PYTHON NUMPY machine learning (10/30)
Vložit
- čas přidán 24. 07. 2024
- Cette Formation Python Numpy est un tutoriel français spécial machine learning:
Numpy est le package python le plus important pour faire du machine learning et du data science. Numpy comprend le tableau array dit ndarray (n dimensions) qui est un objet extrêmement puissant en machine learning et data science.
Numpy propose beaucoup de méthode pour le ndarray, dans cette vidéo nous voyons les différents constructeurs qui permettent d'initialiser les tableau ndarray:
np.array()
np.zeros()
np.ones()
np.full()
np.random.randn()
les deux attributs les plus importants à retenir sont :
shape
size
pour développer des programmes puissants, pensez à définir le type de valeur dans le np.array() avec dtype = np.int16, np.float64
Nous voyons aussi les méthodes les plus utiles pour manipuler la forme de nos tableau numpy:
np.vstack
np.hstack
np.concatenate
np.reshape
np.squeeze
np.ravel
Il n'y a rien de plus à retenir pour bien se lancer avec Numpy. Ignorez les autres attributs et méthodes pour le moment !
► Timeline de la vidéo :
0:00 Intro
00:40 Le tableau Numpy, ses dimensions et sa shape
05:20 initialiser un ndarray: np.ones, np.zeros,
09:15 np.random.randn
12:04 np.linspace, np.arange
13:24 dtype=np.float16 np.float64
15:43 Assembler des tableaux: vstack hstack concatenate
18:40 np.reshape np.squeeze
22:10 np.ravel()
23:08 Exercice
► Soutenez-moi sur Tipeee pour du contenu BONUS:
fr.tipeee.com/machine-learnia
► Documentation Numpy pour ndarray:
docs.scipy.org/doc/numpy/refe...
► Documentation Numpy pour np.random:
docs.scipy.org/doc/numpy-1.16...
► ARTICLE EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► NOTRE COMMUNAUTÉ DISCORD
/ discord
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
machinelearnia.com/apprendre-...
► Télécharger gratuitement mes codes sur github:
github.com/MachineLearnia
► Abonnez-vous : / @machinelearnia
► Pour En Savoir plus : Visitez Machine Learnia : machinelearnia.com/
► Qui suis-je ?
Je m’appelle Guillaume Saint-Cirgue et je suis Data Scientist au Royaume Uni. Après avoir suivi un parcours classique maths sup maths spé et avoir intégré une bonne école d’ingénieur, je me suis tourné vers l’intelligence artificielle de ma propre initiative et j’ai commencé à apprendre tout seul le machine learning et le deep learning en suivant des formations payantes, en lisant des articles scientifiques, en suivant les cours du MIT et de Stanford et en passant des week end entier à développer mes propres codes.
Aujourd’hui, je veux vous offrir ce que j’ai appris gratuitement car le monde a urgemment besoin de se former en Intelligence Artificielle.
Que vous souhaitiez changer de vie, de carrière, ou bien développer vos compétences à résoudre des problèmes, ma chaîne vous y aidera.
C’est votre tour de passer à l’action !
► Une question ? Contactez-moi: contact@machinelearnia.com
00:40 Le tableau Numpy, ses dimensions et sa shape
05:20 initialiser un ndarray: np.ones, np.zeros,
09:15 np.random.randn
12:04 np.linspace, np.arange
13:24 dtype=np.float16 np.float64
15:43 Assembler des tableaux: vstack hstack concatenate
18:40 np.reshape np.squeeze
22:18 np.ravel()
23:08 Exercice
Ok je commence à devenir addict : vivement la prochaine vidéo!!!
Merci ! la prochaine vidéo sort demain ! :D
Merci de partager ! ^^ Plus on est nombreux plus on rit ! :)
Bonjour Boss!!! Vraiment,je vous suivait depuis fort l ongtemps .Les vidéos sont vraiment claires et consises.
Mais ,on sait que vous êtes basé sur machine learning mais nous voulons une série de vidéo en programmation orientée en Python.Merci pour ces belles vidéos .bon dimanche
ENFIN quelqu'un qui explique simplement et clairement numpy.
Merci beaucoup
Merci beaucoup pour ton compliment :)
Vraiment, très belle vidéo, c'était mon petit déjeuner ce matin
Juste incroyable de pédagogie vos vidéos. Juste un grand MERCI
Bonjour, vous avez fait un excellent travail, merci pour tes effort et pour le temps que tu m'as offert en faisant cette belle vidéo bien expliqué. Bon courage
C'est super que tu montres la documentation à chaque fois, comme ça on apprend à s'en servir !
Je suis content que cela aide :)
Géniale cette vidéo, merci pour toutes ces précisions sur Numpy !
Merci beaucoup pour le retour ! :)
Merci beaucoup pour ton travail. Les vidéos sont vachement très clairs et ludique. Je suis surtout hyper content d'avoir enfin comrpis Numpy
Merci et je suis content si tu as compris Numpy ! :)
La qualité au rendez-vous, je suis arrivé ici avec beaucoup de questions mais chaque vidéo j'en ai de moins en moins . Merci!
hyper clair avec les schémas !parfait
Merci Guillaume :) #plusdeschemas
Merci infiniment
Super vidéo et explication claire et détaillée.
Des explications claires et précises, c'est superbe. Mercii bcq :)
Merci beaucoup ! bravo pour ta motivation a regarder la série en entier !
Bravo d'un coup ca devient un plaisir d'apprendre python et le deep learning
Félicitation ! Je tire le chapeau à votre génie et à votre générosité. Merci.
Merci, ça me fait très plaisir. :)
Merci beaucoup pour ces explications, c'est très clair et concis :)
Merci beaucoup pour ces vidéos! Clair, précis et concis!
Je vous en prie !
Je viens de découvrir votre chaîne.
Je suis impressionné par la clarté de votre propos ainsi que la qualité générale de vos vidéos.
Avec tous mes encouragements pour la suite.
Merci beaucoup, c'est un très bel encouragement :) Bon courage dans vos projets ! si vous avez des questions vous pouvez mes les poser en commentaire, j'y repondrai.
Je binge-watch tes vidéos mon ami... et mon respect et ma gratitude pour toi grandissent à chaque nouvelle vidéo. MERCI
Merci c'est tres gentil ! Pour encore plus progresser, je conseille de ne pas que binge-watch les videos, mais de faire les exos et de participer dans la communauté discord.
Vivement merci d'avoir penser faire une vidéo assez claire et très explicite. je viens de commencer mais c'est que avec de tel précision, ça ne peut qu'aller. Je souhaite vivement que vous continuez car Vous Bénissez par votre initiative.
Merci
Merci je suis heureux de savoir que la vidéo peut vous aider !
Merci infiniment Guillaume pour ce travail remarquable.
De rien :) Merci a vous !
Grâce à ces vidéos, je trouve le machine learning et la programmation très passionnants. Vos vidéos sont de qualité exceptionnelle
Merci ! tres content de vous aider et vous transmettre ma passion !
Merci Guillaume pour ces formidables videos ! C'est pas donné a tout le monde cette capacité à transmettre le savoir
Bonjour Guillaume
Je suis actuaire et j apprends à coder sur python
Ta chaine youtube est une pépite.
Merci!
Bravo, encore une excellente vidéo. Je trouve que cette chaîne mérite d'être mieux connue, je mettrai donc systématiquement un commentaire pour favoriser son référencement.
Merci a vous, c'est fort aimable !
Bonjour Guillaume,
Franchement, avec ta formation (j'en suis à la 10ème vidéo , car je suis en train de faire cette formation) je repends confiance.
Mille merci.
Je suis tres heureux de pouvoir vous redonner confiance en vous. Si vous êtes la c'est que vous en avez les capacités, alors foncez et donnez tout ! Vous allez y arriver et je suis la pour aider :)
Bravo, merci pour votre travail. Pour moi c'est un loisir. J'apprécie beaucoup vos éclaircissements !
Merci a vous ! :)
merci !
j'ai progresser en Python avec tes videos merci beaucoup 👍🏻
Je suis très heureux de l'apprendre :)
Cette vidéo contribue à ma réussite ! Merci pour ton travail 👍
de rien :)
Jamais vu une telle explication concernant au machine Learning
Vraiment vôtre explication est excellente merci merci beaucoup 🌷
Merci beaucoup et a bientôt j’espère :)
Merci pour cette vidéo très claire et explicite sur les fondamentaux de Numpy :) ! Je suis un bootcamp de Data science et ton contenu m'aide à mieux revenir sur les notions de base pour progresser.
merci ! bon courage pour ton bootcamp
Très sympa !
On commence à attaquer les choses sérieuses !
Encore super pour les graphiques, cela m'a aidé pour les "axis" de concatenate.
Avant je pensais en terme d’abscisses et d'ordonnées, alors qu'il faut penser en terme de lignes et colonnes de la matrice.
Oui tout a fait ! :) Merci beaucoup
Bravo, encore une excellente vidéo.
Vidéo au top, pédagogie excellente, merci beaucoup !
Merci a vous !
Merci, C'est très bien expliqué !
Excellent formateur, je suis devenu accro à tes vidéos ahah
Je recommande vivement !!!
Merci ! :)
vraiment un gand merci à vous😘 c"est bon prof pour moi dans ce domaine.....
je vous en prie ! :)
Merci monsieur pour cette explication
Je pense que tu es un exemple en tant que formateur, car tu prends le temps de faire des vidéos et en plus de bonne qualité.
Merci beaucoup :)
au top mec t'es video ca y est-on entre dans le vif du sujet pour mon cas !
Super ! C'est ce que j'adore ! Si tu as un problème, fais moi signe, on trouvera la solution ! :D
trop bien vive numpy vous m'avez convaincue !!!!
Yes :D
Merci beaucoup pour cette précieuse leçon
Je vous en prie ! :)
Top top le cousin français! Très bonne vidéo sur le sujet :)
Merci beaucoup :)
Les choses sérieuses ont commencé, j'ai mis toutes mes batteries en marche. J'ai hâte de devenir un vrai Terminator en machine Learning !
Merci beaucoup Guillaume !
Yes bravo a toi :D
Vraiment j'adore c très clair merci infiniment professeur
Merci :)
Good job. C'est très utiles tes vidéos. Courtes et faciles à comprendre.
Merci, je suis tres content que cela te plaise :)
on continue à apprendre avec vous merci !
Bravo pour votre motivation, vous irez loin ! :)
UN GRAND MERCI .JE ME SUIS ABONNE. DE PLUS JE SUIS EN RECONVERSION ,J' ETAIS CHAUFFEUR DE TAXI
DEPUIS 7 LONGUES ANNEES MAIS LA TU ES EN TRAIN DE ME MONTRER QUE C EST TOUT A FAIT A LA PORTEE DE TOUT PUBLIC MOTIVE. JE NE LACHERAI RIEN .( CHOKRANE =MERCI) GUILLAUME .
Merci beaucoup ! Ton commentaire me va droit au coeur ! Je suis ravi de pouvoir aider des gens qui sont en reconversion pour changer de vie ! Tout es possible alors ACCROCHE-TOI et tu y arriveras ! Je serai la pour t'aider ! :)
Et Joyeux Noel ! :D
Bravo et bonne continuation !!!!!!
Merci beaucoup ! Si vous avez la moindre question, laissez la en commentaire ;)
super utile vidéo, bravo, on commence à entrer dans le vif du sujet
Oui, bravo a vous de regarder la série en entier ! :)
Merci beaucoup c'est géniale
Merci 1000x monsieur!
vidéo super intéressante. Merci beaucoup pour toutes ces vidéos
Je vous en prie ! :)
c’est génial 👍 merci l’ami 😁
Merci beaucoup ! :)
Claire et précise 👍
merci beaucoup pour cette formidable formation...
de rien, tout le plaisir est pour moi :)
Super vidéo très pédagogique 😀😁
Bravo à vous
Merci beaucoup, je suis heureux que la vidéo vous ait plu :)
Merci, vidéo très bien faite.
Merci a vous !
Merci pour ce cours, très instructif.
Je vous en prie !
Explication Numpy comme jamais vu
Merci,
merci pour cette vidéo, c'était très clair!!
de rien !
Mais elle est géniale cette vidéo ! Et cette playlist ! Et cette chaîne !
Bref c’est top tout ça ! :D
Eh mon audience est géniale aussi :D
Excellente explication merci bcp
Merci a vous !
J'adore !!! Merci
Merci beaucoup
Géniale cette vidéo, merci beaucoup! :D
Je vous en prie :)
Salut bro,
Je pense que j'ai réussi à faire l'exercice sans la méthode reshape
def initialisation (m,n):
A = np.random.randn(m,n)
B = np.ones((m,1))
A = np.concatenate((A, B),axis=1)
return A
Tu explique tellement bien, c'est le meilleurs cours que je n'ai jamais eu
Merci et bravo pour ton code !
et me voila ! accros a vos videos , beau travail !!
La data science est une bonne drogue ! Bienvenue au club ! :)
Bravo, très clair
Merci beaucoup
Salut, je suis l'ensemble de tes videos avec interet. Et celle ci m'a particulièrement intérréssé pour travailler sur un algorithme exercice que j'ai en cours. Il ne s'agit pas ( enfin pas encore...) de machine learning pour l'instant, mais ca va vraiment m'aider. Alors Merci !
Le plus important c'est que les vidéos vous aide a progrersser ! Numpy est tres important il est vrai ! :)
Excellent !!! merci
Merci beaucoup :)
Ty I got my first divine because of you
Continue comme ça c’est cool ce que tu fais
Merci beaucoup :)
c'est génial, comme d'hab
Merci !
merci pour vos videos
De rien !
Merci beaucoup pour cette video
De rien :)
Merci pour la vidéo
Merci beaucoup
Merci mon coach!
Je vous en prie !
parfait 😍
+200 abonnés en un jour, c'est mérité
Merci :)
Bonne vidéo merci
Top mercii bcp.
je suis accro ces top ces vidéo!!!!!
Merci merci merci ! :)
Merci bcp ! ! ! ❤😍
De rien :)
merci beaucoup
Merci Beaucoup !!
de rien :)
Salut Guillaume,
Merci beaucoup pour ce blog et ces vidéos d'une excellente qualité. J'attire ton attention sur une toute petite erreur sur le reshape à 20:37, la bonne solution ne serait-elle pas A = A.reshape((1, A.shape[0])) afin de rester sur le même axe A = [1, 2, 3]. C'est vraiment juste pour vérifier si j'ai bien compris :)
Vraiment très hâte de découvrir la suite de la série en cours et bonne continuation à toi
Salut ! c'est une bonne question que tu poses la, en fait oui et non, ca dépend comment on voit les choses. Mais si tu fais (1, 3) alors tu passes tes données sur l'axe 1 de ton tableau, alors qu'avant elles était sur l'axe 0. Tu vois ce que je veux dire ? En bref soi juste bien a l'aise avec le systems d'axe, c'est le plus important, et je pense que tu l'es.
Très bon pédagogue! Bravo et merci pour la qualité de votre cours Guillaumes !
Merci c'est un honneur
merci pour la vidéo
de rien :)
Bon job, merci!
de rien :)
merci MR
de rien :)
Bien expliqué ....ok
Bonjour Guillaume, merci beaucoup pour votre vidéo une fois de plus et je voulais vous demander, il y a t-il une différence entre la méthode ravel et flatten ?
1000 mercis
1000 de rien :)
D'abord merci pour tes vidéos, elle sont d'excellente qualité et vraiment clair !
J'en suis a mon deuxième visionnage pour bien finir de tout intégrer en enfoncer le clou ^^ cette série a créer un véritable déclic chez moi, merci pour ca.
Par ailleurs, en reregardant jme suis rendu compte que on pouvais reshape de cette manière :
A.reshape(-1,1)
Le -1 indique qu'il faut conserver la première dimension, une contre indication à cette méthode ?
Merci beaucoup a toi, ton message fait super plaisir :)
Oui tu peux procéder ainsi, mais n'oublie pas de mettre 2 parentheses ! :D
A.reshape((-1, 1))
Super vidéo !
Merci beaucoup. Avez-vous regardé les autres vidéos Numpy ?
@@MachineLearnia pas encore ! C'est prévue car je vais finir une formation python orienté web et je pense me former par la suite côté machine learning via votre chaîne pour commencer 😜
parfait
Merci
Merci !!!
de rien !
merci
Excellent !!
Merci :)
Merci bq bro :))
de rien !