PYTHON NUMPY Indexing Slicing Masking (11/30)
Vložit
- čas přidán 9. 07. 2024
- Cette Formation Python Numpy est un tutoriel français spécial machine learning:
Numpy est le package le plus important de python. Il permet de créer des tableaux à N dimensions très performants. Ce tutoriel francais vous montre comment ne pas vous perdre en naviguant dans les multiple dimensions du tableau numpy (ndarray). On voit les techniques d'indexing, de slicing et de masking :
0:00 Intro
01:12 Indexing Axis 0 Axis 1
02:45 Slicing
09:13 Boolean Indexing
13:30 Exercice sur une image
16:00 Réponse exercice précédent
► Soutenez-moi sur Tipeee pour du contenu BONUS:
fr.tipeee.com/machine-learnia
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► ARTICLE EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
machinelearnia.com/apprendre-...
► Téléchargez 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
Aux personnes qui mettent un 👎 je vous demande d'arrêter de le faire car monsieur s'est efforcé de nous partager gratuitement ceux qu'il a payé pour apprendre s'il a une que vous n'aimez pas conseiller lui plutôt en commentaire ne le décourage pas et si vous n'êtes pas capable de faire ça faites votre chemin ne mais pas de👎🙏
Merci beaucoup pour ton attention et ton encouragement. Mais je ne m'en fais pas si certains haters mettent un pouce rouge, c'est la vie, c'est pas grave ! Je suis content de faire les videos pour les gens comme toi :)
@@MachineLearnia j'adore les gens comme vous qui donnent gratuitement ceux que vous avez payé qui aiment partager leur connaissance merci beaucoup Mec
@@MachineLearnia Je suis actuellement en première année de licence informatique et j'aime comme vous tout ce qui en rapport au deep learning machine learning tout ça et ce que j'aimerais savoir c'est comment je peux focaliser mes études pour y faire carrière dans. Conseiller moi svp
Tu es un excellent pédagogue c'est un truc de fou!
Vraiment merci pour tout le travail que tu fournis (ecriture des cours, montage des videos, etc..)
Merci beaucoup pour ton commentaire. Je suis vraiment heureux d'avoir un tel retour, c'est génial de savoir que mon contenu vous aide réellement ! :)
cette formation est juste une dinguerie, j'ai 14 ans et j'adore les IA et le python.
merci beaucoup pour tout ce que j'ai appris !
moi aussi j'ai 14 ans . t'as discord?
@@imaths23 XDD
Même dans Lynda, je n'ai pas pu trouver une formation aussi bien préparée et très bien structurée. Bravo ! votre manière d'expliquer des sujets aussi complexes est sensationnelle. You make it look ridiculously easy. Merci infiniment.
Merci beaucoup, votre message me fait tres plaisir ! :)
J'abonde les commentaires précédents, le niveau de préparation est excellent et les vidéos sont très bien équilibrées entre la vision d'ensemble du module et le petit détail qui vient de ton expérience. Pour numpy, le plus dur va être la différence de logique d'index par rapport à Matlab, le 0 et aussi le point d'arrêt à N+1. Un coup à prendre mais un risque de boulettes dans le code aussi.
Merci beaucoup ! Je suis d'accord avec toi pour Numpy : la logique d'indexing peut embrouiller certaines personnes, mais ce n'est pas le seul point qui peut embrouiller les gens.
Je vais faire un petit résumé de ce qu'il y a de plus important dans Numpy dans la vidéo 13/30 :)
Encore une fois : super vidéo ! Merci beaucoup !
Merci Beaucoup. J'ai beaucoup aimé produire cette vidéo :)
Franchement Bravo, je suis vos vidéos avec attention et passion. Excellent pédagogue et formateur
Vous êtes un vulgarisateur exceptionnel.
Merci pour ce partage de vos connaissances.
Parfait, comme toutes les autres vidéos ! Merci beaucoup
Merci :)
Super vidéo! particulièrement claire et didactique merci!
Super ! Merci beaucoup pour le retour ! :)
Merci beaucoup pour ces vidéos ultra clair, j’ai appris énormément.
Je vous en prie, c'est un plaisir :)
vous êtes le meilleur, une explication facile à comprendre et efficace,vous feriez un très bon prof,merci bcp pour l'effort.
c'est un prof. Et pour moi CZcams est une université en soi; lorsqu'on voit la qualité de certains créateurs de contenu.
Vraiment merci beaucoup pour cette formation qui pour moi est delà de mes attentes.
L'explication est tellement claire que j'ai déjà l'impression d'avoir atteint un certain niveau :)
Dommage que se soit maintenant que je découvre votre chaine.
simple, nette et clair. Vraiment ça donne envie d'apprendre Python. Merci beaucoup pour ces super vidéo
De rien, tout le plaisir est pour moi :)
encore une fois merci !!!!
Rien à dire comme d'habitude parfait !!!!
Merci beaucoup ! :)
un excellent tutoriel. bravo aussi pour la manière d'explication vraiment géniale
Merci beaucoup ! Regardez-vous les autres épisodes ? :)
Franchement c'est la première fois que je vois une vidéo d'une telle clarté. Merci pour tout le travail fourni. Merci Merci Merci à l'infini.
De rien, c'est un plaisir :)
Encore une fois, c'est super , un grand merci
De rien :)
J'adore tes vidéos merci!
Merci :)
you are an excellent trainer.i loved python during watching those videos.thanks a bundle sir.your teaching strategy is wonderful and pedagogic.
So nice of you thank you very much :)
super son, super explication et en avançant avec les autres vidéo on progresse merci pour ce super travail !
Merci beaucoup :)
je viens juste de m'aboner sur votre chaine et je la trouve vraiment hyper intéressant j'ai toujours aimer la programmation et les données c'est juste exceptionnel de voir que je suis au bon endroit un pouce en l'air beaucoup d'encouragement a toi et big up a la chaine
C'est un régale de vous suivre!
Merci beaucoup :)
encore une vidéo géniale qui s'annonce,
j'en profite pour te remercier chaleureusement pour cette série très intéressante et facile à suivre, que moi et une amie suivons pendant les vacances, pour mieux nous préparer et connaître plus sur le machine learning pour plus tard..
Bravo a vous deux pour vous occuper du développement de vos compétences durant les vacances ! Vous irez loin ! :)
Excellent, bravo et merci
Un excellent tutoriel. bravo aussi pour la manière d'explication vraiment géniale; Vraiment merci pour tout le travail que tu fournis.
C'est un plaisir, merci !
mon grand tu est le meilleur. Tu donne du lourd
Merci beaucoup ! Bon courage a toi !
Merci beaucoup, j'ai hâte a voir votre série de deep learning avec tensorflow, j'avais peur d'apprendre python mais suis optimiste en enchainant votre chaine, keep going
Merci a vous ! :D
excellent travail Guillaume, bravo !
Merci beaucoup !
vraiment c'est géniale mercii bcq
Merci ;)
Le meilleur Merci!
merci :)
Merci. excellent travail
Merci beaucoup
wonderful explanation thank u !
Merci, super vidéo.
Merci !
malgré que j'ai pas encore étudier le deep learning même je débute à la machine learning mais je me sens que vos vidéos python incluent tous ce qui est nécessaire et tout ce qui est important,
bon continuation
Pour bien se lancer en Deep Learning, il est important de bien comprendre les algorithmes de Machine Learning qui reposent sur l'optimisation par la descente de gradient
Merci beaucoup pour cette formation c'est très intéressante , espérant que nous aurons l'occasion par la suite de voir avec vous un projet data science complet de A à Z
Il y en a un a la fin de cette série, dans les vidéos 26 27 28 et 29.
Hey, superbe vidéo, et j'adore le fait que ça soit en français car on n'a pas besoin de fournir un double effort pour à la fois comprendre le cours et l'anglais. Et merci infiniment t'as réussi à me réconcilier avec Python 🙏
Super ! Mission accomplie ! ^^
Nan mais vous êtes le meilleur si on peut factoriser toutes vos vidéos
Merci beaucoup !
Vraiment Vraiment merci
merci beaucoup pour la vidéo très riche , bonne courage a vous.
Merci a vous !
bonjour vous etes un bon enseignant
Bonne continuation mon grand
Cool toute tes videos
Merci bokou de ta part ,c'est tres coool
De rien :)
Excellente formation très pédagogique , bravo prof
Merci a vous !
L'exercice de cette fois-ci est plutôt difficile je dois dire (pour moi en tout cas). Très bonne vidéo comme toujours
Merci !
Avec vous les choses sont très facile
Je suis heureux que les videos vous plaisent autant !
cette formation est juste une dinguerie
Excellente video j'ai decouvert grace à un amis mais frenchement c'est trés idéal pour un debutant comme pour un expers.merci infinement à plus
Mes salutations a votre ami :)
J'arrive très tard pour dire cela mais je te remercie sincèrement pour tes vidéos. Ce sont les meilleurs que j'ai pu trouver pour apprendre le machine learning. J'aimerais en faire mon métier et si j'y arrive ce sera grandement grâce à toi :D
Merci beaucoup pour ton message, ca me fait super plaisir ! Bravo tu es très motivé et je suis sur que tu réussiras ! :)
Machine Learnia Merci ! D’ailleurs, il y a-t-il un serveur discord pour machine learnia où l’on peut poser ses questions ?
Ce cours est super
Merci
Great job.
Thanks!
😭😭 je découvert la formation 4 ans plus tard !! 😭
blablalabla bla python python python :) Merci beaucoup pour ces vidéos ultra clair,😍😍😍
blablabla de rien merci a vous :)
Salut je suis tout nouveau sur ta chaîne super vidéo ça m’a donné envie de reprendre le phyton
Salut, alors ça c'est le meilleur commentaire que je puisse recevoir ! Un grand bravo à toi ! Python est assez simple et si tu développes des compétences en machine learning, ça t'aidera beaucoup dans ta carrière, quelque soit ton métier ! Reste motivé et à bientôt ! :D
Oh !!! J'ai enfin pu maîtriser l'indexing et le slicing 😌😌.
Bravo !
Excellente formation
merci beaucoup !
Brillant
merci :)
Bonjour, formation de qualité et toujours aussi pédagogique . J'ai encore un peu de mal avec la lecture des tableaux, mais ça va rentrer (il faut le digérer :=) ). Merci pour le partage.
Merci beaucoup ! Oui ! Ca prend un peu de temps, mais en en faisant un petit peu chaque jour, ca vient vite !
❤c super
encore merci. on avance.
De rien :)
je suis très contente de cette vidéo , vu que je travail sur le traitement d'image . merciiiiiiiiiiiiiiiii
Je pense que vous allez aimer les videos de la série sur le Deep Learning du coup.
@@MachineLearnia vous avez des vidéos spécial deep learning??
@@bensadililia3359 Oui c'est sur la chaine CZcams, la série est en cours !
@@MachineLearnia ohh je vais voir merci beaucoup
tu n'imagines même pas les perspectives de simplicités tu es en train de m'ouvrir : merci,merci,merci,merci !!!!!
Je vous en prie :)
Encore un exercice réussi
Bravo !
Merci
merci super
de rien :)
Super video j'adore comme depuis le début je suis super assidu et j'apprend beaucoup grace a toi merci!
ma solution était
def initialisation(m,n):
M = np.random.randn(m,n)
N = np.ones((m,1))
MN = np.hstack((M,N))
print(MN)
c'est super basique a coté du concatenate mais voila une version hstack
Bravo a toi pour ton assiduité et bien joué pour l'exercice !
merci
Juste un mot : PARFAIT
Wow ! Merci :)
Slt et merci. t'est cours son riche et très intéressant. SI tu fais un cours encore plus approfondie. Je suis preneur. Je vais faire une alternance ingénieur IA et franchement. je vais regarder souvent tes cours car très bien
Bonjour,
Comment je peux retourner la sous-matrice de taille (2,2) qui forme le coin en bas à droite de la matrice ?
merci.
comme ca : A[-2:, -2:]
Merci pour les vidéos. Si je valide l'année, mon diplôme doit avoir ton nom marqué dessus 😂
Ahah bon courage pour ton diplôme alors !
Superbe vidéo, depuis le début de la série j'attend la sortie de la prochaine vidéo avec impatiente (ps: toute les vidéos sortirons à 17h au lieu de 16h maintenant ou pas ? perso je préfère 16h)
Merci beaucoup Mathis ! :) Normalement les vidéos continueront à sortir à 16:00 (Paris) c'est juste que aujourd'hui j'ai eu un petit contre-temps ^^
Je suis super content si la série te plait ! A demain pour le prochain épisode ! :D
Excellente formation encore merci infiniment :) si c'est possible de nous faire une série de traitement d'image computer vision sur python merci d'avance
Oui je vais faire cette série dans peu de temps. Je termine d'abord cette série la :)
Merci beaucoup de commenter mes vidéos :)
Bonjour . Je cree un tablau a=np.zeros(10,) une dimension et un autre tablau b=([1,2,3]) .. comment unclure (b) dans (a) dans l'endroi ou je veu esque c'est possible ... merci
Vous pouvez assembler des tableaux avec Concatenate.
Très intéressante vidéo comme toujours, juste une petite question sur l’exercice final : on doit apprendre le code qui permet d’importer la photo ? On est censé comprendre comment tout ça marche ou on vera ça plus tard ?
Merci. Nous verrons cela plus tard, ce n'est pas a connaitre par cœur, moi-meme il m'arrive de chercher sur Internet comment faire une petite action de temps a autres
Merci Guillaume pour ta video.
Pour la gestion de l'image, ca semble compliqué de devoir afficher la partie zoomée en tant que photo et non en tant que tableau...
Pour l'exercice précédent, j'ai fait comme suit et il a l'air d'être correct mais je pense que si je devais choisir entre ton bout de code et le mien, j'aurais beaucoup plus de facilités à relire le mien (un peu comme en cours de maths où on nous expliquait qu'il était plus prudent de résoudre une équation étape par étape plutôt que tout d'un bloc en une ligne) :
import numpy as np
def initialisation(m, n):
A = np.random.randn(m, n)
B = np.ones((m, 1))
# C = np.hstack((A,B))
C = np.concatenate((A,B), axis = 1)
print(A)
print(B)
print(C)
print(C.shape)
initialisation(6,3)
Oui, bravo pour l'exercice, il vaut mieux faire les choses de facon claire, a son rythme. J'ai de mon coté écrit un code plus "condensé" pour tenter de convenir a l'ensemble de l'audience qui regarde la vidéo !
cool
vraiment j'adore votre manière d'expliquer les différentes thématique maintenant j'aimerais savoir quels conseils pourrais tu me donner afin de maîtriser le machine learning
Pour devenir compétent dans ce domaine:
1) apprendre Python et ses packages utiles (suivre cette série jusqu'au bout)
2) suivre une formation machine learning (lire mon livre et suivre ma série Machine Learning)
3) pratiquer sur Kaggle.com
Contenu très riche merci et bon courage. Avez-vous des contenus sur les GANs (Generative Adversarial Networks) ?
et dire que vous les sortez une fois par jour... franchement merci beaucoup de m'avoir montré Numpy , j'ai un peu galéré a l'installer mais sa me fait tellement gagner du temps j'voudrais tellement que vous m'aidez pour pygame mais c'est peut être pas votre domaine. ça reste super intéressant merci beaucoup ( dsl pour les fautes ) et juste pour votre TP il faut installer spicy et matplotlib ?
Bonjour ! Merci beaucoup :)
Bon j'ai un peu ralenti en ce moment au niveau du rythme de production ! ahah
Oui il faudra installer Scipy. Matplolib, et Sklearn.
Non Je n'ai jamais utilisé Pygame :( mais pourquoi ne pas essayer !
Merci pour cette vidéo. Question concernant la partie du boolean indexing: quand tu as appliqué le masque de A dans le tableau B (5,5) , à l'exécution on n'a eu que des valeurs de B, mais le shape de B a changé (3,5), est-ce donc à ce niveau qu'agit le masque de A? (Puisqu'il n'y a que 15 éléments vérifiant la condition A
Oui c'est ca !
bonjour, je tiens a vous remercier pour vos vidéos très bien expliquée .
concernant la correction de l'exercice j'ai une question, j'ai pas compris le shape que vous avez utiliser pour la fonction concatenate.
merci
il utilise shape, juste pour ne pas avoir à retaper m. parce que grace à shape[0] il prend automatiquement le nombre de lignes qui nécessaire pour tracer la dernier colonne.
Bonjour et encore merci énormément pour ces vidéos d'une grande clarté. Je pense que vu le contexte du moment c'est le genre de chose qui peut vraiment aider beaucoup de gens...
J'ai juste une remarque sur la correction de l'exercice précédent : je sais bien que c'était pour s'exercer avec concatenate mais on pouvait juste créer le tableau avec n+1 colonnes et faire MonTableau[:,-1:]=1 non ?
Merci encore pour tout !
Oui tout a fait, c'est bien de proposer cette alternative ! :)
Merci et a bientot
Bonjour Machine Learnia, super vidéo, j’ai une question quelle technique utiliserais-tu pour selectionner les voisins d’un pixel puis les voisins du voisin,...?
Bonjour, je suis désolé je ne comprends pas bien la question, mais tu peux venir la poser sur notre discord.
Bonsoir, merci beaucoup pour tes vidéos et tex explications interactives , je suis début de formation data engeneering et j'aprécie tes cours ;
pour l'exercice , pourquoi t'a pas intégré la variable m dans la second array (zeros) , ta mis shape[0] , à la place de m . selon vous ça correspond au nombre de colonnes ? cest bien ça ? moi j'arrive pas a trouver la même chose , j'ai opté pour cette solution:
import numpy as np
def initialisation(n,m):
A=np.random.randn(m,n)
B=np.ones(shape=(m,1))
C=np.concatenate([A,B],axis=1)
return C
initialisation(3,4)
Tout cela revient au meme, J'ai voulu utiliser shape[0] pour montrer aux gens ce qu'on vient d'apprendre. Mais le fait d'utiliser m est tres bien aussi !
Bonjour, merci pour cette chaine sur le machine learning et data science c'est très intérissant
S'il vous j'ai une question consernat l'algorithmes de support vector machine (SVM) est ce qu'il est valable pour variable qualitative et ce qu'on peut faire de la classification en utilisant les variable qualitatif et quantitatif au meme temps.
Merci
Bonjour, merci beaucoup.
Oui on peut utiliser SVM pour des régressions ET des classifications. On peut également fournir des données qualitatives et quantitatives aux modeles de SVM.
Pour faire ces choses simplement dans sklearn, je recommende d'utiliser l'estimateur SVR (pour les régressions) et SVC (pour les classification)
@@MachineLearnia S'il vous plait est il possible de nous faire une séance que pour ceci :) ( classifieur svm, svr, svc et tout) ?
Je suis débutante et je trouve des difficultés mais grâce à vous j 'apprends. un grand merci à vous
Merci pour cette vidéo. Je vous ai écrit un mail concernant un traitement de deux images dont je souhaite votre soutien encore. Merci d'avance !!!
Bonjour, pouvez-vous partager ces images sur notre discord ? Merci ! :)
@@MachineLearnia Je viens d'accéder à votre discord mais je n'arrive pas à partager ces images. Par contre je vous les ai envoyé à votre adresse mail: contact@machinelearnia.com
En fait, l'application est nouvelle pour moi
J'ai finalement réussi à partager les images là sur discord
Merci pour la formation :-), si possible est ce qu'il y a des exemples pratique avec des fichiers de données (excel, sql)..
Merci beaucoup. Oui de tels exemples vont venir la semaine prochaine ! :)
@@MachineLearnia Merci et bonne continuation
Video incroyable comme toujours! Pour l'exercice j'ai utilisé le slicing. Pourrez vous me dire si c'est correcte?
import numpy as np
def initialisation(m,n):
X=np.random.randn(m,n+1)
X[:,-1]=1
return X
Je suis toute ta formation ML. Je vais parler au nom de la majorité des spectateurs silencieux. La qualité de ton travail vidéographique est extraordinaire... Tu es un tres bon vulgarisateur... elles sont très pédagogique pour un sujet aussi complexe !
Concernant l'exercice comment on pourrais faire pour zoomer uniquement sur le visage de la photo? de maniere générale pour pouvoir zommer sur la zone que l'on souhaite?
Merci beaucoup, ca me fait tres plaisir !
Pour zoomer sur une zone en particulier, il faut définir les bordures (les différents coins gauche/droite haut/bas) et effectuer un slicing. Bref pas de méthode magique, juste s'en remettre aux maths (je veux dire aux index des tableaux)
Salut merci pour tes vidéos très utiles ça m'aide beaucoup , comment je pourrais m'entrainer pour bien voir si j' ai bien compris tes vidéos y aurais des sortes d'execices ?
Salut et merci a toi ! :)
Je te conseille de faire les exercices a la fin de chaque vidéo de cette série, et au fur et a mesure que tu avances dans la playlist, tu devras de plus en plus faire des choses avec Numpy et Matplotlib que tu auras vu dans les premieres vidéos, donc ca te permettra a terme de pouvoir faire tout ce que je fais dans les vidéos. Ensuite je conseille d'essayer de faire ton propre projet, en prenant des projets simples de Kaggle et de sklearn. Bon courage ! :)
Salut, la vidéo est très cool, je pense avoir bien compris l'indexing, slicing, etc.. Mais j'ai tout de même une question :
Pour l'exercice que tu corriges à la fin de la vidéo, pourquoi ne pas juste changer les valeurs de X sans recréer un tableau np.ones,
et juste changer avec le slicing ? En tout cas je l'ai fait et ça fonctionne bien, voici le code :
def initialisation(m,n):
array = np.random.randn(m,n+1)
array[:,-1] = 1
print(array)
Bonjour, quelqu'un comprend pourquoi à 12min48, A[A
Done
import numpy as np
def initialisation(m, n):
A=np.random.randn(m, n)
B=np.ones([m, 1])
C=np.concatenate((A, B), axis=1)
return C
Pas mal !
j'ai pas compris le B = [1:3, 1:3] = 1 pourquoi ca remplacer le petit carré, si vous pouvez m'expliquer plus clairement merci !
Il s'agit de sélectionner toutes les lignes allant de 1 a 3 et les colonnes allant de 1 a 3 et remplacer leurs valeurs par 1.
(la ligne et colonne 3 est a chaque fois exclue)
@@MachineLearnia j’ai bien compris, merci !