaine et j'ai appris plein de choses grâce à vos vidéos. Bonne continuation :)

[@MachineLearnia]

Ca fait bien plaisir ! merci et bonne continuation !

[@hedhed4126]

Mille Mercis! 25 minutes de pédagogie efficaces

[@jamaltraore]

felicitation , tes videos sont particulièrement édifiantes

[@MachineLearnia]

merci !

[@adamabamba4009]

C'est toujours un réel plaisir pour moi de regarder tes vidéos. Bravo

[@MachineLearnia]

Merci !

[@Fuzhyon]

Je découvre ta chaîne, je suis une formation de Data/IA et ton dynamisme m'aide à mieux comprendre certains point. C'est très fluide et bien présenté pour un sujet tout de même complexe. Bravo et merci !

[@MachineLearnia]

Merci beaucoup a toi et bon courage dans tes projets, si tu as la moindre question je serais heureux de t'aider ! :)

[@maryemroussafi4598]

you're the best I understand a lot of thing in python because of you

[@cheoles4190]

Simple, efficace, clair, merci pour tes vidéos !

[@MachineLearnia]

Ca fait plaisir merci ! :)

[@paar6128]

Waow! Tu es vraiment un excellent prof :) Merci beaucoup c'est très très bien expliqué! :)

[@hananeb8450]

Je suis très très contente de tomber sur tes vidéos. C'est super bien expliqué et enrichissant. J'apprend bcp de choses avec vous. Mille fois merciiii 😊🙌🏼

[@MachineLearnia]

Merci beaucoup ! Si vous avez la moindre questions n'hésitez pas a me la communiquer :)

[@boawendneerecasimirzongo5662]

Rien à dire très content de suivre vos vidéos 👍👍👍

[@MachineLearnia]

Merci :)

[@zeinelabidineelbechir1421]

Vraiment c joli de prendre les choses compiques et les rendred simples a comprendre

[@MrPopmoi]

C'est tellement clair ! Merci beaucoup tu as passé tout ce dont j'avais besoin pour faire mes propres backtests !

[@MachineLearnia]

Je suis heureux de pouvoir aider :)

[@jean-marcherard9216]

Bravo et merci pour vos vidéos et explications! Excellentes ressources, très bien synthétisées. Cela donne envie de s´y mettre à fond!!!

[@MachineLearnia]

C'est tout le but ! Merci :)

[@jean-marcherard9216]

Savez vous si il est possible de représenter graphiquement les résultats de la fonction Map?

[@jord-aeleon1887]

excellent cours, les exemples sont vraiment bien trouvé et même si les exercices ont pas l'air difficile, j'y passe tout de même du temps. Hate de voir la suite :)

[@MachineLearnia]

Merci beaucoup :)

[@mx_spaces]

Je suis content d'avoir vu ceci ✨

[@AbbassKane]

merci vraiment , c'est compressible, nous souhaitons que vs ns fassiez des projets sur pandas et matplotlib

[@goutainadir8533]

بارك الله فيك و في جهدك

[@MachineLearnia]

Many thanks !

[@XavierBeheydt]

Super boulot pour les cours et vraiement très clair. Je voulais juste proposer une autre méthode pour la réponse à l'exercice, via la fonction `pd.cut(...)`. ``` data["age"] = pd.cut(data["age"], bins=[float("-inf"), 20, 30, 40, float("inf")], labels=False, right=True) ```

[@alexisvandewalle9106]

trop cool! j'ai pu expérimenter tes techniques sur les donnees du covid 19 et ca marche niquel

[@MachineLearnia]

Tres bonne nouvelle bravo ! :)

[@w.marquess4643]

Super explication, bravo Guillaume!!!

[@MachineLearnia]

Merci beaucoup !

[@aymenlazem2062]

Merci infiniment c'est super intéressent

[@MachineLearnia]

Merci :)

[@louaykhammar7268]

Très bonnes explications, sujets intéressants

[@MachineLearnia]

Merci !

[@pulsorion]

Super intéressant comme sujet ! #teamEthereum

[@MachineLearnia]

ahahah merci ;)

[@mhamedbokhari9354]

Merci beaucoup pour l'excellente présentation. Bravo

[@MachineLearnia]

Merci a vous !

[@gastonlag2693]

Merci beaucoup. Excellent tutoriel.

[@MachineLearnia]

Merci!

[@condemory4424]

Merci vraiment pour le partage.

[@artashesasoyan6272]

Excellent travail, merci !

[@MachineLearnia]

De rien !

[@Alpha-zf1tw]

18/30, un grand merci pour vos explications...

[@MachineLearnia]

De rien :)

[@abderrazakcroxup321]

C'est de la merveille :)

[@MachineLearnia]

Merci Abonnez-vous :)

[@youssefbenamara6963]

le meilleur des meilleurs

[@mohammedifkirne5329]

Very excellent dear Professor

[@MachineLearnia]

Many many thanks

[@amyd.2840]

Super vidéo, merci !

[@MachineLearnia]

Merci :)

[@elmeddebsadok6087]

Excellente vidéo merci .

[@MachineLearnia]

Merci beaucoup

[@imadedinehakim443]

thank you man, your videos help me a lot

[@MachineLearnia]

Glad to hear that!

[@Mrk3b]

I wish I knew French... these videos look amazing

[@MachineLearnia]

Sorry mate, I know there are great contents in English too.

[@MissMystery97]

@@MachineLearnia Depite that I lean more towards english, I didn't find such straightforward and pretty videos ! PERFECT! why not have translation ?

[@youssoufelidrissi103]

ahh Guillaume c est super utile merci

[@MachineLearnia]

De rien :)

[@douourediaby5324]

Magnifique

[@MachineLearnia]

Merci ! :) pensez a vous abonner :)

[@donellessame9194]

j'ai eu un peu de mal avec ce cours, parce que lorsque j'essayais de télécharger le dataframe de ethereum mon tableau csv commençais en 2019. Je comprend pas pourquoi. Bref super vidéo comme d'habitude , maintenant que j'y pense ça a du etre penible le montage, non en vrai il est bien fait et vachement uniforme dans toutes les vidéos ducoup t'as du vraiment y mettre du tiens pour arrivé à cette qualité .

[@MachineLearnia]

Oui c'est beaucoup de travail, mais j'aime faire ca, merci ! Hm je ne me rappelle plus si le dataset de ETH commence en 2019 (dans le fichier csv) il faudrait vérifier, mais sinon n'hésite pas a consulter le code que je mets sur github il fonctionne.

[@donellessame9194]

@@MachineLearnia merci je vais aller voir ça

[@vincentreynier9155]

Très bonnes explications, sujets intéressants, belle pédagogie. De quoi partir sur de très bonnes bases. Merci beaucoup ! Ps: Force à l'XRP :'(

[@MachineLearnia]

Merci beaucoup ! Ah ca fait plaisir quand j'ai quelqu'un qui connait les cryptos et qui regarde la chaine. Bah oui pour XRP c'est chaud mais bon fallait s'y attendre c'est un peu spécial depuis le début et c'est critiqué de toute part par pleins de cryptos adicts. D'autres cryptos vont briller en 2021, le plus important c'est d'etre diversifié, d'en avoir un peu de toutes pour avoir un portefeuille équilibré et ca devrait le faire ;) (disclaimer : ceci n'est pas un conseil en investissement ahah)

[@vincentreynier9155]

@@MachineLearnia Haha oui évidemment ce n'est pas si simple, 2021 sera une année pleine de rebondissements pour les Cryptos, hâte de voir la suite. Sinon j'essaye de me familiariser avec le ML dans le but de développer un outil de Computer Vision pour ma thèse, et merci encore pour tout ce contenu

[@MachineLearnia]

@@vincentreynier9155 Pour la vision par ordinateur il te faudra surement apprendre a utiliser openCV (j'en ferai des tutos cette année, ainsi que Tensorflow et Keras, et ca c'est le sujet de ma prochaine playlist)

[@vincentreynier9155]

@@MachineLearnia Merveilleux.. Je fais du Tensorflow / Keras également... C'est top, hâte de voir la suite alors ! :D

[@aichaelfilali4361]

Très intéressant,bien expliqué merci bq

[@MachineLearnia]

Merci beaucoup

[@quentinmarie4954]

merci pour tes vidéos !

[@MachineLearnia]

De rien :)

[@kemmounramzy6232]

best playlist pour ML

[@90fazoti]

Excellente vidéo merci :)

[@MachineLearnia]

Merci beaucoup :)

[@muthierry1]

Great Explanations', Thank you again

[@MachineLearnia]

You are welcome!

[@STChaosman]

Petite Maj : " :1: FutureWarning: Indexing a DataFrame with a datetimelike index using a single string to slice the rows, like `frame[string]`, is deprecated and will be removed in a future version. Use `frame.loc[string]` instead. bitcoin['2019']['Close'].plot()" Bonne journée à tous !

[@MachineLearnia]

Merci pour cette info :) Je vais mettre a jour le code sur github !

[@amrimanel3855]

Merci bcp t'es un amour, magnifique , THE BEST IN THE WORLD. sinon STP t'as un livre qui explique pandas facilement comme t'as déjà fait ? car j'ai besoin d'autres informations stp . MERCI

[@MachineLearnia]

Le site officiel de pandas est bien fait, je le conseille.

[@emilie375]

Bonjour, très bonne série de vidéo. Est-ce qu'on pourrait superposer les graphiques du bitcoin et de l'etherium ? J'entends par là les afficher sur un même graphique mais en utilisant des échelles différentes en ordonnée. Si oui, comment ?

[@d-om3964]

Merci pour cette très bonne vidéo et partage. Dans un contexte boursier. Est-il envisageable (si oui - comment ;-) , plutôt que d'importer une ou qq valeurs (tq une action FB ou un indice). Ne serait-il pas possible d'importer l'ensembles des valeurs d'un indice afin de pouvoir faire des requêtes. Par exemple, pour l'ensemble des valeurs celles qui présente un ratio =,< ou > ... à X (ce n'est qu'un exemple). Autrement dit, pouvoir importer ttes les valeurs d'un indice, avec leurs données économiques (PER, ...) pour une période donnée et pouvoir faire un screening de celles-ci .

[@MachineLearnia]

Bonjour, Oui cela est disponible, mais c'est un peu long a expliquer en 1 commentaire. J'en ferai des vidéos a l'avenir, mais il doit déja y en avoir sur Internet !

[@fredericmeyer8182]

La fonction `category_age` peut légèrement se simplifier tout en restant très lisible: def category_age(age): if age

[@MachineLearnia]

Oui, mais je conseille d'utiliser la fonction map ou apply comme je l'ai indiqué par la suite.

[@maximelousth7117]

Un grand merci pour ces explications. Je comprends bien mieux l’indexing des dates. Par ailleurs, penses-tu qu'il soit possible de faire de même avec les heures ? admettons un format du style : 2021-07-13 05:45:36.6 2021-07-13 07:43:47.8 2021-08-13 21:33:08.9 2021-10-14 06:07:50.4 2019-07-13 01:14:38.9 Si je souhaite sélectionner uniquement les heures entre 5h et 22h, peut-on utiliser la même méthode que tu as présenté avec .loc[ ] ? En te remerciant par avance pour ton aide.

[@MachineLearnia]

Bonjour, oui c'est possible !

[@mustapha-d2k]

Merci beaucoup ,c'est tres intéressent. et pour afficher la date avec les heure sur le graph

[@MachineLearnia]

il faut changer le datetime de pandas, vous trouverez cela en premier résultat sur google en tapant "datetime display minutes on graph pandas" :) Bon courage !

[@ulyssevs6848]

8:55 La fonction rolling n'est pas directement une fonction (plutôt méthode) panda ('pd'), donc pas pd.rolling, mais une méthode pd.Dataframe, donc plutôt pd.DataFrame.rolling. Tout simplement car c'est une méthode (comme d'autres) qui s'applique sur un DataFrame. On peut d'ailleurs accéder à son aide directement dans python avec help(pd.DataFrame.rolling). Et aussi(c'est pour ça que Python est génial), on peut directement accéder à toutes les méthodes et attributs avec par exemple : dir(pd.DataFrame) pour connaitre celles applicables à un dataframe (on retrouve bien sûr la méthode rolling) De même,avec dir(plt), on a la même chose avec ce qu'on peut faire avec matplotlib.pyplot (plt), dont fill_between (8:08).

[@MachineLearnia]

Encore une fois merci pour ton commentaire ultra constructif, c'est un plaisir de te lire a chaque fois !

[@ulyssevs6848]

Merci ! C'est un plaisir de partager ce que j'ai compris !

[@ramoda13]

Good job. Merci.

[@MachineLearnia]

Merci beaucoup

[@guillaume8437]

Merci Guillaume pour cette autre video. Est-ce qu'on a des fonctions intégrées dans Panda (ou ailleurs) pour calculer par exemple des HMA, des DEMA, des TEMA, des Bollinger Bands, des Stochastic Oscillators, etc ou c'est à faire à la mano? Est-ce qu'on peut également faire des représentations en chandeliers japonais et en Renko? Et quelles sont tes stratégies de trading préférées? Ah et vu que tu parles des catastrophes en matière de transport de personnes avec le Titanic, est-ce que le ML permet de définir la trajectoire et la fin de trajectoire du MH370? Cette histoire est vraiment mystérieuse!

[@MachineLearnia]

Non il n'y a pas de fonction pré-existante pour des indicateurs techniques du type Bollinger, Ichimoku etc, mais elles ne sont pas tres difficiles a se créer soi-meme. A titre personnel je me suis construit avec le temps une librairie personnelle avec ce genre de fonctions, je conseille a tout le monde a faire de meme. pour le vol MH370 je pense qu'il y a des méthodes statistiques plus efficaces que le ML.

[@guillaume8437]

@@MachineLearnia Noted. Ceci dit pour le MH370, peut-être que c'est plus politique qu'autre chose et dans ce cas, rien ne peut être fait même si l'avion aurait déjà été retrouvé...

[@nyxnix2479]

​@@guillaume8437tu glisses guillaume 😂😂. Tu crois à la thèse politique ? Je pense que ça aurait dégénèré.

[@bienvenuwilondja9030]

Bonjour Guillaume, Merci d'abord pour cette formation de qualité mais je voulais savoir si vous avez déjà réaliser les vidéos pour un projet de A à Z en analyse des données avec pandas?

[@hibe77]

Superbe video

[@MachineLearnia]

Merci beaucoup

[@noel9335]

Bonjour, Tu expliques la fonction EWM et le choix de alpha pour que la courbe affichée colle au mieux de la courbe initiale. Mais à quoi cela sert-il d'afficher une courbe qui s'approche de la courbe initiale alors que nous disposons de la courbe initiale (qui est par définition la plus juste pour modéliser la réalité) ? A+ ;)

[@MachineLearnia]

Bonne question ! En fait on utilises les Moyennes Mobiles, et EWM pour "filtrer" le bruit d'un signal, mais égalemnet pour obtenir une tendance (avoir une idée des futures mouvements). Également, on se rappelle que la moyenne est en fait l'Espérence statistique (c'est a dire l'esperence d'avoir le signal qui revient a sa moyenne avec le temps) C'est une chose que l'on observe souvent dans la nature (et meme en trading) : Lorsqu'un signal grimpe (ou chute) tres rapidement, on peut "espérer" qu'il revienne a sa moyenne mobile a un moment.

[@zakiaeljanyani1228]

Bonjour Guillaume, merci infiniment pour ce que vous présentez comme contenu, ça nous a vraiment aidé😊😊 j'ai voulu vous demander si vous pouvez faire une vidéo sur les chaines de Markov par python🙏🙏

[@diakhadiop2128]

c fabuleux

[@zeinelabidineelbechir1421]

Pour quel type de fichier nous ne pouvons pas utiliser head???

[@Donadev56]

tu avais 1000 abonnées au moment de cette video et aujourd'hui tu en as 165k , le bitcoin etais a 7000 usd aujourdhui 100k j'espere qu'on a compris la lesson

[@sekkat96]

Merci !!

[@MachineLearnia]

de rien :)

[@ziedguendil4038]

super tutto merci beaucoup 😍

[@MachineLearnia]

Merci beaucoup :)

[@LaurentD90]

Bravo cette serie de vidéo est excellente et très bien présentée. Une question concernant la fin de la vidéo et le astype('category').cat.codes ==> Y-a-t-il un moyen de récupérer le changement de variable sous la forme d'un dictionnaire par exemple {'camionette':0,'fourgon':1,'remorque'=2 etc....} Merci d'avance

[@MachineLearnia]

Oui, écrivez la chose suivante : dict( zip( df['x'].cat.codes, df['x'] ) )

[@LaurentD90]

@@MachineLearnia merci. Cela pourrait être utile pour inverser ce process afin de restituer l'info aux utilisateurs

[@taiger_clem7368]

Merci infiniment pour toutes ces informations ! Je me demandais quel est l'usage pour présenter (par exemple à un manager) les analyses et courbes pertinentes sur des datasets mis à jour régulièrement. ça me paraitrait étonnant de "figer"systématiquement l'analyse dans des rapports. Est ce que ça se fait de connecter les dataframes pandas à des GUI ? pour lancer en live les différentes lignes de codes pertinentes ? (mais sans passer par de la gestion de base de données)

[@MachineLearnia]

Salut ! Alors quand on écrit un rapport PDF, c'est normal que les données soient présentées en étant figées dans le temps, et ca n'est pas si dérangeant que ca : il est normal qu'une analyse est un début, et une fin dans le temps. Quand on fait bien son travail, on date son analyse, on écrit un abstract, bref comme pour les papiers scientifiques. Maintenant tu veux parler ici de dashboards, et oui c'est facile de faire des dashboards avec pleins de technologies comme les services proposés par AWS. On peut les présenter avec pandas en effet.

[@mohameddahmani4589]

Merci pour la vidéo, je tiens à te préciser qu'il y a une erreur dans le code qui permet d'obtenir le plot avec la fonction "fill_between()" il faut modifier celui qui apparaît sur la vidéo afin qu'il donne le plot affiché en ayant les mois de l'année 2019 en abscisses. Ceci est le code après réctification: m=bitcoin['Close'].resample('W').agg(['mean','std','min','max']) plt.figure(figsize=(9,8)) m['mean']['2019'].plot(label='moyenne par semaine') plt.fill_between(m['2019'].index,m['max']['2019'],m['min']['2019'],alpha=.2,label='min-max par semaine') plt.legend() plt.show()

[@Manon-4096]

c'est puissant la fonction map :D

[@MachineLearnia]

Elle est tres utile oui. Il faut vraiment la retenir car un jour vous en aurez surement besoin !

[@Manon-4096]

Je viens de l’utiliser aujourd’hui, j’implémente les algo de gale et shapley et pour transformer mes données de mon dataframe je l’ai utiliser. Je me remet à coder python et vos cours me sont bien utiles !

[@MachineLearnia]

@@Manon-4096 Merci ! Bon courage :)

[@donellessame9194]

bonjour, j'étais en train de regarder une fois de plus cette vidé, et à un moment tu as commencé à parler des "moving average" et des "exponential weighted average", je voudrais comprendre en quoi c'est intéressant d'utiliser ce genre de techniques. Alors que je peux juste faire un df['col']..mean().plot(), et je l'aurais la courbe qui représente la moyenne. Alors quel est l'interet de ces deux methodes?

[@MachineLearnia]

Les Mooving averages et EMA sont utiles pour traiter des signaux (avec différentes fenetres de reglage). Ca permet de lisser les signaux, voir faire des prédictions. Par exemple sur le stock market, on utilise parfois une MA 8 et une MA21 et on regarde lorsque l'une des 2 croise l'autre et ca donne un signal vendeur ou acheter (juste pour rester dans le theme du trading) Mais les MA et EMA sont utilisées partout ailleurs !

[@tenzin8788]

Bonjour et merci d'avoir répondu à ma question posée sur l'épisode 14. Alors, j'ai regardé plusieurs fois la vidéo, elle m'a appris bien des choses et m'a fait avancer sur mon projet, mais je n'ai pas trouvé comment faire pour représenter graphiquement de façon superposée 2 courbes entre deux mêmes dates mais sur des années différentes. J'ai l'impression que je vais devoir faire du multi indexing...

[@MachineLearnia]

Ah oui en effet il y a un peu de travail "spécifique" dans ce cas la. Nous pouvons en parler sur discord

[@EricSeguroMescudi]

Merci beaucoup pour ces vidéos, ça permet d'approfondir les connaissances et de découvrir plein d'autres méthodes pour être plus efficace !! Petite question : Avec la méthode .astype('category').cat.codes pour utiliser des valeurs numériques plutôt que des chaînes de caractères, existe t il un moyen de savoir à quoi correspondent ces valeurs numériques ou alors une méthode inverse pour retrouver les catégories de bases une fois nos calculs fait ?

[@MachineLearnia]

tu peux le faire avec la méthode de sklearn que je montre apres dans la vidéo 22

[@dahmanigis4121]

good xork, thanks

[@andreassimatos8544]

Merci de pour cette video de qualité ! J'ai une question par rapport au début de la video (2:20). Est ce que définir la colonne d'index dans la fonction read_csv() est équivalent à faire data.set_index() ? Lorsque je fais data.set_index('Date') en l'occurence, ca me renvoie bien une DataFrame avec la date en indice mais pourtant ça laisse le nombre d jours et non les dates comme abscisses de data['Close'].plot(). Merci !

[@MachineLearnia]

Oui il faut rajouter : df.index = pd.to_datetime(df.index)

[@mondistributeur326]

Salut, je me posais une question théorique, peut on comparer 2 variables qui ne soient pas de la meme "shape". Par exemple pour une application qui voudrait calculer un délai de livraison en fonction de plusieurs variables comme "les jour de la semaine", qui ne contienne qu'une valeur par "ligne, et d'autres comme "contenu de la commande" qui devrait en contenir plusieurs. Merci pour les vidéos !

[@clementcomes1516]

Pour aller chercher les données directement sur Yahoo finance grâce à Pandas: import pandas_datareader as dr df = dr.data.get_data_yahoo('BTC-EUR', start='yyyy-mm-dd', end='yyyy-mm-dd') df.to_csv('BTC.csv')

[@MachineLearnia]

Oui c'est tout a fait correct, on peut télécharger les données directement depuis internet :)

[@clementcomes1516]

@@MachineLearnia J'ai bossé votre ebook ce matin et cette vidéo cet a-m, j'ai fait plus de progrès en 24h que durant ces 15 derniers jours. Un grand merci!

[@MachineLearnia]

Merci, je suis heureux de l'apprendre ! c'est mon but d'aider les gens. Bon courage pour la suite !