RÉGRESSION LINÉAIRE NUMPY - ML#8

[@bilalkerrouche3501]

si seulement nos profs de l'université étaient comme vous, vraiment chapeau, une simplicité et clarté incroyable

[@MachineLearnia]

Merci pour ce commentaire génial ! :)

[@misterpoof3197]

ouais

[@SantoshLLC]

Remettez lui une légion d'honneur! Il ouvre des portes à un tas de gens et ça c'est juste énorme!!

[@MachineLearnia]

Merci beaucoup pour cette reconnaissance, ca me touche beaucoup

[@eliasbellouti9691]

@@MachineLearniamoh ptit chat ( il a totalement raison❤)

[@SoufianeBALLOUKENSEM]

l’Étude de cas que je rêve de faire est le prédiction des pannes au niveau des équipements industriels; en utilisant des DATA du système SAP ou bien des fichier Excel de saisie des pannes (du service maintenance) . Excellent. Des explications claires, merci infiniment de tout ce que tu fais pour tous ceux qui veulent se lancer dans ce domaine de ML.

[@MachineLearnia]

Pour faire ce genre d'étude, je t'invite a visualiser la vidéo 24/30 Python machine learning dans laquelle je parle de détection d'anomalies.

[@SoufianeBALLOUKENSEM]

​@@MachineLearnia je suis l’enchaînement de la formation; je sui maintenant à 16/30

[@fatoumatabalde436]

Franchement je vous remercie infiniment pour votre capacité à transmettre vos connaissances de manière efficace et inspirante. Votre pédagogie est innée. Chapeau bas professeur👏👏👏.

[@LOBAAR-Afrique]

Je regarde et applique tes leçons sans voir le temps passé. Tu es juste formidable !

[@MachineLearnia]

Time code de la vidéo: 00:24 : Chargement des modules 01:50 : Génération d'un Dataset et des tableaux Numpy adéquates 08:01 : Implémentation du modèle linéaire 09:50 : Implémentation de la fonction coût : Mean Squared Error (MSE) 11:58 : Implémentation du Gradient et de la Descente de Gradient 14:50 : Entrainement du modèle de Régression Linéaire 18:00 : Courbe d'apprentissage 20:25 : Coefficient de détermination

[@isaacmboyoilumbe8409]

Merci beaucoup pour la vidéo. J'ai un problème au niveau de la courbe d'apprentissage. Après avoir défini cost_history au niveau de la fiction descente de gradient, quand je lui attribue la même valeur à theta_final; ça renvoit une erreur : NameError: name 'cost_function' is not defined

[@duflotjean]

Excellente vidéo, que je vais m'empresser de rejouer (je suis du genre je comprends vite mais il faut m'expliquer longtemps). Les infographies et le résumé des équations sont également bien pratiques, imprimés. Merci pour ce gros boulot.

[@MachineLearnia]

Super c'est vraiment bien ! Merci de parler de La chaîne Machine Learnia à vos amis ! :)

[@alainvihumbira8354]

Merci Guillaume pour les vidéos, la playlist, le livre franchement ça déchire et du coup on se rend compte qu'on a acquis quelque chose de nouveau, le contenu est clairement expliqué vraiment c'est à féliciter.

[@MachineLearnia]

Merci beaucoup :)

[@JOE-nf4ys]

Vous êtes un excellent pédagogue,merci beaucoup.

[@aletonadikpeto9273]

Je débute avec le Machine Learning et franchement en terme de pédagogie, je vous tire mon chapeau. Bravo l'artiste ;-)

[@yves-albanlehaire7205]

Me rendre compréhensible des équations mathématiques c'est un tour de force! Bravo et merci

[@MachineLearnia]

C'est un grand compliment que voila, merci beaucoup !

[@etudefrancaise6549]

votre expliquation est claire et intuitive, continue c'est magnifique

[@robesgael7490]

Merci énnormement pour ce travail. je viens de me lancer dans le ML et j'evolue tres vite grace à vos tutos. merci

[@MachineLearnia]

Bienvenue dans la communauté

[@bambaspoid10]

Merci Beaucoupe senior Guillaume! Depuis que je vois vos videos, je ne me lasse plus de les regarder,il y a la pedagogique et c'est accessible. Merci encore,continue de nous regaler

[@MachineLearnia]

Merci beaucoup ! Oui je continuerai toujours, c'est promis ! :)

[@khadidjamou8591]

Je vous dis un grand merci pour le temps que vous avez consacré à cette formation, elle est très bien explicite. et merci aussi pour votre livre

[@MachineLearnia]

Bonjour et merci beaucoup ! :) Oui je pense que votre erreur vient du fait que vous avez mal redimensionné le vecteur y ! Veillez a bien écrire la ligne que j'ai indiqué dans le tuto : reshape()....

[@khadidjamou8591]

@@MachineLearnia merci pour votre réponse, l'erreur était le fait que je n'ai pas compiler une cellule, 😅

[@MachineLearnia]

Ahah ca m'arrive aussi parfois !

[@اعادةنظر-غ2ع]

Vous êtes fabuleux tout simplement

[@jean-louissornay2756]

Bonjour Guillaume, ces vidéos sur le ML elles sont parfaites, pour 2 raisons: la première elles sont courtes la seconde elle traite l'essentiel du sujet merci à tout ce que tu fais. je suis un débutant en ML et grâce à toi j'apprends beaucoup. je vais pouvoir appliquer cela à mon projet d'usure d'outils en mécanique.(usinage de pièces) je pense être obligé d'utilisé des algorithmes non supervisés, car je ne connais pas la target. encore un grand merci à ton savoir faire et a ton savoir être. jean-louis

[@williamwargniez758]

Salut Guillaume, merci pour ces cours topissimes sur le machine Learning. Vraiment très utiles et très clairs comme beaucoup l'ont mentionné.

[@MachineLearnia]

Merci beaucoup, ça fait toujours plaisir de continuer a recevoir ce genre de message ;) Merci a toi !

[@koudaogokabore1953]

Un cours tres parfait, vous venez de me donnée un gout profond aux machines learning

[@MachineLearnia]

Merci beaucoup, ça fait très plaisir de donner aux gens de la motivation !

[@DucDeBoko]

Excellent. Des explications claires, merci infiniment de tout ce que tu fais pour tous ceux qui veulent se lancer dans la datascience.

[@MachineLearnia]

Merci beaucoup pour ton commentaire ! :)

[@mkd0x]

Excellent ! Tu m'as redonné envie de faire des maths alors que j'en avais abandonné l'intérêt depuis la fin du collège. Chapeau !

[@MachineLearnia]

Quelle bonne nouvelle ! Je t'encourage a rester motivé ! tu iras loin ! :)

[@h30441]

Merci infiniment, mnt je comprends machine learning à travers vos vidéos, mon application est la détection et réaction des attaques dans un réseau ad hoc véhiculaire. Vos conseils je suis au début.

[@MachineLearnia]

Bravo ! Bon courage dans votre projet !

[@ffjffj9133]

Votre formation est juste tip-top! Sérieusement, vous devriez enseigner en université (ou alors, en formations d'entreprise). En plus de former, vous savez donner l'appétence pour la discipline! Je dis çà et je suis plus étudiant depuis plus de 20 ans!

[@MachineLearnia]

Merci beaucoup, je suis très flatté par votre compliment !

[@armellevouffo3510]

excellente vidéo je suis débutante en Machine learning et vos vidéo m'aident vraiment. Merci

[@MachineLearnia]

Ca me fait tres plaisir, merci :)

[@MohamedSeiffedineAzzabi]

Vraiment bravo et merci, je suis enseignant universitaire et chercheur et j'utilise votre chaîne pour apprendre

[@MachineLearnia]

Merci a vous pour votre confiance.

[@eddychristiantabouguiadjok3669]

j'adore.. et comme exemple d'algorithme de ML que j'ai envie d'implémenter c'est un algorithme de reconnaissance facial tres performant avec une performance de 0.98. Encore Merci et beaucoup de courage.

[@yassinebouzidi8964]

je suis physicien et je vais appliqué machine learning and deep learning en physique je suis débutant je viens de commencer avec vous vidéo

[@MachineLearnia]

Bonjour, en tant qu'ingenieur dans l'industrie, c'est une chose que je fais au quotidien !

[@yassinebouzidi8964]

@@MachineLearnia c'est génial donc vous allez m'aider 😊 c'est vous pouvez me donner leq application de deep learning dans le domaine d'industrie je suis technicien de maintenance dans un usine et je veux continuer mes études universitaires

[@MachineLearnia]

@@yassinebouzidi8964 Elles sont trop nombreuses pour pouvoir les lister. A partir du moment ou vous avez des données et que vous pouvez construire un modele empirique, le Deep Learning peut vous aider : detection de défaillances, reconnaissance d'images, etc etc

[@robotmaster1036]

c'est trop top cette vidéo, Guillaume ! je suis devenu accro du ML : ) Merci pour tout le temps que tu prends à expliquer clairement et succinctement.

[@MachineLearnia]

Il est bon de devenir accroc au ML, c'est une bonne passion ;)

[@robotmaster1036]

@@MachineLearnia la fac me prend mes journées, et Machine Learnia est dans la conquête de mes nuits :)

[@StephaneAndrianjakarivelo]

Bonjour vraiment top vos vidéos, BRAVO!! Je suis grand débutant dans ce monde et c'est encourageant grâce à vos vidéos. J'ai pour ambition de créer un outil de prédiction de la complexité du trafic aérien dans un secteur de contrôle, pour en déduire la capacité réel en temps réel de ce secteur au vue de la charge de travail attendue pour le controleur. Sujet compliqué mais j'espère y arriver par ce biais. bravo encore

[@ismaiyl07]

un tres grand merci à vous Mr Guillume

[@MachineLearnia]

de rien :)

[@moussabamba6216]

vraiment vous êtes très vraiment chapeau à vous car tout est expliqué dans votre vidéo

[@MachineLearnia]

Merci :D

[@ElBasraoui]

Merci infiniment. Une simplicité et clarté incroyable Remarque : vous pouvez faire le produit matriciel en utilisant l'opérateur @ Ex: X @ theta

[@inirutnev3262]

Bonjour, je suis tout simplement impressionné par tout ce travail de grande qualité (pédagogique et informatif) que vous mettez à disposition de tous. Je n'ose imaginer tout le travail de synthèse que vous avez dû effectuer à partir de tout ce que vous avez appris (sans oublier le travail sur les vidéos) durant tant d'années d'études. Vous donnez envie d'apprendre. Je vais aller au bout de votre formation et je saurai vous dire merci à ma façon. Amitiés

[@MachineLearnia]

Je vous en prie, votre message me fait tres plaisir. merci a vous ! :)

[@dianbarry7245]

Bonjour Ini Rutnev, comment allez-vous ? Vous avez suivi ce cours il y a deux ans, pouvez-vous partager comment cela a affecté votre travail quotidien depuis ? Avez-vous réussi à appliquer les connaissances dans le domaine de l'IA ? Si oui, auriez-vous des conseils à donner pour les débutants ? Si non, qu'est-ce qui vous a empêché de le faire ? Je suis développeur full-stack avec une expertise en Java, Spring Boot, ReactJS et Angular et j'aimerais connaître vos réflexions à ce sujet. Merci !

[@OusmaneSall]

Oh la la superbement expliqué...On a envie d’applaudir à la fin

[@MachineLearnia]

Merci :)

[@m28_of_skyle_bg55]

C'est vraiment génial. Je trouve la pédagogie assez simple et ouissante

[@MachineLearnia]

Merci :)

[@eliotvallee4537]

Excellente vidéo ! Je suis spécialisé dans le CRM (Salesforce) et il y a tout une brique sur l'IA (Einstein Analytics). Vos vidéos me permettent de comprendre vite le fonctionnement du ML et les technos à prendre dans son bagage ! Merci ! ;)

[@MachineLearnia]

Je suis très heureux de pouvoir vous être utile dans vos projets :) Bravo !

[@khadidja456guemat6]

Merci beaucoup! Ted vidéos sont très simples et utiles. Moi je vais normalement l’appliquer à mon projet de fin d’études pour la gestion des biens d’ine entreprise.

[@julienmandon7068]

Bravo à toi pour ta pédagogie. Bien meilleur qu'une formation payante que je suis en datascience. Comme quoi quand il n'y a pas de vision de business et de gain d'argent, les choses sont bien ! Bravo encore à toi pour les montages ainsi que le contenu .

[@MachineLearnia]

Merci ca me fait extrêmement plaisir ! Vous êtes de plus en plus nombreux a me dire ce genre de choses. Bon courage dans tes projets et si tu as la moindre question, surtout n'hésite pas !

[@kingprince1860]

Encore merci, car j'ai débuté avec la formation python qui est excellent mais j'avais stopper(démotiver) un moment car c'est dure d'enchaîner les notions sans voir les applications concrètes, je ne parles pas des petit exos mais d'une étude du début a la fin comme tu l'as fait la (C'est à la vidéo 8 mais comme elles sont courtes ça va). continue ainsi c'est à prendre en compte pour les améliorations. c'est toujours mieux de voir la finalité (Voir a quel point c'est géniale pour nous motiver à le refaire) et apprendre les détails de ce que l'on à vu. Au lieu de commencer avec les détails sans en voir la finalité au début. "ça sert à quoi de vouloir fouetter un âne quand on peut le faire avancer avec du sucre" 😂😂😜✌

[@MachineLearnia]

Tout a fait d'accord je prendrai cela en compte !

[@benoitperez8097]

Bonjour, Merci beaucoup pour votre réponse si rapide. Je m’y colle tout de suite pour préparer les cours de la rentrée. Cordialement. BP

[@MachineLearnia]

Quelle motivation ! :)

[@abdoulkande9450]

Il m'arrive très rarement de laisser des commentaires videos mais là chef d'oeuvre oft vous touchez le plus important l'aspect mathématique pour ne pas que des gens comme moi pensent que c du abracadabra Vraiment merci j'ai lu le livre et c'est excellent non mais génial. En wolof Ndanane Ga goor Fall !!!

[@MachineLearnia]

Merci beaucoup ça me fait très plaisir ! :)

[@Mohamed-uf5jh]

c'est juste WAW formidable , c est la première fois que j assiste a un vrai exemple facilitation Guillaume (tuto trop trop riche )

[@MachineLearnia]

Merci beaucoup :)

[@kanzkone2008]

Merci Guillaume pour ces vidéos.

[@MachineLearnia]

de rien :)

[@kamalibraimm2751]

Merci beaucouq... tes videos sont interessants et clairs et tu m'a motivé a apprendre la machine learning surtout que je vise a l'hybrider avec les metaheuristiques pour resoudre un probleme combinatoire 👍

[@naimimo8910]

Merci infiniment pour cette formation très utile

[@kriscillia]

Excellente vidéo, merci beaucoup !

[@mohamedbebay8603]

le meilleur professeur sans aucune doute

[@hb650722]

Je suis un nouvel abonné et nouveau à Python et ML, je visualise un an après et c'est le top tu top

[@MachineLearnia]

Merci beaucoup et bienvenue dans notre communauté, si tu as des question je serai la pour t'aider, gratuitement !

[@abdelrahmane657]

Inspiring teaching. Excellent structure and best ever pedagogy. You are really want to transfer knowledge’s. 🙏👏👌

[@julienmichet6473]

Vraiment bravo pour ces vidéos extrêmement bien faite !

[@MachineLearnia]

Merci beaucoup !

[@pierrelafontaine5671]

Merci pour ces explications très claires

[@MachineLearnia]

je vous en prie :)

[@MB-em9ek]

Super cool cette méthode de régression linéaire par descente de gradient. J'ai suivi un cours d'économétrie où on faisait la méthode classique d'inversion matricielle, mais évidemment les datasets étaient tout petits ou bien les coeffs étaient donnés et on demandait de l'interprétation des résultats... Enfin une méthode pour les grosses bases de données quantitatives ! Nice. :)

[@MachineLearnia]

Tu as tout résumé dans ton message, c'est tout a fait ca ! :)

[@bambi_gamer2597]

très bonne video enfin un cas pratique ! mais il nous faut un example avec une Dataset reel comme les données des clients d'une Banque ..etc

[@MachineLearnia]

Avec la loi GDPR c'est malheureusement impossible... Non je plaisante ! ^^ Les études de cas viendront bientôt ! pas de panique !

[@Carouan]

Tellement passionnant. Merci beaucoup. 🙂

[@michel_p5021]

Merci Guillaume !!!👍

[@aldair9787]

Cette vidéo dure 23 min, mais elle va me servir toute une vie

[@MachineLearnia]

Je l’espère !

[@NesrinJebali]

si seulement notre prof de l'université était comme vous

[@dali_officiel8313]

Franchement je vous remercie infiniment

[@RE-ef8dl]

Bravo. Ces vidéos sont parfaites et permettent de bien comprendre tout ce qui peut être caché par la suite. Dommage qu'il n'y ait pas une vidéo similaire pour le modèle de régression logistique.

[@alexandrelambert5536]

Bonjour et une regresdion logistique aussi bien expliquée j'adorerais...

[@noursoftsalah3763]

salut bro vraiment chapeau et merci Bqqqq pour cet vidéos mon projet c'est de modélisation des inondations par AI (Maching learning)

[@hassanben_amar2495]

merci Guillaume, je te remercie bien !

[@MachineLearnia]

de rien :)

[@marcchicha1058]

Bonjour, et merci pour cette super série de vulgarisation, ces vidéos, ce livre, ces outils : C'est vraiment un cours très bien fait, particulièrement efficace, et qui va exactement à l'essentiel sans encombrer l'esprit de détails inutiles pour une formation accélérée. Donc deux mots : BRAVO, et MERCI ❗️😉 Cette video dans le détail, sur ma console Jupyter, j'obtiens toutefois une erreur sur l'entraînement du modèle : Le calcul du theta_final plante à la ligne 4 avec une TypeError : 'float' object is not callable, dans le calcul de theta. Pour info, au lieu de créer le X avec hstack, j'ai concatené un vecteur de ones sur l'axe 1. (Je voulais faire le malin 😎) du coup, j'ai créé les ones avec dtype=int, mais ça plante pareil... Une idée pour me débloquer ?

[@MachineLearnia]

Merci beaucoup Marc ! J'ai mis le code sur mon github, je t'invite a comparer ce que tu as écrit avec le code, il y a peut-etre une petite faute de syntaxe (c'est l'erreur la plus courante). Si tu ne trouves pas la réponse, je t'invite a rejoindre notre serveur discord sur lequel je pourrais t'aider en live avec d'autres membres de la communauté. Good luck ! :D

[@mohamedchennani5606]

Bravo c'est bien expliqué

[@MachineLearnia]

Merci a vous !

[@cyrilww3750]

Encore une vidéo canon ! Je tapais limite en temps réel le code, et voyais les résultats en live, c'est du bonheur d'apprendre comme ça ! :)

[@MachineLearnia]

Merci beaucoup, j'approuve votre facon de faire :)

[@pierregalliot7448]

J'avais peur de me lancer dans l'intelligence artificielle... mais ça m'a motivé comme jamais 😄

[@MachineLearnia]

Je suis très heureux de l'apprendre ! BRAVO ! :)

[@charliecode]

vraiment t'es un bon..là je comprends un peu plus merci

[@MachineLearnia]

De rien, et merci ! Je suis heureux d'avoir pu vous aider à mieux comprendre grâce à cette vidéo :)

[@laurekameni9769]

Bonsoir!! Très bonne méthodologie d'explication ..Vraiment coup de chapeau. Des vidéos avec des imports de dataset en csv ou Excel avec des phases de test et train serait le bienvenu. J'ai lu votre livre et je suis fan de vos vidéos de formation très explicite....et Merci pour les efforts fournis

[@MachineLearnia]

Bonjour Laure et merci beaucoup :) J'ai fait de telles videos dans mes autres playlist, par exemple les vidéos 17 - 29, elles sont tres completes sur toute la méthode a utiliser en Machine Learning, je pense qu'elle vous plairont :)

[@DataTechHub]

Excellent travail comme d'habitude force à toi

[@fatimaezzahraboubagura7387]

Rien à dire! vidéo excellent !

[@kevinngouffo4188]

je vous remercie tout d'abord pour cette vidéo assez explicite et simple et le modèle de machine Learning que j'aimerais réaliser avec cette méthode d'apprentissage supervisé est un celui d'une reconnaissance vocale :)

[@MachineLearnia]

Pour ca il vous faudra apprendre le Deep Learning (j'en fais une formation gratuite sur KZbin) Puis Keras et les RNN

[@erricolibertad9255]

Excellent ! Merci beaucoup pour votre travail et votre générosité car mettre tout ça disponible gratuitement c'est vraiment génial ! Comptez sur moi pour vous faire de la pub !

[@MachineLearnia]

Merci beaucoup pour votre soutien :)

[@abdellazizlawrizy]

très bonnes explications, merci

[@racontemoi4682]

TU ES LE MEILLEUR

[@alexfranck5896]

vraiment super merci pour tout.

[@djeiladiakite6161]

Merci beaucoup pour l'effort fournir Monsieur.

[@MachineLearnia]

Merci

[@dominiqueheuna1101]

Superbes explications. J'aurais dû tomber dessus plus tôt

[@MachineLearnia]

Merci. Mieux vaut tard que jamais comme on dt !

[@daxbrin8083]

Super vidéo c'est un domaine tellement fascinant ! Hâte de voir la suite sûrement pour appliquer du concret a la théorie

[@MachineLearnia]

Merci :)

[@mohammedelhachoumi1442]

Vous etes le meilleur ❤

[@coulibalyaziz6824]

Merci pour les vidéos je commence sur python principalement machine learning ( random forest, gradient etc) ça m'aidera.

[@MachineLearnia]

Merci et bravo pour votre motivation a commencer Python ! On verra tous ces algorithmes prochainement ! :)

[@coulibalyaziz6824]

@@MachineLearnia merci à vous je suis actuellement vos vidéos sur 30 jours très instructives je suis en actuariat et j'apprends python en autodidacte. J'ai l'impression d'avancer pour une fois car la formation est très ciblée et précise. Courage à vous et encore merci

[@MachineLearnia]

@@coulibalyaziz6824 Merci beaucoup :) Bravo pour vos progrès ! Continuez ainsi ! :D

[@coulibalyaziz6824]

@@MachineLearnia hâte de voir vos études de cas avec des data sets. Bonne continuation à vous Mercu

[@banslebear1917]

Super vidéo, très clair, concis. C'est top.

[@MachineLearnia]

Merci beaucoup ! :)

[@guesmiimen2350]

Bravo Guillaume vraiment chapeau, tu m'as donné envie de devenir un data scientist :) je veux créer un programme qui teste si une personne est infecté par le virus covid-19 ou non

[@MachineLearnia]

Merci beaucoup, c'est un immense plaisir ! :) Pour ca il faut trouver un dataset lié a ce projet, et je travaille en ce moment sur la recherche d'un tel dataset. Ce qu'on trouve sur internet est souvent trop "simple" pour créer un modele réellement efficace.

[@guesmiimen2350]

@@MachineLearnia merci :)

[@noursoftsalah3763]

j'ai besoin un coup main merci Beaucoup

[@redabekka5940]

Merci pour vos cours ,svp pouvez vous nous faire des cours a propos du deep learning ou ML avec la reconnaissance faciale

[@MachineLearnia]

Merci beaucoup. Oui je prévois de faire une série de plusieurs vidéos sur le Deep Learning et la reconnaissance faciale !

[@SantoshLLC]

@@MachineLearnia J'ai hâte!

[@kameltourki2359]

Excellent Guillaume ! Keep this work up :) !

[@MachineLearnia]

Thanks a lot :)

[@arnaudh2082]

Petit commentaire pour le référencement ;)

[@MachineLearnia]

Merci beaucoup j'en ai bien besoin !

[@Infosimmediate]

Merci beaucoup

[@zinabouattou9531]

merci infiniment

[@marieangela864]

Merci beaucoup, ce cours est intéressent

[@MachineLearnia]

C'est un plaisir, merci a vous :)

[@lachainedejosueromba6233]

Très bonne vidéo :)

[@MachineLearnia]

Merci beaucoup ! Avez-vous pu regarder jusqu'au bout?

[@lachainedejosueromba6233]

@@MachineLearnia Oui oui. Comme cas pratique, vous pouvez par exemple mettre en corrélation le poids d'un individu en fonction de sa taille et la circonférence du poignet et faire ressortir un résultat proche de la Formule de Monnerot-Dumaine. Reste juste à trouver sur internet la bonne dataset pour cela :)

[@MachineLearnia]

@@lachainedejosueromba6233 Bonne idée !

[@jean8405]

Je rêverai de faire un algorithme de prédiction de crime grâce au machine learning (pour mon sujet de TIPE en prépa scientifique). J'ai déjà un modèle grâce à des articles scientifiques qui se base sur des hotspots càd des zones à forte attractivité (pour les cambriolages ici). Cependant les paramètres recherchés sont nombreux et le modèle se base sur deux équations différentielles (qui me semble difficile) et donc n'est pas aussi simple qu'une fonction polynomiale. Je pense pouvoir surmonter ces difficultés mais j'ai du pain sur la planche :). J'ai plusieurs questions (peut-être que tu y réponds dans tes prochaines vidéos) : - Est-ce que le principe reste le même malgré les différences de modèles ? - Comment choisir une fonction coût approprié ? Surtout dans le cas d'un algo prédictif Bref merci pour tes vidéos de qualité je pense que tu m'as fais gagné beaucoup de temps. PS : Si ça t'intéresse, voici l'article que je mentionnais www.pnas.org/content/107/9/3961

[@MachineLearnia]

Salut Jean, désolé pour ma réponse tardive (j'ai déménagé donc je n'étais pas disponible) La prédiction de crime est une application courante en Machine Learning en fait donc tu tombes bien ! Je te conseille de regarder mon autre série de vidéos python (pas celle la) dans laquelle je parler des algorithme de classification. Tu pourras tenter de faire des arbres de décision, voir des random Forest ou bien des modeles XGBoost. Pour la fonction Loss, ca sera une cross-entropy Pour mesurer la performance de ton modele, il te faudra utiliser une mesure telles que le AUC, F1 score, Recall, ou Precision (j'en parle dans la série) Le principe reste 100% le meme pour tous les modeles : minimiser une fonction erreur en ajustant les parametres du modele grace a un algorithme d'optimisation. J'espere avoir de tes nouvelles car ton projet me plait beaucoup !

[@jean8405]

@@MachineLearnia Merci beaucoup pour ta réponse ! Ta chaîne KZbin est une pépite et ça fait énormément plaisir que tu répondes aux questions ! Je vais m'amuser à étudier en détail les vidéos de ta chaîne :)

[@aniis5574]

Merci beaucoup, vous êtes magnifique, Je veux faire un assistant vocal et l'intégrer dans une maison intelligente.

[@MachineLearnia]

Je vous invite a apprendre python en profondeur (en commencant par exemple par ma série a ce sujet) puis de continuer avec Tensorflow (je vais bientot sortir une série a ce sujet) pour apprendre le Natural Language Processing. Good Luck !

[@aniis5574]

@@MachineLearnia Oho c'est magnifique ; Merci infiniment , j'attends votre nouvelle série

[@abakarmahamat3206]

la personne qui a disliké Dieu te voit! Sinon excellente video Mr, j'ai besoin de discuter à propos d'un projet perso avec vous. Ou est ce que je peux vous joindre? Merci et bon courage!

[@MachineLearnia]

Ahah merci ;) ce n'est pas grave pour le dislike, ce qui compte c'est l'aide que j'offre aux gens, et ça me fait plaisir de voir que j'arrive a aider les gens. Vous pouvez me contacter sur Discord ( le lien est dans la description) mais je suis tres occupé pendant les prochains temps car je prépare de nouveaux projets !

[@abakarmahamat3206]

@@MachineLearnia ok je comprends.Merci et bon courage à vous pour vos projets!

[@thiampape3394]

ça doit être un jaloux

[@alpdrone]

Un grand bravo ! J'ai hâte de voir de véritables études de cas ;) ( en regardant le notebook je trouve dommage qu'il n'y ait pas une fonction de calcul de dérivée partielle en un point afin de donner la pente, c'est l'unique question qui subsiste dans mon esprit )

[@MachineLearnia]

Merci beaucoup ! Je vais bientôt faire des études de cas ! Ah oui on pourrait compléter le notebook avec cette information ça serait utile d'un point de vu mathématique, bien vu !

[@rabiizahnoune7014]

merci bq prof😍

[@redh5859]

Hello D'abord merci pour les cours. Bravo à toi Seulement en arrivant au calcul de theta_final, je retrouve un vecteur de 2×100 !

[@MachineLearnia]

il y a une erreur de dimension dans ton code, (lié au broadcasting). Il faut bien redimmensionner y au début du code (regarde mon code sur github)

[@redh5859]

@@MachineLearnia c'est bien le redimensionnement de y qui pose problème Merci

[@iboukah]

Bravo !!!!

[@MachineLearnia]

merci

[@worldrankings2949]

Question qui peut avoir l'air conne mais du coup les fonctions que tu créé (model, cost_function, etc... ) elles sont toujours sous cette forme ? enfin je veux dire, c'est toujours ces arguments la et ca return toujours la même chose ?

[@MachineLearnia]

Merci pour ta question (pas idiote du tout !) Pour une régression linéaire (et polynomiale, voir la vidéo suivante) oui les fonctions ne changent pas ! :) En revanche, si on veut développer un modèle de régression logistique, alors les fonctions changeront un peu. De même si on veut changer de fonction coût, par exemple prendre une Mean Absolute Error (MAE) au lieu de l'erreur quadratique moyenne (MSE) alors la fonction coût va changer un peu. Un dernier exemple qui affecte la fonction coût c'est si l'on ajoute une régularisation. Je parlerai de tout ça dans les vidéos futures :)

[@90fazoti]

Merci bcp pour cette formation j'aimerai bien apprendre aussi le deep learning (neurones & sequence) merci

[@MachineLearnia]

Merci, je vais faire une série dessus début 2020 ! :)

[@h-ray9363]

Salut j'ai un problème ça me dit cela NameError Traceback (most recent call last) Cell In[26], line 1 ----> 1 print(x.shape) 2 y = y.reshape(y.reshape[0],1) 3 print(y.shape) NameError: name 'x' is not defined