Les modèles que vous devez absolument connaître en Machine Learning
Vložit
- čas přidán 25. 07. 2024
- Abonnez-vous à la chaîne afin de me soutenir, grâce à votre abonnement vous allez faire grandir cette chaîne et me permettre de créer plus de contenus.
Les modèles linéaires sont parmi les plus utilisés en du machine learning.
Dans cette vidéo, vous allez apprendre toute la théorie, mais aussi comment appliquer vos nouvelles connaissances avec les fonctions du packages Sklearn en Python.
Avoir accès à la formation en ligne :
www.aiforyou.fr/formations-en...
Si vous voulez avoir accès aux codes et aux pdf de cette formation, cliquez sur le lien ci-dessous :
modele_arbre.ck.page/f7993d66ba
Si vous avez envie de me soutenir et m'aider à developper ce projet, n'hésitez pas à regarder des vidéos ou à faire un don sur mon tipeee : fr.tipeee.com/aiforyou
Si vous avez apprécié ce contenu, aimez la vidéo et abonnez-vous à la chaîne afin d'être au courant des prochaines nouveautés. - Věda a technologie
Belle initiative!!🎉 Merci beaucoup
De rien, ça m'a bien fait plaisir à créer également :)
Un grand merci à vous.😊😊😊
De rien :)
Un grand merci pour cette formation.
De rien, ça m'a fait vraiment plaisir de la créer :)
@@AIforyouMorganGautherot Pourrait-on avoir un lien pour récupérer les datas (style kaggle ou autre) utilsées dans la vidéo ?
@@pascalmathieu2442 Normalement toutes les données sont libre d'accès si tu utilises le code dans la vidéo.
Si tu as un problème avec un dataset n'hésite pas à revenir vers moi.
@@AIforyouMorganGautherot ok merci
De rien, enjoy !
Salut bon courage à toi
Merci :)
Hello, comment sait on quelle fonction d'erreur on doit minimiser pour trouver les bons coefficient? ie comment est ce qu'on la construit exactement si on veut appliquer la descente de gradient? Je me pose la question car on dirait que cette fonction de l'erreur se construit en testant plusieurs combinaisons de coefficient, ce qui me semble ne va pas dans la direction de la recherche analytique... J'ai l'impression de m'être embrouillé si c'est possible de clarifier! Superbe vidéo! merci beaucoup
La descente de gradient est toujours l'algorithme à utiliser pour faire converger l'erreur d'un modèle vers le minimum.
Pour savoir quelle fonction d'erreur utiliser, ça dépend du problème que l'on essaie de résoudre.
Chaque fonction d'erreur à été créer pour résoudre un problème précis. Aujourd'hui on a pas à créer sa propre fonction d'erreur mais plutôt utiliser une fonction de coût qui nous permet de résoudre le problème en question.
Pour une régression se sera le mean square error, pour de la classification se sera la cross entropy.
Bonsoir. Merci pour ces videos très instructives. je me suis inscrit pour recevoir les documents mais je n'ai rien reçu. le lien est-il d'actualité svp ?
Normalement le lien est toujours d'actualité.
Regardez dans vos spams.
Si vous ne le recevez toujours pas contacter moi sur Linkedin et donnez moi votre adresse email je vous enverrez un email personnelle avec les documents.
Pourquoi tu ne partages pas tes notebook pour que tes auditeurs puissent reprendre ?
Hello, tu peux obtenir les notebooks en description de la vidéo :)