PANDAS PYTHON Français - Introduction + Analyse du Titanic (17/30)

[@josiasbradleytopanou3045]

Merci infiniment , rien ne peut exprimer la joie que j'ai d'avoir tomber sur cette formation qui m'aide beaucoup dans ma carrière de Data scientiste

[@soubinan]

Très utile l'ajout des timecodes depuis les dernières vidéos. Cette chaîne c'est comme le vin, ça se bonifie avec temps !!!

[@MachineLearnia]

Merci beaucoup !

[@ni2359]

Aucun mot ne peut exprimer ma gratitude envers vous, vos vidéos sont très pédagogiques, votre démarche est très généreuse et ça répond exactement à mon besoin (Je fais un master Big Data) maintenant je Like avant de regarder la vidéo. Mille mercis

[@MachineLearnia]

C'est un bonheur de pouvoir vous aider Nadia ! Bravo et bon courage pour votre Master ! :)

[@enviedapprendre3188]

Tout simplement le meilleur cours de Pandas que j'ai vu sur internet !

[@intelligenceartificielle6135]

Si tous les professeurs étaient comme toi, la terre serait un paradis. J'ai appris de toi ce que je n'ai pas appris de mes professeurs dans mon master d'apprentissage automatique. Merci beaucoup Monsieur et bonne continuation.

[@arsenedydykouadio1520]

svp la suite de cette video existe?

[@elijoelessononzoghe3585]

@@arsenedydykouadio1520 oui il faut regarder dans la playlist en entrant complètement dans sa chaine youtube et tu verras la suite au numéro 18/30 puisque si tu regardes bien le titre de la vidéo c'est 17/30 où nous sommes.

[@cheado6411]

Vidéo très pédagogique. Tu vas vraiment à l'essentiel sans faire des bavardages inutiles. Merci et courage pour ton travail.

[@MachineLearnia]

Je suis honoré de l'apprendre, merci !

[@DanielIchbiah]

Un immense bravo pour vos qualités pédagogiques !!!!

[@romainlemasle8664]

C'est vraiment un travail de dingue ce que tu fais tu ajoutes plein de contenu à chaque nouvelle vidéo, tu es disponible pour tout le monde malgré la communauté qui se veut toujours plus importante franchement chapeau!

[@MachineLearnia]

Merci beaucoup, ta reconnaissance fait tres plaisir :) Parfois je loupe un ou 2 commentaire, mais c'est rare j'essaie vraiment de repondre a tout le monde.

[@lindak.1081]

Etant en reconversion, votre série de vidéos sur le ML et plus particulièrement Python me sont très utiles, elles sont très accessibles et faciles à comprendre. Merci

[@MachineLearnia]

De rien, merci a vous :)

[@Berenduinelbardo]

C'est la première vidéo que j'ai vue de votre chaîne. Merci pour votre travail et votre altruisme

[@MachineLearnia]

Merci beaucoup, bienvenue dans notre communauté ! :)

[@cedrickmawaka2977]

Même en 2024 cette vidéo m'est toujours utile. Merci infiniment ❤

[@OuahibaBOUGLIMINA]

oui je confirme a l'instant même

[@hmissafatima3206]

je confirme

[@alphaoumardiallo8165]

J'aurais aimé avoir un prof comme vous impossible de qualifier vos contenus tellement que c'est clair et riche

[@MachineLearnia]

Merci a vous !

[@guichonmathias2467]

La vidéo est vraiment de qualité ! Bien plus explicite que des cours sur Udemy ! Un grand merci !

[@MachineLearnia]

Merci beaucoup, ca fait plaisir :)

[@hatemchafik4357]

On était 1000 abonnés en Octobre 2019 et on est plus de 6000 en Janvier 2020 , c'est un résultat de vos vidéos hyper jolies Merci beaucoup à vous !

[@MachineLearnia]

Merci ! C'est aussi grace a vous qui étiez présent avant les 1000 abonés et qui etes encore la aujourd'hui !

[@OuahibaBOUGLIMINA]

et plus de 150K en 2024 !!!

[@sofitocyn100]

je suis étudiante en master "digital text analysis". Je viens d'avoir un bootcamp d'introduction à python ponctué d'un examen que j'ai raté allègrement (notamment) parce que je n'avais rien compris du tout à "pandas", sur lequel la plupart de l'examen portait. Nous avons travaillé sur ces données du Titanic en classe mais je n'avais pas compris une seule ligne de code. J'ai acheté une adhésion à DataCamp pour m'aider mais rien n'y a fait. Et puis je viens de tomber sur votre chaîne! Vous êtes un excellent professeur! Je m'apprête à regarder chacune de vos vidéos excellement expliquées! Merci infiniment.

[@MachineLearnia]

Je suis navré que vous n'ayez pas réussi votre premier examen, mais ne vous en faite pas, vous aurez l'occasion de vous rattraper ! C'est super si a présent vous avez bien compris tout ca ! :) Si le machine learning vous intéresse également, vous pouvez télécharger mon livre gratuit sur mon site Internet (le lien est dans la description) Allez, gardez la motivation et bon courage dans vos études ! :D

[@sofitocyn100]

@@MachineLearnia merci de me répondre! :) J'ai déjà téléchargé votre livre. Je suis sûre qu'il m'aidera! :)

[@garikojo]

je cherche à me former en BI.... Un grand merci, c'est tout à fait le genre de vidéo que je recherche !!! très clair à comprendre

[@MachineLearnia]

Merci ! J'ens suis tres content ! :)

[@victorquere5129]

Que de temps gagné grace à cette chaine. Merci

[@MachineLearnia]

Ça me fait très plaisir de l'apprendre, merci ! :)

[@abtouil]

C'est toujours un vrai régal. Merci

[@MachineLearnia]

Merci beaucoup :)

[@HamisBadarou]

Hello, Merci pour cette superbe chaîne. Toutes les informations sont super bien expliquées et bien détaillées. Merci encore et surtout t'arrêtes pas :)

[@MachineLearnia]

Merci beaucoup !

[@RolainTchapetNgamini-i9n]

Franchement une master Class. Merci prof

[@jimdelsol1941]

C'est absolument excellent tes tutos. Merci beaucoup !

[@MachineLearnia]

Merci beaucoup et de rien :)

[@christiandemerona]

Video très clair, facile à suivre et riche d'informations. Merci !

[@MachineLearnia]

Merci ! C'est un plaisir :)

[@herveballa4692]

Pandas ouvre les yeux sur un univers infini de possibilités c'est génial bravo Guillaume cette vidéo est magnifique

[@MachineLearnia]

Merci beaucoup. Vive Pandas !

[@LAHCEN-AGLAGAL2001]

Le meilleure professeur 😅, merci infiniment

[@hideweapon1361]

merci bq, ils m'ont invité pour une journée le wagon live, au bout de 3 hours on a rien fait en comparant avec cette vidéo, merci a vous.

[@MachineLearnia]

Merci beaucoup pour votre retour et bon courage pour la suite :)

[@mohamedlassoued2990]

Très bon travail, bien organisé, bien clair. Un grand merci Guillaume, c'est rare de trouver un travail de cette qualité. Tu me sauves mon ami ;)

[@MachineLearnia]

Mais de rien :)

[@sihemmansour5303]

un grand merci, tu m'as sauvé la vie

[@MachineLearnia]

Carrément !? Que ce passe-t-il ? un projet a rendre en urgence ? Ca me fait plaisir :)

[@sihemmansour5303]

@@MachineLearnia vous m'avez aidé à préparer un cours. encore une fois merci

[@AzizaBoutougasse]

je veux vous remercier pour cette excellente formation vraiment m a beaucoup aider dans mes etudes.

[@diakariakorera3343]

Toujours au top.Je sens que je vas basculer de R vers Python =D. Bravo et nous te soutenons !

[@MachineLearnia]

Merci beaucoup pour le soutien ! :)

[@amyd.2840]

Super introduction ! Merci pour cette vidéo :)

[@MachineLearnia]

Merci beaucoup :)

[@vincentporee2768]

Bonjour et merci pour votre travail! Actuellement en reconversion professionnelle dans le domaine de la data et de l'IA, je ne peux que recommander vos vidéos! Pour ceux qui ont eu du mal à charger le dataset malgré le fait de le mettre dans le même dossier que votre notebook. Il m'est arrivé la même chose ! Cela peut être dû a JupyterLab qui est moins stable que Jupyter Notebook. J'ai fermé JupyterLab puis j'ai ouvert sur Jupyter Notebook et problême résolu! Retourner sur JupyterLab et là même en relançant votre kernel, surprise le dataset se charge correctement! Voilà 1er jour et 1ère participation ^^ A plus

[@MachineLearnia]

Merci beaucoup Vincent ! Et merci d'avoir partager ton astuce !

[@Jul-Julien]

Bonjour, j'ai connu votre chaîne moins d'un mois de cela et je me las pas de vos video... J'apprends le machine learning à travers vos vidéo...vraiment très pratique et jespere qu'à la fin de la 30iem vidéo je serai un expert du domaine Hahaaa...vraiment courage à vous !

[@MachineLearnia]

Bonjour et bravo d'avoir fait tout ce chemin en moins d'UN mois ! Félicitations ! Le chemin pour devenir data scientist est long mais je me donne comme mission que les gens qui me suivent atteignent TOUS leurs objectifs un jour !

[@Jul-Julien]

@@MachineLearnia c'est ça l'objectif ! En plus j'apprends facilement avec vous...vos explication sont compréhensives. Et je suis plus que déterminé pour devenir un data scientist.

[@matvay8281]

Très bonne vidéo encore, continue comme ça. Merci

[@MachineLearnia]

Merci :)

[@patricechirouze844]

Bravo et merci pour ces tutos, même si dans mon cas c'est plus la découverte et la curiosité car a 70ans et retraité, je n'ai pas d'application concrète à développer ! Mais c'est très intéressant et sa complète mon expérience en python.

[@MachineLearnia]

Merci a vous ! Je suis tres heureux de pouvoir proposer mon contenu a des gens curieux comme vous :)

[@MultiMustash]

Je me demandais quel était l'intérêt de Pandas vs une base de données, même en ram genre SQLite. Là, je crois cerner l'intérêt en voyant qu'on peut y faire des slices, des masques, bref, bien plus pythonesque et concis si j'ai bien compris. Je viens du vieux monde, merci pour cette encore excellente vidéo !

[@MachineLearnia]

Merci pour le commentaire. Oui Pandas est vraiment puissant et pratique. Il a été développé par des organisme de l'industrie Financière.

[@OuahibaBOUGLIMINA]

rien n'a dire . Merci beaucoup pour toutes ces explications .

[@belkassem06]

Merci pour ces tutos.

[@MachineLearnia]

Ca me fait plaisir ! Merci de les suivre :)

[@prefilsnguengoro6436]

Merci pour cette vidéo,j'ai vraiment aimé

[@MachineLearnia]

Merci beaucoup

[@lirenzheng254]

Très bonne vidéos, t'as sauvé mon cours d'exploitation de base de donnée

[@MachineLearnia]

Je suis heureux de l'apprendre ! merci a toi :)

[@aymenlazem2062]

merci infiniment Guillaume génial

[@MachineLearnia]

Merci :)

[@aymenlazem2062]

@@MachineLearnia je vous en prie

[@appleprix9543]

Franchement tes vidéos sont vraiment au top du top

[@MachineLearnia]

merci !

[@madaragrothendieckottchiwa8648]

Salut Guillaume belle vidéo comme d'habitude puissance force courage à toi merci pour le lien

[@MachineLearnia]

Merci beaucoup ! Que la force soit avec toi également :)

[@oussamaadachi6301]

Un merci du fond du coeur

[@isaacwakilongoeugene]

J'ai vraiment aimé cette vidéo

[@hmissafatima3206]

merci infiniment pour votre effort

[@laurianesimbou3157]

C'est vraiment formidable 🙏🏽🙏🏽

[@ndukulaafonso2690]

vraiment c´est merveilleux. je dirai la suite...

[@mbouzidane6591]

MERCI BRO , C'EST TRES INTERESSANT LE CONTENU , UNE FOIS DE PLUS MERCI, JE SUIS NOUVEAU SUR LA CHAINE

[@MachineLearnia]

Bienvenue a toi alors :)

[@fatoumataba826]

Vraiment très explicite. Merci un cour suivie et j'arrive à avancer sur mon projet.

[@MachineLearnia]

Merci beaucoup ca me fait très plaisir comme retour ;)

[@pulsorion]

Super, comme d'hab !

[@MachineLearnia]

Merci beaucoup :)

[@dolabok]

Je vois kaggle arriver au loin x) Pour mon plus grand plaisir.

[@MachineLearnia]

Aaah Kaggle, je compte faire BEAUCOUP de vidéos dessus, mais pas dans l'immédiat (je vais poursuivre la série Python pour les prochaines semaines) :D Stay tuned !

[@Cintreenbois]

Bonjour. Je suis bloquée dès la première étape. En effet, dès que j'essaie d'importer le fichier, ce message d'erreur s'affiche : FileNotFoundError. Je n'ai aucune solutions. Que faire ? Merci d'avance.

[@fatoulagnanediop362]

Un grand merci

[@ftmagicart]

Encore une excellente vidéo qui me permet de faire le lien avec Excel que j'utilise au quotidien

[@MachineLearnia]

Je suis content que cela vous aide :)

[@alexe610]

Merci beaucoup pour vos vidéos (TOP DU TOP). Dans un DataFrame déjà constitué et rempli, est-il possible d'inclure ( copier/coller) des colonnes d'un autre tableau (provenant d'Excel, par exemple )? Merci d'avance.

[@Murid-scientist1928]

Bonjour Nous serons très heureux que vous venez sur les fonctions discriminantes dans la reconnaissance des formes

[@MachineLearnia]

je vais le faire, merci ! :)

[@CarlaMilena0112]

ta vidéo est géniale, merci je comprends beaucoup mieux les bases de pandas :)

[@MachineLearnia]

Ca fait tres plaisir de pouvoir aider !

[@zairiabdallah4574]

vraiment mercii beaucoup

[@MachineLearnia]

C'est un plaisir de produire ces vidéos. merci !

[@microtv4853]

Bonjour, Superbe collection de vidéo . Elles sont très pédagogiques; Avez-vous fait ou ferez-vous une vidéo expliquant comment créer un dataset à partir de ses propres images par exemple dans le cadre d' une classification? Merci encore

[@MachineLearnia]

Bonjour et merci beaucoup ! Oui je compte faire plusieurs vidéos pour faire de la vision par ordinateur sur vos propres images (d'ici quelques mois)

[@gastonlag2693]

Eh bien c'est tout simplement génial pour débuter. Merci beaucoup :)

[@MachineLearnia]

De rien :)

[@youssrabrigui7093]

super la vidéo ! merci

[@MachineLearnia]

Merci

[@nassimnaoui5499]

Merci infiniment, c'était claire !!

[@LMGaming0]

Belle vidéo très bien expliquer je m'abonne !

[@MachineLearnia]

Merci beaucoup :)

[@JuliusBosh]

Excellent ! Cependant, pourquoi à 15:02 on a 3 lignes qui sortent alors qu'on a écrit data.loc[0 : 2 , ['age','sex'] ] ? Nous devrions avoir que les lignes d'index 0 et 1 non ?

[@MachineLearnia]

Il est possible que j'ai executé une cellule, puis changé le code, et que j'ai oublié d’exécuter la cellule... Mais en effet tu as raison

[@wilfriedguillemenet4219]

époustouflant

[@MachineLearnia]

Merci

[@samiratizaoui]

merci infiniment

[@MachineLearnia]

Je vous en prie, merci beaucoup !

[@abdellazizlawrizy]

merci pour cette vidéo

[@jialuyu5505]

je sais pas pourquoi mais data = data.drop(['name', 'sibsp', 'parch', 'ticket', 'fare', 'cabin', 'embarked', 'boat', 'body', 'home']，axis=1) ne marche pas avec mon python

[@MachineLearnia]

Quel est le message d'erreur que vous obtenez ?

[@mohamedtouati9663]

'home.dest' not 'home' , python est sensible aux attributes and arguments

[@massonmoise2604]

j'adore. C'est très explicite

[@MachineLearnia]

Merci !

[@vincentdeveix5100]

Bonjour Guillaume, Merci beaucoup encore une fois pour la qualité de tes vidéos elles sont vraiment excellentes. j'ai une question concernant groupby est ce possible de grouper par une fonction (mise en forme de valeurs) ou uniquement par colonne? Pour illustrer mon propos, j'ai une colonne avec des code insee et je voudrais grouper par département, donc les 2 premiers caractères du code insee. Je n'ai pas trouvé d'information sur le site pandas...merci d'avance j'ai essayé sans succès : in[19] df.groupby(['entite',df['code_insee'].astype(str).str[0:2]).sum() in[20] dept = df['code_insee'].astype(str).str[0:2] df.groupby(['entite',dept).sum() :x

[@MachineLearnia]

Merci beaucoup. Dans cette situation, je créerai tout simplement une colonne temporaire qui contient les 2 premiers caractères sur code insee pour ensuite effectuer cette opération de groupby.

[@vincentdeveix5100]

@@MachineLearnia Merci beaucoup, tes vidéos sont vraiment très enrichissantes et poussent à aller plus loin. Bravo !

[@El-see]

Salut, vous utilisez quoi pour afficher les data directement dans localhost ?

[@sprikyy9193]

Je me demandais où doit se trouver le tableau Excel sur notre ordinateur pour pouvoir être importé? PS:je suis sur Pycharms🙂

[@MachineLearnia]

le plus simple c'est de le mettre dans le meme dossier que ton code python.

[@noel9335]

Juste pour info et si j'ai bien compris la session iloc (et loc par la même occasion). Quand on a data.iloc[1, 2], le chiffre 2 fait que la deuxième colonne est prise. Quand on a data.iloc[1:2, 0:2], le chiffre 2 fait que la première colonne est prise mais pas la deuxième colonne. Merci Pandas...

[@MachineLearnia]

C'est une chose commune a beaucoup d'outils de Slicing, et a la base on retrouve ca dans Numpy, et dans les listes (on l'a vu au début de la série). Attention aussi l'index 2 réfère a la 3ieme colonne ! (mais ca je pense que tu l'as compris ^^ )

[@romainguidicelli9792]

super tuto simple à comprendre, merci

[@MachineLearnia]

Je vous en prie !

[@ollie6845]

Bonjour, je viens de (re)decouvrir la fonction cut qui permet de repondre à moitié a l'exercice: le code si dessous marche mais coupe en 4 catégories d'age de longueur équivalente, appelés des quartiles par les statisticiens: data['age']=pd.cut(data['age'],bins=4,labels=(1,2,3,4)) on peu aussi mettre data['cat_age']= cela va recréer une colonne a la fin avec les 4 catégories 1,2,3,4 tout en préservant la colonne âge.

[@MachineLearnia]

Bien joué !

[@leprofesseurghoulali7829]

Excellente explication. Merci

[@MachineLearnia]

Je vous en prie.

[@uriasdomingos5235]

Slt Guillaume ! du coup le fichier excel doit-être importé dans le Jupyter ou pas? Merci d'avance

[@MachineLearnia]

Salut, oui il faut importer le fichier Excel dans ton dossier de travail dans Jupyter

[@uriasdomingos5235]

@@MachineLearnia merci Guillaume c'est très gentil... les cours sont vraiment magnifique

[@90fazoti]

Excellente vidéo et super intéressante merci encore, j'ai une question si on supprime tout les valeurs NAN du dataset avec dropna() ça risque de biaiser notre modèle d'apprentissage après ? merci

[@MachineLearnia]

Merci :) Oui... et non. Tout dépend ! Si les données qui sont supprimées sont distribuées normalement a travers les classes du Dataset, alors le risque de biais est faible. Si en revanche les données NaN sont toutes liées a une situation particuliere , alors le modele sera en effet "biaisé" (ce n'est pas le vrai terme pour parler de ca) car il n'aura jamais vu des données correspondant a une situation particuliere.

[@90fazoti]

@@MachineLearnia merci bcp

[@MachineLearnia]

@@90fazoti de rien, c'était une bonne question qui méritait une réponse adéquate ! :)

[@stephanelecocquen2644]

Bonjour Félicitations pour cette présentation de qualité. Pouvez-vous me donner le code qui permet à la fin de l'activité de générer à partir des traitements réalisés sur Python de générer un classeur Excel ?

[@MachineLearnia]

Pour créer un fichier excel a partir d'un DataFrame pandas il faut écrire df.to_csv('votrefichier.csv')

[@stephanelecocquen2644]

@@MachineLearnia merci beaucoup pour votre réponse. Je vais utiliser vos vidéos avec mes lycéens.

[@MachineLearnia]

Je vous en prie ! J'espere que vos élèves accrocheront. Merci de me dire si mes vidéos les intéressent... ou pas ! :)

[@franckboris2420]

bonsoir monsieur, j'ai un problème avec le chargement du dataset du titanique que j'ai téléchargé . Au niveau de spyder, quand je le charge, on me dit un truc du genre fichier introuvable que dois je faire ? merci .

[@vfx7t]

Merci !

[@jeanclaudejosephbadji5418]

Bonjour Guillaume, Merci pour ces videos comment supprimer une ligne normale?

[@e.s.souvenirsama19]

Merci pour la vidéo Peut tu nous faire une ainsi concernent le réseau U-Net et la bibliothèque Keras?

[@rajaaouadi8250]

vidéo clair, facile à suivre

[@itchich8377]

Merci pour votre réponse. Quand je t'appe le code: Pd.read_excel('hh.xls') Le fichier ne télécharge pas ??

[@chedizaghdoudi]

woooowww très cool. Merci infiniment

[@MachineLearnia]

Merci content de savoir que la vidéo vous a plu !

[@jean-louissornay2756]

bonjour, guillaume je commence à mieux comprendre comment je vais travailler avec mes données, car je possède 600 Go de données répartis sur plusieurs dizaines de fichiers, des valeurs acquises par un accéléromètre. Sur ces valeurs j'ai appliqué des fonctions comme la RMS, le facteur de crête ou le kurtosis etc.

[@elghazouanimohammed6639]

Salut, super série. Merci pour ton partage. Y a un petit typo à 2:28, un point traine sur df.['column'].value_counts() entre df et ['column']. Merci encore.

[@MachineLearnia]

Merci beaucoup pour avoir remarquer cela ! :)

[@zakarianaji6584]

thanks man,

[@yanistou5392]

Super vidéo merci ❤️❤️❤️

[@MachineLearnia]

De rien ! :)

[@armeljoelirie3797]

T'es le meilleur Guillaume :)

[@MachineLearnia]

Merci :)

[@armeljoelirie3797]

@@MachineLearnia Mais tu n'a pas repondu concernant mon probleme de jupyter

[@jeanclaudecelius2394]

Bonjour, Je vous félicite pour le travail si important que vous faites à but non lucratif. je suis nouveau en python, je veux faire des analyses statistiques en python. j'applique vos mêmes démarches utilisées dans les vidéos. cela m'affiche toujours des erreurs. Votre aide en ce sens me serait très utile afin d'appliquer vos explications sur mes propres jeux de données.

[@MachineLearnia]

Bonjour et merci beaucoup. Nous pourrons plus facilement vous aider sur le serveur discord (lien dans la description) car nous pourrons échanger du code ensemble

[@jeanclaudecelius2394]

@@MachineLearnia j,'utilise jupiter notebook. Voila comment je procède Import numpy as np Important pandas as pd Import matplotlib.pyplot as plt. Df = pd.read_csv("data.csv") prinint(Df)

[@sfon996]

Salut Guillaume, quel bonheur tes vidéos!! Idéal et nettement plus "user friendly" que de se plonger dans les docs officielles ;-). Je me demandais s'il était possible d'accéder à des "chapitres" précis de la vidéo sans avoir besoin de la parcourir complètement pour pouvoir revenir sur certaines fonctions... Est-ce qu'il y a un descriptif de tes vidéos? Un grand merci à toi. De716

[@MachineLearnia]

Hello et merci a toi. Alors pour info je suis en train de préparer un petit livre qui résume toutes les fonctions qu'on a vu dans cette série de vidéos. Et sinon au bas de chaque vidéo il y a dans la description la timeline pour accéder plus rapidement aux différents cahpitres.

[@sfon996]

Ah super j’avais pas vu. Et c’est top pour le livre, encore merci pour ce partage de tes connaissances ça aide beaucoup la communauté !!

[@sfon996]

@@MachineLearnia Salut Guillaume, j'ai une question au sujet des masques : est-il possible d'utliser un dataframe comme masque d'un dataframe plus grand? J'ai en fait une base de questions, avec en index le nom des objectifs et pour chaque objectif correspondent des questions avec un niveau de taxonomie spécifique... Le template pour faire l'exam est un tableau avec une partie de ces mêmes objectifs et des niveaux de taxonomie. J'aimerais donc utiliser ce template pour aller sélectionner directement toutes les questions correspondantes à ces objectifs et taxonomies... Est-ce faisable? Mille merci encore pour tes vidéos.de716

[@Moulymusic]

Bonjour, merci pour la richesse et clarté de vos tutoriels. A la fin de la vidéo quand vous expliquez les méthodes de mask puis de boolean indexing je rencontre une erreur avec la ligne '

[@MachineLearnia]

Pour etre sur de votre erreur, il faudrait venir sur notre discord pour partager votre erreur dans les détails.

[@noel9335]

Jusqu'à maintenant on a utilisé Numpy pour les matrices. D'ailleurs précédemment l'exemple sur le "Titanic" a été utilisé avec Numpy et SKLearn. Pourquoi maintenant utiliser Pandas ? Quand donc utiliser Numpy et quand utiliser Pandas ? A+ ;)

[@MachineLearnia]

Tres bonne question ! A la base, on utilise Numpy tout le temps, car ca nous permet de stocker les nombres pour faire tous nos calculs. Cependant, on a développé un Outils appelé Pandas pour faciliter la manipulation de Données lorsque celle-ci sont sous forme tabulaires (genre tableau excel). Et beaucoup de projets de data science ont des données sous cette forme la. Donc dans la pratique on charge nos données avec Pandas, on les manipule avec Pandas (et certaines fonctions de Numpy car pandas est construit par dessus numpy) et quand on a finit d'analyser nos données, on les passent dans sklearn pour faire du machine learning avec

[@noel9335]

@@MachineLearnia Merci pour ces explications.

[@MachineLearnia]

@@noel9335 de rien :)

[@mohammedelmassaadi-yv8bz]

j'arrive pas à importer des fichiers sur jupyter, merci de me conseiller comment je peux le faire, j'ai télécharger anaconda python et je travaille avec jupyter

[@amrimanel3855]

Merci , svp des autres projets

[@MachineLearnia]

il y en a pleins d'autres sur la chaine

[@businessetmotivation390]

merci bcp

[@ahtaziber3609]

Je suis vos séries, et vraiment j'avance bien avec vous, du coup je vous demande de nous faire une vidéo d'analyse de base de données " Chicago crime" Merci

[@MachineLearnia]

J'ai prévu de le faire en 2021, c'est parfait ! ^^

[@ahtaziber3609]

@@MachineLearnia merci infiniment , j'attends avec impatience

[@mamadoudiouf746]

super video comme toujours je voudrai juste savoir comment importer le fichier excel dans spyder. merci d'avance

[@issabarack8590]

Salut Guillaume! La correction de l'exercice en fin de vidéo se trouve dans quelle vidéo? (Je n'ai rien trouvé dans la vidéo 18). Merci pour ta réponse 👍

[@MachineLearnia]

Salut ! La réponse est bien dans la vidéo 18 (avant l'exercice sur le bitcoin)

[@issabarack8590]

Ok je la pensais en fin de vidéo! Merci!