Franchement, cette vidéo vaut pour moi l'ensemble du temps investi dans cette formation : on retrouve tout ce que tu nous as enseigné jusque là, des graphs qui nous permettent d’émettre des hypothèses ( et pas le contraire ), des astuces de pro, et surtout une rigueur ! Je pense qu'elle se place en tant que référence dans le domaine ! Merci de partager ça GRATUITEMENT ( rappelons le !)
Merci beaucoup a toi, ca me fait tres plaisir de lire un message qui exprime ce que j'ai tenté de faire dans son entièreté, ca montre que j'ai réussi a mettre ma vision sur papier, puis sur vidéo :) Merci ! :D
Ah ouiiii javais aucune notion sur ce domaine et garce aux cours que vous donnez. Je me sens que je vais devenir un expert vous donnez letentiel et ce qui est important a apprendre. La preuve vous avez devant vous un cas🤗 javais aucune notion sur le machine learning et mnt je vais prendre un projet enorme de developpement de machine learning et sur un site de production💪
TIMELINE DE LA VIDÉO : Introduction 0:00:52 ANALYSE DE FORME : Target / dimensions / types : 0:02:21 Analyse des NaN : 0:04:00 ANALYSE DE FOND : Préparation des données : 0:11:10 Analyse Target : 0:13:39 Analyse des Variables Continues : 0:14:49 Analyse de Age quantile : 0:16:45 Analyse des Variables Discrètes : 0:18:28 Création de sous-ensembles : 0:23:05 Analyse Target / Variables Sang : 0:25:43 Analyse Target / Age : 0:28:21 Analyse Target / Viral : 0:31:17 Conclusions de base : 0:35:49 ANALYSE PLUS DÉTAILLÉE Matrice de corrélation (Variables Sang) : 0:39:04 Relation Sang / Age : 0:41:54 Analyse Données Virales : 0:45:28 Analyse Vitalité / Variables Sang : 0:47:14 Analyse Statut Hospitalisation : 0:51:14 Impact des NaN sur la variable Target : 0:55:37 Test hypothèse (test de Student) : 0:58:50
Un niveau d’explications rarement atteint dans une formation en ligne. Vraiment merci pour le partage et pour cette vidéo très méthodique et instructive. on attend avec impatience une sur le Tensorflow.
Je suis tombé sur vos vidéos récemment et je les ai regardé intégralement, j'adore votre pédagogie, j'ai encore mieux compris beaucoup de notions grâce à vos vidéos merci beaucoup
T'es une machine, franchement c'est un plaisir de suivre cette "formation" avec toi. J'adore ce type de vidéo, c'est hyper pédagogique et ça nous donne le temps de comprendre où on va. Au top quoi. Merci pour le temps passé.
J'ai jamais réussi à regarder une vidéo de plus de 20 minutes sur RUclips mais avec Guillaume je souhaite toujours qu'elle dure encore plus longtemps :D 1h pure d'informations utiles. J'ai regardé toute la séries et j'ai hâte de voir la suite ^^ Merci pour ton superbe travail :)
Merci beaucoup ! Ca fait tres plaisir d'avoir ce genre de commentaire. Parfois des gens regardent toute la série mais je ne peux pas les connaitre alors c'est un plaisir de vous rencontrer en cours de route ! :) Bon courage pour la suite :D
Guillaume, Chapeau ! c'est vraiment bloffant à tous niveau: Maitrise du sujet, pédagogie, explication et surtout générosité !! Je suis tout nouveau à Python et ML, bien que j'ai 20 d'expérience dans l'IT, j'ai assisté à des centaines de formations, certaines certifiantes à travers le monde (surtout USA/Canada), jamais je n'ai vu une telle clarté, une telle classe, Bravo! Actuellement je suis inscrit à la formation certifiante Datascience ML de Polytechnique Paris Executive Education, je suis perdu sans tes explications.
Je suis tres heureux de pouvoir t'aider et que le contenu soit d'un si bon niveau selon toi, c'est un honneur ! :) Bon courage dans ta formation et si tu as la moindre question, je serai la pour t'aider !
Cette vidéo est incroyable, merci beaucoup ! Je suis en pleine formation (bootcamp) et pour un projet j'avais du mal à bien organiser le déroulé de mon EDA... Tu expliques extrêmement bien et le format est top 👍
Salut Guillaume, La vidéo est parfaite. Pour ceux d'entre nous qui tapons le code en même temps que toi, il est parfaitement possible de la mettre en pause et reprendre une fois c'est fait. Continue comme ça. Les explications sont fantastiques et on en apprend toujours beaucoup avec toi.
Salut Guillaume, tout d'abord je trouve que la vidéo est très bien comme ça, autant en terme de longueur que d'explication. Je suis peut-être le seul fou qui en demanderais encore plus :p J'attends avec impatience la suivante ! Merci beaucoup pour tous ce travail et ce temps que tu accordes pour faire toutes ces explications :)
Merci beaucoup pour ton feedback ! Ca me fait super plaisir et c'est très rassurant pour moi de savoir que ce genre de vidéos vous sont utiles, j'en referai plus ! :D
Ouah, je ne m'attendez pas à trouver une vidéo de cette qualité sur youtube. Tout est expliqué de façon très pédagogique et clairement. La longueur ne me dérange pas, j'ai du la regarder en deux fois mais ca m'a permit de bien garder en mémoire les informations de chaque parties. J'utiliserai ton plan d'exploration de donnée régulièrement tant il est complet ! Encore merci !
J'ai découvert Python et le ML avec cette chaîne. C'est vraiment excellent , très pédagogique et avec des exercices progressifs. On atteint l'apothéose avec cette analyse de cas. C'est parfait de nous laisser nous débrouiller d'abord et ensuite faire un corrigé complet. Rien à redire. J'ai énormément compris grâce à cette video et j'ai même revu les vidéos précédentes pour mieux comprendre les subtilités !! Un énorme MERCI et bravo pour toutes ces belles vidéos instructives
Je suis tres heureux de lire un tel message, car je vois que les vidéos et l'approche que j'ai mis au point et qui m'a pris des milliers d'heures (littéralement) a porté ses fruits pour que les gens progressent et comprennent ce que j'ai voulu faire.
Salut Guillaume! Vraiment merci beaucoup pour cette vidéo très méthodique et absolument pas longue du tout pour des gens passionnés par cette discipline! 1h c'est vraiment pas long je trouve car il n'y a pas du tout de temps mort ni de redondance. Merci beaucoup pour ce Que tu fais pour la communauté de statisticiens/data scientists/ data analysts que nous sommes. Et tout ça gratuitement. Chapeau bas! On espère que tu continueras longtemps à nous partager cette science!
Et voilà comment passer un bon week-end! Après avoir passé une longue semaine: noyer dans des exo de Pandas, sans forcément maîtriser la syntaxe, ni bien comprendre le dataset.... c'était juste horrible et j'avais presque envie d’abandonner ma formation de data analyst. Mais aujourd'hui j'ai passé ma journée à regarder cette vidéo et à suivre étape par étape, je re respire et reprends confiance en moi! Donc MERCI Guillaume, merci infiniment!!
Je confirme les commentaire. Ce projet de fin de formation concrétise le travail investi ! Le format d'une heure ne dérange pas, chaque minute est intéressante et permet. de vraiment comprendre l'application concrète !! Un grand merci à toi Guillaume :)
Vraiment merci beaucoup ! J'ai souvent été découragé face à des datasets incompréhensibles (beaucoup de variables, domaine inconnue, ...) Et là en plus d'apporter des techniques, tu expliques l'angle méthodologique. C'est vraiment une vidéo recelant beaucoup de valeur !
vous êtes le meilleur prof dans toutes les chaînes du RUclips, franchement vous expliquez très bien, step by step. Au début j'ai cru que c'est très difficile d'explorer un dataset mais maintenant un peu moins. MERCI INFINIMENT PROFESSEUR !
Ils se font rares ceux qui transmettent leur savoir de façon pédagogique, sans restrictions, j’adore ce que tu fais, tu m’aides énormément, et puis les explications sont très importantes, cela me permet (par exemple de me trouver une façon de réfléchir et d’établir une certaine logique). J’ai toujours eu besoin d’écrire mes idées :(étapes à suivre, hypothèses...etc) dans un premier temps et puis de les convertir petit à petit. Je suis novice dans le domaine, et me sens de plus en plus alaise. Keep going, j’adore !
Merci a toi ! Tu as raison de suivre une approche pas-a-pas, en notant tes idées sur le papier et en avancant petit a petit, je fais la meme chose, et je suis sur que meme les plus intelligents (je dirais meme surtout les plus intelligents) procedent ainsi ! :)
Bonjour Guillaume, merci pour cette vidéo ! Elle est très utile comme feuille de route pour mener un projet de data science ! Le fait d'avoir fait une vidéo plus longue permet d'avoir tout le contenu en un ce qui est beaucoup plus pratique que d'en visionner plusieurs à la suite. Merci encore pour tous ces contenus de qualité !
Hello Guillaume et la communauté ! Feedback comme demandé en fin de cette vidéo : C'est juste parfait, super pédagogique. Comme d'habitude. C'est beaucoup mieux que si tu nous donnais juste le code et les commentaires. Pour la durée, si une vidéo est longue, il suffit de la voir et la travailler en plusieurs sessions et puis c'est tout.
Merci Frédéric et je pense que tu as raison, ceux qui veulent réussir comme toi se donnent les moyens et je fais tout pour les aider. Et c'est juste pour ceux qui travaillent que les compétences ne viennent pas en regardant simplement des vidéos de 10 minutes, mais en travaillant soi-meme ! Bravo a toi et merci !
Merci encore pour ces vidéos, très utiles pour mettre le pied à l'étrier (et prendre de bonnes habitudes) sur un projet de ML ! Une remarque sur 'distplot' qui va disparaître de seaborn un jour : dans sns, histplot (ou displot) permet de faire un histo de densité sur différentes catégories ('statut') en une ligne de code : Cela donne : for col in blood_columns: plt.figure() sns.histplot(df, x = col , hue='statut', stat="density", kde=True, common_norm=False, bins=20) au lieu de : for col in blood_columns: plt.figure() for cat in df['statut'].unique(): sns.distplot(df[df['statut']==cat][col], label = cat) plt.legend() Avec les paramètres stat="density", kde=True, common_norm=False le rendu visuel est presque le même qu'avec distplot. Dommage qu'il y ait des contours noirs sur les batons de l'histo, cela rend la figure un peu moins lisible :-(
C'est vraiment formidable ce que tu fais ! Jamais vu pareil cours sur le sujet ! Merci pour tes efforts et la qualité de tes enseignements ! Pour répondre à ta question sur le format, c'est très bien de continuer à taper le code; c'est plus pédagogique selon moi. Merci.
C'est la meilleure vidéo de data science que j'ai vu jusqu'ici.J'ai payé des formations sur udemy mais je n'ai jamais eu un retour d'une si belle qualité . Et en plus c'est gratuit .Merci pour ton travail franchement
Cher Guillaume !C'estt super ! C'est une etude de cas et ça ne peut que etre longue , puisqu'elle a nécessité plus de details pour une meilleur compréhension de l'auditoire. Je pense humblement pour ma part que c'est la meilleure pédagogie et par consequent le meilleur pédagogue sur youtube dans le machine learning. Je ne suis pas sur d'etre desavoué par quelqu'un d'autre ou du moins la personne est un newcomer sur ta chaine. ahahaha...Merci champion .
Un énorme merci pour ton soutien !!! :) Je suis tres heureux de voir de nombreuses personnes suivrent la série en entier, vous etes des champions ! Et bravo pour votre motivation ! Vous irez tres loin, et je vous l'assure, je vous aiderai car vous le méritez ! :)
Bonjour ! Merci pour l'ENORME aide... J'ai regardé absolument toutes les vidéos et même certaines plus de 5 fois je pense ^^ Je travaille sur mon premier projet de Data Science pour mes études et du fait du coronavirus j'ai du me former seul pendant de longues semaines... J'ai fait les cours du CNAM RCP 208, RCP209, j'ai réalisé 6 cours OPENCLASSROOM et franchement c'est votre chaîne qui m'a le plus aidé de loin. Merci encore et bonne continuation (déjà 17 000 abonnées !)
Merci Guillaume pour ta vidéo. Elles m'ont permis de découvrir le monde du machine learning. Je réalise un pfe et je vais devoir analyser des données pour ensuite faire des proba... et je dois dire que ton contenu me donne plein d'idées. Un grand merci pour ton travail de qualité !
Trop super cool et très didactique, surtout écrire le code en même temps, et non pas copier coller les codes . J'avoue que j'ai pas vu le temps passé. J'ai hésité à visionner la vidéo quand j'ai vu le temps, mais dès l'entame de la vidéo, j'ai même pas vu le temps passer. Super cool vraiment
Je suis content d'avoir ce retour, j'ai longtemps hésité en pensant que la vidéo serait trop longue et que le fait d'écrire en live ennuierait un peu les gens, mais c'est important d'avoir des témoignages qui me confirme le contraire !
Toujours au top avec tes vidéos. La vidéo est claire, précise et très bien expliqué. Tu es un pédagogue hors pair. Continue a nous régaler comme tu le fais si bien.
Superbe vidéo, je suis débutant dans la data science et je trouve la forme de ta vidéo très intéressant puisque tu détail tes idée pendant que tu code, et ça c rare de trouver des personnes qui font ca. Un grand merci pour tes efforts, hâte de regarder ta prochaine vidéo.
Super J'ai beaucoup appris, merci beaucoup ! Le fait que le vidéo est plutôt longue n'embête pas du tout à mon niveau. Et le fait que tu tapes les codes est comme tu l'a dit plutôt pédagogique, je suis d'accord. Merci beaucoup pour ce partage !
Je suis très heureuse d'avoir suivi tes vidéos et celle-là en particulier . je suis fan de toi mon meilleur prof de machine learning . Merci merci merci !
Merci énormément pour cette vidéo (et toutes les précédentes évidemment). Très pédagogique. ne change rien : la longueur de la vidéo est bonne et la saisie du code au lieu du copié collé est appréciable.
Très bonne vidéo, et excellente démarche d’analyse. On se rend compte de la puissance des outils et l’application concrète qui peut en être faite. Bravo
@@MachineLearnia Déjà je trouve que tu rends la chose vachement intéressante, puis tes explications sont claires, on sent que tu sais de quoi tu parles. Ce qui est bien aussi c'est que tu parles de choses compliquées mais tu rends les choses plus simples disons :)
Bonjour, j’espère que vous allez bien après ce confinement de 60 jours.... Juste pour passer un bonjour , et toutes nos reconnaissances pour ce que vous offrez à la science et la recherche merci et bonne santé à vous
Merci pour cette vidéo. Tu m'aides beaucoup et notamment à structurer mes analyses !! Je ne trouve pas ça trop long, et j'aime pouvoir te suivre et appliquer directement à mon problème.
Merci Guillaume pour cette vidéo que je trouve vraiment très sympa. Le fait que tu tapes le code en même temps permet de suivre au plus près ton raisonnement et de bien assimiler la démarche. Donc pour moi, ce n'est pas grave si la vidéo est plus longue, on a toujours la possibilité de regarder selon le rythme que l'on désire. Le plus important est de comprendre au plus près tes explications et cela passe par le fait que tu saisisses le code ce qui me semple "plus pédagogique". Avec le code copié-collé, j'ai tendance à lire le code et ne plus écouter tes explications et cela m'oblige à retourner en arrière pour t'écouter dans un 2de temps.
Best video ever ! Ce qui serait top c'est des lives (par exemple twitch) où tu fais des analyses en direct. Tu pourrais poster ensuite la vidéo du live sur youtube. Comme ça on aurait plusieurs exemples !
Super !!!. Merci pour ce temps que vous avez consacré pour nous faire assimiler cette bonne méthodologie. J'attends toujours votre livre depuis plus de 4 mois :(
De rien ! ca me fait tres plaisir ! :) Oh mince je suis navré pour le livre ! :( Vous avez mis votre adresse email dans la newsletter du site ? Avez-vous vérifiez vos spams et vos dossiers "promotions" !? 4 mois !!! Vous méritez de recevoir le livre au moins 4 fois ! Informez-moi de la suite des événements
Le titanic est un bon début pour commencer, je t'invite aussi a te lancer dans des projets plus conséquents pour gagner en expérience (on en fera sur la chaine youtube)
Merci beaucoup pour cette vidéo, étant débutante je ne comprenais pas trop le schéma général d'une analyse. Mais la! grâce à toi je sais que je vais progresser
Merci énormement, je trouve plutôt assez profond et claire, la faiblesse est encore de ne pas se familiariser avec les fonctions des modules de Sklearn ... mais bon il en faut beaucoup de Dataset pour les travaux de projets de pratiques, là je parle de moi. hahaha
Je ne commente pas souvent les vidéos, mais bravo pour les contenus que tu proposes dans tes vidéos. Etant Data Analyst, je prends pas mal d'astuces ici. Merci :)
Merci beaucoup pour cette vidéo qui est exemplaire pour donner de la méthode dans l'approche d'un nouveau jdd. Tant pis pour la longueur, c'est super instructif!
Bonsoir, je viens de terminer la video et de la comprendre parfaitement, j'ai passé la plupart de la journant en le voyant, merci pour ce grand effort, personnelement j'aime ta video long, par ce que vous avez nous bien expliquée les fonctions, c'est bien que juste expliquer un code en copier coller! J'ai beaucoup aimée la video, j'ai augmenter mon niveau de connaissance en Machine learning, et bien aussi j'ai un projet de fin d'étude en relation de COvid xD, je suis trés heureux... Bon continuation et merci tu es mon datascientiste et mon ensaignant preferé.
Merci beaucoup ! Ton message me fait tres plaisir je suis heureux de savoir que je peux t'aider de la sorte ! (et je suis heureux de savoir que je suis ton data scientist préféré) :)
Pour ce qui est de la fonction apply(). Je déconseille son utilisation en axis=1 (ligne par ligne), c'est très très lent ! Je conseille plutôt une vectorisation de la manipulation avec des fonctions comme np.where ou np.select. Sinon très bonne vidéo.
Je suis d'accord, je l'ai utilisé pour montrer une astuce simple pour les débutants. Apply fonctionne sur le DataFrame entier de toute maniere. Mieux vaut utiliser map() ou bien utiliser une vectorisation. Merci pour ce partage !
Merci pour ce démarche que je trouve scientifique et qui nous a éclairci beaucoup comment utiliser nos modestes connaissances en ML et surtout comment profiter des résultats des algorithmes antérieurs pour sélectionner des sous-groupes. Permettez moi seulement cher Guillaume cette petite clarification que vous connaissez peut être et qui fait partie de mon domaine médical concernant la grande corrélation entre la variable' Hematocrit' , Hemoglobin ' et Red blood cell' que vous avez démontrée dans cette analyse tout simplement parce que l'hématocrite par définition est le volume occupé par les globules rouges du sang et ces cellules contiennent la molécule d'hémoglobine. Merci encore et à bien tôt.
Vidéo de qualité et riche en information pour quelqu’un qui veut apprendre la data sciences! Une aubaine pour moi qui cherchait des vidéos sur comment faire mon EDA de mon projet, là je suis plus que satisfait du travail accompli. Ça serait vraiment intéressant si tu pouvais faire certaines vidéos avec pyspark, vu qu’on est à l’ère des Big Data, ça aiderait sûrement!
Salut monsieur Guillaume, Votre explication est meilleure que celle de Andrew NG, je n'exagère pas Merci beaaaaucoup pour cet énorme contenu continuer jusqu'à que votre chaine deviendra la plus grande bibliothèque francophone de machine learning!
Alors ca !!! -> Meilleure que Andrew Ng... Je n'oserai pas l'imaginer, mais si des gens comme toi le disent, alors c'est le plus grand honneur et le meilleur commentaire que je puisse recevoir ! MERCI ! :D
@@MachineLearnia mais c'est la vérité vous vulgarisez et simplifiez les details les plus compliqués d'une façon vraiment captivante, j'adore moi, SVP continuez, ne nous privez pas de cette grande valeur que vous avez
Excellent vidéo toujours on apprends avec vous merci beaucoup l’étude biologique de ces paramètres est importante pour voir les relations entre elles a titre d'exemple si il y a une infection que ce soit bactérienne ou viral ou parasitaire, le système immunitaire intervient pour produire un taux élevé d'un type de lymphocyte précise par exemple si le taux de éosinophiles très élevé est due a une infection parasitaire , pour cela je suggère une séance complémentaire ( l’étude biologique ) a la fin de ce projet pour visualiser bien les choses
Guillaume, encore une très bonne vidéo. Je me sens rassuré d’avoir su partir dans les bons raisonnements (éléments manquants, tri des variables peu representatives, graphiques de corrélation, etc...) . Comme quoi le message est bien passé :)) Par contre, petit truc manquant dans l’ensemble, ce serait un rapide tuto jupyter : il y a sûrement un tas de raccourcis et d’astuce de mise en page que tu maitrises, mais j’avoue ne pas te suivre et avoir passé du temps sur Google (et encore, je découvre md et galère un peu, cherche des tables de matière, comment bien séparer ses projets, etc...). Merci pour ton aide précieuse et continue !!!
Merci beaucoup a toi ! :) J'ai fait une vidéo a ce sujet sur Tipeee, pour les gens qui me soutiennent avec un petit don. Si tu n'as pas les moyens de faire un don surtout ne t'en fais pas je t'enverrai le lien gratuitement, contacte moi sur discord / facebook ou ailleurs
Merci pour cette vidéo incroyable ! Tu m'as fait comprendre l'importance des stats descriptives qui est parfois la partie la plus "laborieuse". D'autre part je trouve beaucoup mieux le format ou tu codes en parlant ce qui permet de beaucoup mieux suivre quitte à ce que ce soit plus long !
J’ai une question, je ne sais pas si tu pourras répondre. Dans mon école d’ingé, on nous apprend à faire des stats des sur SAS et des stats sur R et le python c’est plutôt des projets. Est-ce que tu penses utile de s’investir dans SAS et R alors qu’on peut tout faire avec python ? Merci pour ta réponse !
38:39 le sigue'nifiquiti'vement qui fait plaisir la ahah x) en fait je viens de réaliser une chose, c'est que l'analyse des données est plus compliquée que l'apprentissage en réalité mdrr sans cette vidéo j'aurais jamais avancé merci pour tout Guillaume !
Merci pour ce tuto ! Petite erreur sur le markdown du notebook ? Il me semble que tu as inversé ^^ - float64(70) -> 70 Variables quantitatives - int64(4), object(37) -> 41 Variables qualitatives
Hello, très bonne vidéo ! Juste une petite question, je suis peut-être passé d'une info : Autour de ~4 min tu checks le type des variables pour séparer quantitatif et qualitatif avec df.dtypes.value_counts(). Tu obtiens donc : float64 70 object 37 int64 4 dtype: int64 Du coup, il y a 74 variables quantitatives (float64 + int64) et 37 variables qualitatives (object), selon moi ? Mais peut-être que j'ai mal compris quelque chose, car tu as écris : qualitatives : 70, quantitatives : 41 Merci en tout cas de présenter une démarche d'analyse très intéressante et complète
Salut guillaume, en regardant cette vidéo pour la deuxième fois, je me suis rendu compte de deux choses. La première est que j'allais devoir énormément travailler pour maitriser le machine learning comme toi. Et la deuxième, les gros sites comme RUclips ou amazone utilisent certainement des algorithmes de ML pour afficher du contenu personnalisé en fonction des recherches, et tu vois je veux être capable de faire des programmes complexe comme ça un jour, c'est pour ça que j'attends ton livre avec impatience.
Salut et merci pour ton message. Tout d’abord ne t’inquiète pas c'est normal que tu aies a travailler, mais un jour tu deviendras très bon, peut-être meilleur que moi (ca serait génial, j'adore quand les gens deviennent meilleurs que moi ca indique que j'ai bien fait mon job) Pour ton idée de projet, il faut mettre en place ce qu'on appelle des recommandation Systems, j'en parlerais a l'avenir sur la chaine, le sujet est vaste, mais ca n'est pas tres compliqué a comprendre ;)
J'arrive deux ans après, mais je tenais à te remercier sincèrement pour tes vidéos, ta chaîne est une perle rare
Franchement, cette vidéo vaut pour moi l'ensemble du temps investi dans cette formation : on retrouve tout ce que tu nous as enseigné jusque là, des graphs qui nous permettent d’émettre des hypothèses ( et pas le contraire ), des astuces de pro, et surtout une rigueur ! Je pense qu'elle se place en tant que référence dans le domaine ! Merci de partager ça GRATUITEMENT ( rappelons le !)
Merci beaucoup a toi, ca me fait tres plaisir de lire un message qui exprime ce que j'ai tenté de faire dans son entièreté, ca montre que j'ai réussi a mettre ma vision sur papier, puis sur vidéo :) Merci ! :D
Ah ouiiii javais aucune notion sur ce domaine et garce aux cours que vous donnez. Je me sens que je vais devenir un expert vous donnez letentiel et ce qui est important a apprendre. La preuve vous avez devant vous un cas🤗 javais aucune notion sur le machine learning et mnt je vais prendre un projet enorme de developpement de machine learning et sur un site de production💪
TIMELINE DE LA VIDÉO :
Introduction 0:00:52
ANALYSE DE FORME :
Target / dimensions / types : 0:02:21
Analyse des NaN : 0:04:00
ANALYSE DE FOND :
Préparation des données : 0:11:10
Analyse Target : 0:13:39
Analyse des Variables Continues : 0:14:49
Analyse de Age quantile : 0:16:45
Analyse des Variables Discrètes : 0:18:28
Création de sous-ensembles : 0:23:05
Analyse Target / Variables Sang : 0:25:43
Analyse Target / Age : 0:28:21
Analyse Target / Viral : 0:31:17
Conclusions de base : 0:35:49
ANALYSE PLUS DÉTAILLÉE
Matrice de corrélation (Variables Sang) : 0:39:04
Relation Sang / Age : 0:41:54
Analyse Données Virales : 0:45:28
Analyse Vitalité / Variables Sang : 0:47:14
Analyse Statut Hospitalisation : 0:51:14
Impact des NaN sur la variable Target : 0:55:37
Test hypothèse (test de Student) : 0:58:50
Un niveau d’explications rarement atteint dans une formation en ligne. Vraiment merci pour le partage et pour cette vidéo très méthodique et instructive. on attend avec impatience une sur le Tensorflow.
elue meilleure video RUclips de tres loin. merci.. genial... que dire..!
Quel honneur ! Merci beaucoup ! :D
Bravissimo pour cette vidéo, on voit la démarche scientifique, c'est passionnant !
Avec quelques astuces de codes en plus, franchement, topissime.
Merci JM ! Je suis ravi que la vidéo te plaise :)
Je suis tombé sur vos vidéos récemment et je les ai regardé intégralement, j'adore votre pédagogie, j'ai encore mieux compris beaucoup de notions grâce à vos vidéos merci beaucoup
T'es une machine, franchement c'est un plaisir de suivre cette "formation" avec toi. J'adore ce type de vidéo, c'est hyper pédagogique et ça nous donne le temps de comprendre où on va. Au top quoi. Merci pour le temps passé.
J'ai jamais réussi à regarder une vidéo de plus de 20 minutes sur RUclips mais avec Guillaume je souhaite toujours qu'elle dure encore plus longtemps :D
1h pure d'informations utiles. J'ai regardé toute la séries et j'ai hâte de voir la suite ^^
Merci pour ton superbe travail :)
Merci beaucoup ! Ca fait tres plaisir d'avoir ce genre de commentaire. Parfois des gens regardent toute la série mais je ne peux pas les connaitre alors c'est un plaisir de vous rencontrer en cours de route ! :) Bon courage pour la suite :D
Guillaume, Chapeau ! c'est vraiment bloffant à tous niveau: Maitrise du sujet, pédagogie, explication et surtout générosité !!
Je suis tout nouveau à Python et ML, bien que j'ai 20 d'expérience dans l'IT, j'ai assisté à des centaines de formations, certaines certifiantes à travers le monde (surtout USA/Canada), jamais je n'ai vu une telle clarté, une telle classe, Bravo!
Actuellement je suis inscrit à la formation certifiante Datascience ML de Polytechnique Paris Executive Education, je suis perdu sans tes explications.
Je suis tres heureux de pouvoir t'aider et que le contenu soit d'un si bon niveau selon toi, c'est un honneur ! :)
Bon courage dans ta formation et si tu as la moindre question, je serai la pour t'aider !
Cette vidéo est incroyable, merci beaucoup ! Je suis en pleine formation (bootcamp) et pour un projet j'avais du mal à bien organiser le déroulé de mon EDA... Tu expliques extrêmement bien et le format est top 👍
Salut Guillaume,
La vidéo est parfaite. Pour ceux d'entre nous qui tapons le code en même temps que toi, il est parfaitement possible de la mettre en pause et reprendre une fois c'est fait.
Continue comme ça. Les explications sont fantastiques et on en apprend toujours beaucoup avec toi.
Merci beaucoup ! Je suis ravi d'apprendre que la vidéo te plaise
Salut Guillaume, tout d'abord je trouve que la vidéo est très bien comme ça, autant en terme de longueur que d'explication. Je suis peut-être le seul fou qui en demanderais encore plus :p
J'attends avec impatience la suivante !
Merci beaucoup pour tous ce travail et ce temps que tu accordes pour faire toutes ces explications :)
Merci beaucoup pour ton feedback ! Ca me fait super plaisir et c'est très rassurant pour moi de savoir que ce genre de vidéos vous sont utiles, j'en referai plus ! :D
Nous attendons tous avec impatience les vidéos de Guillaume
Merci infiniment
Fou+1. Ce travail est juste exceptionnel!
Ouah, je ne m'attendez pas à trouver une vidéo de cette qualité sur youtube.
Tout est expliqué de façon très pédagogique et clairement.
La longueur ne me dérange pas, j'ai du la regarder en deux fois mais ca m'a permit de bien garder en mémoire les informations de chaque parties.
J'utiliserai ton plan d'exploration de donnée régulièrement tant il est complet !
Encore merci !
Bon courage et merci pour le retour :)
J'ai découvert Python et le ML avec cette chaîne. C'est vraiment excellent , très pédagogique et avec des exercices progressifs. On atteint l'apothéose avec cette analyse de cas. C'est parfait de nous laisser nous débrouiller d'abord et ensuite faire un corrigé complet. Rien à redire. J'ai énormément compris grâce à cette video et j'ai même revu les vidéos précédentes pour mieux comprendre les subtilités !! Un énorme MERCI et bravo pour toutes ces belles vidéos instructives
Je suis tres heureux de lire un tel message, car je vois que les vidéos et l'approche que j'ai mis au point et qui m'a pris des milliers d'heures (littéralement) a porté ses fruits pour que les gens progressent et comprennent ce que j'ai voulu faire.
Salut Guillaume! Vraiment merci beaucoup pour cette vidéo très méthodique et absolument pas longue du tout pour des gens passionnés par cette discipline! 1h c'est vraiment pas long je trouve car il n'y a pas du tout de temps mort ni de redondance. Merci beaucoup pour ce Que tu fais pour la communauté de statisticiens/data scientists/ data analysts que nous sommes. Et tout ça gratuitement. Chapeau bas! On espère que tu continueras longtemps à nous partager cette science!
Merci beaucoup a toi :)
Jamais je n’arrêterai, tant qu'il y aura des gens a aider, je vous aiderai !
Et voilà comment passer un bon week-end!
Après avoir passé une longue semaine: noyer dans des exo de Pandas, sans forcément maîtriser la syntaxe, ni bien comprendre le dataset.... c'était juste horrible et j'avais presque envie d’abandonner ma formation de data analyst.
Mais aujourd'hui j'ai passé ma journée à regarder cette vidéo et à suivre étape par étape, je re respire et reprends confiance en moi!
Donc MERCI Guillaume, merci infiniment!!
WOW ! Ca me fait super plaisir d'avoir pu t'aider ainsi ! Garde confiance en toi ! Tu es un boss ! :D
Je confirme les commentaire. Ce projet de fin de formation concrétise le travail investi ! Le format d'une heure ne dérange pas, chaque minute est intéressante et permet. de vraiment comprendre l'application concrète !! Un grand merci à toi Guillaume :)
Vraiment merci beaucoup !
J'ai souvent été découragé face à des datasets incompréhensibles (beaucoup de variables, domaine inconnue, ...)
Et là en plus d'apporter des techniques, tu expliques l'angle méthodologique.
C'est vraiment une vidéo recelant beaucoup de valeur !
Yes ! Je suis content que tu apprécies la vidéo et qu'elle te soit utile ! :)
vous êtes le meilleur prof dans toutes les chaînes du RUclips, franchement vous expliquez très bien, step by step. Au début j'ai cru que c'est très difficile d'explorer un dataset mais maintenant un peu moins. MERCI INFINIMENT PROFESSEUR !
Je suis tres heureux d'avoir pu vous aider avec mes videos ! :)
A bientot pour les futures videos ! :)
Ils se font rares ceux qui transmettent leur savoir de façon pédagogique, sans restrictions, j’adore ce que tu fais, tu m’aides énormément, et puis les explications sont très importantes, cela me permet (par exemple de me trouver une façon de réfléchir et d’établir une certaine logique).
J’ai toujours eu besoin d’écrire mes idées :(étapes à suivre, hypothèses...etc) dans un premier temps et puis de les convertir petit à petit.
Je suis novice dans le domaine, et me sens de plus en plus alaise.
Keep going, j’adore !
Merci a toi ! Tu as raison de suivre une approche pas-a-pas, en notant tes idées sur le papier et en avancant petit a petit, je fais la meme chose, et je suis sur que meme les plus intelligents (je dirais meme surtout les plus intelligents) procedent ainsi ! :)
Bonjour Guillaume, merci pour cette vidéo ! Elle est très utile comme feuille de route pour mener un projet de data science ! Le fait d'avoir fait une vidéo plus longue permet d'avoir tout le contenu en un ce qui est beaucoup plus pratique que d'en visionner plusieurs à la suite. Merci encore pour tous ces contenus de qualité !
Un très grand professionnalisme et un niveau d’explications rarement atteint dans une formation en ligne
Merci beaucoup !
Hello Guillaume et la communauté !
Feedback comme demandé en fin de cette vidéo : C'est juste parfait, super pédagogique. Comme d'habitude. C'est beaucoup mieux que si tu nous donnais juste le code et les commentaires.
Pour la durée, si une vidéo est longue, il suffit de la voir et la travailler en plusieurs sessions et puis c'est tout.
Merci Frédéric et je pense que tu as raison, ceux qui veulent réussir comme toi se donnent les moyens et je fais tout pour les aider. Et c'est juste pour ceux qui travaillent que les compétences ne viennent pas en regardant simplement des vidéos de 10 minutes, mais en travaillant soi-meme ! Bravo a toi et merci !
Cette vidéo va devenir une référence. Excellent job. Un grand merci à toi Guillaume
Wow ! merci beaucoup :)
Bravo c’est aussi passionnant qu’une série netflix
Tu fais un travail de qualité, vraiment trop fan. Merci
Je vais contacter Netflix pour leur proposer de faire une saison alors ahah
Merci ;)
Merci encore pour ces vidéos, très utiles pour mettre le pied à l'étrier (et prendre de bonnes habitudes) sur un projet de ML !
Une remarque sur 'distplot' qui va disparaître de seaborn un jour :
dans sns, histplot (ou displot) permet de faire un histo de densité sur différentes catégories ('statut') en une ligne de code :
Cela donne :
for col in blood_columns:
plt.figure()
sns.histplot(df, x = col , hue='statut', stat="density", kde=True, common_norm=False, bins=20)
au lieu de :
for col in blood_columns:
plt.figure()
for cat in df['statut'].unique():
sns.distplot(df[df['statut']==cat][col], label = cat)
plt.legend()
Avec les paramètres
stat="density", kde=True, common_norm=False
le rendu visuel est presque le même qu'avec distplot.
Dommage qu'il y ait des contours noirs sur les batons de l'histo, cela rend la figure un peu moins lisible :-(
Ah oui en effet merci pour ca ! :)
C'est vraiment formidable ce que tu fais ! Jamais vu pareil cours sur le sujet ! Merci pour tes efforts et la qualité
de tes enseignements ! Pour répondre à ta question sur le format, c'est très bien de continuer à taper le code; c'est plus pédagogique selon moi. Merci.
Merci beaucoup pour ton retour et ton compliment ! :)
C'est la meilleure vidéo de data science que j'ai vu jusqu'ici.J'ai payé des formations sur udemy mais je n'ai jamais eu un retour d'une si belle qualité . Et en plus c'est gratuit .Merci pour ton travail franchement
Je suis tres heureux de lire ton message, merci :)
Cher Guillaume !C'estt super ! C'est une etude de cas et ça ne peut que etre longue , puisqu'elle a nécessité plus de details pour une meilleur compréhension de l'auditoire. Je pense humblement pour ma part que c'est la meilleure pédagogie et par consequent le meilleur pédagogue sur youtube dans le machine learning. Je ne suis pas sur d'etre desavoué par quelqu'un d'autre ou du moins la personne est un newcomer sur ta chaine. ahahaha...Merci champion .
Un énorme merci pour ton soutien !!! :) Je suis tres heureux de voir de nombreuses personnes suivrent la série en entier, vous etes des champions ! Et bravo pour votre motivation ! Vous irez tres loin, et je vous l'assure, je vous aiderai car vous le méritez ! :)
Best Channel pour tout les data scientist !!
Wow !!! merci beaucoup ! :)
Bonjour ! Merci pour l'ENORME aide... J'ai regardé absolument toutes les vidéos et même certaines plus de 5 fois je pense ^^
Je travaille sur mon premier projet de Data Science pour mes études et du fait du coronavirus j'ai du me former seul pendant de longues semaines...
J'ai fait les cours du CNAM RCP 208, RCP209, j'ai réalisé 6 cours OPENCLASSROOM et franchement c'est votre chaîne qui m'a le plus aidé de loin.
Merci encore et bonne continuation (déjà 17 000 abonnées !)
Je suis tres heureux d'apprendre que j'ai pu autant vous aider ! :) Ca n'est que le début de l'aventure ! :)
A bientot
Merci Guillaume pour ta vidéo. Elles m'ont permis de découvrir le monde du machine learning. Je réalise un pfe et je vais devoir analyser des données pour ensuite faire des proba... et je dois dire que ton contenu me donne plein d'idées. Un grand merci pour ton travail de qualité !
Quel bonheur de savoir que je peux t'aider a réaliser ton PFE ! Merci et bon courage ! :D
Trop super cool et très didactique, surtout écrire le code en même temps, et non pas copier coller les codes . J'avoue que j'ai pas vu le temps passé. J'ai hésité à visionner la vidéo quand j'ai vu le temps, mais dès l'entame de la vidéo, j'ai même pas vu le temps passer.
Super cool vraiment
Je suis content d'avoir ce retour, j'ai longtemps hésité en pensant que la vidéo serait trop longue et que le fait d'écrire en live ennuierait un peu les gens, mais c'est important d'avoir des témoignages qui me confirme le contraire !
Toujours au top avec tes vidéos. La vidéo est claire, précise et très bien expliqué. Tu es un pédagogue hors pair.
Continue a nous régaler comme tu le fais si bien.
Merci beaucoup ! Je vous aiderai du mieux possible, le plus longtemps possible ! :D
Superbe vidéo, je suis débutant dans la data science et je trouve la forme de ta vidéo très intéressant puisque tu détail tes idée pendant que tu code, et ça c rare de trouver des personnes qui font ca.
Un grand merci pour tes efforts, hâte de regarder ta prochaine vidéo.
Merci beaucoup, je suis content que le format t'ait plu ! :)
Super J'ai beaucoup appris, merci beaucoup !
Le fait que le vidéo est plutôt longue n'embête pas du tout à mon niveau. Et le fait que tu tapes les codes est comme tu l'a dit plutôt pédagogique, je suis d'accord. Merci beaucoup pour ce partage !
Merci beaucoup pour votre retour :)
Vous êtes un très bon pédagogique. Merci pour tout.
de rien !
Je suis très heureuse d'avoir suivi tes vidéos et celle-là en particulier . je suis fan de toi mon meilleur prof de machine learning . Merci merci merci !
Merci beaucoup, c'est un honneur :)
Merci énormément pour cette vidéo (et toutes les précédentes évidemment).
Très pédagogique. ne change rien : la longueur de la vidéo est bonne et la saisie du code au lieu du copié collé est appréciable.
Super merci beaucoup :)
Très bonne vidéo, et excellente démarche d’analyse.
On se rend compte de la puissance des outils et l’application concrète qui peut en être faite.
Bravo
Merci beaucoup ! :)
Super format avec suffisamment de grains à moudre par minute (GAMPM), Bravo !
Ahah merci beaucoup ! :)
merci beaucoup pour les videos et la formation gratuite.
Je suis en master de mathématiques en plein dans le machine learning et tes vidéos sont supers vraiment ! merci à toi :)
Merci beaucoup. Que trouves-tu "super" dans mes vidéos ? C'est pour savoir :)
@@MachineLearnia Déjà je trouve que tu rends la chose vachement intéressante, puis tes explications sont claires, on sent que tu sais de quoi tu parles. Ce qui est bien aussi c'est que tu parles de choses compliquées mais tu rends les choses plus simples disons :)
Bonjour, j’espère que vous allez bien après ce confinement de 60 jours....
Juste pour passer un bonjour , et toutes nos reconnaissances pour ce que vous offrez à la science et la recherche
merci et bonne santé à vous
Merci beaucoup pour ce message bienveillant, prenez soin de vous également ! :)
Merci pour cette vidéo. Tu m'aides beaucoup et notamment à structurer mes analyses !! Je ne trouve pas ça trop long, et j'aime pouvoir te suivre et appliquer directement à mon problème.
ok merci ! :)
Merci infiniment pour tes cours, c'est juste wahoooo. 👍👍👍👍👍. J'attends le cours sur Tensorflow avec impatience
Merci Guillaume pour cette vidéo que je trouve vraiment très sympa. Le fait que tu tapes le code en même temps permet de suivre au plus près ton raisonnement et de bien assimiler la démarche. Donc pour moi, ce n'est pas grave si la vidéo est plus longue, on a toujours la possibilité de regarder selon le rythme que l'on désire. Le plus important est de comprendre au plus près tes explications et cela passe par le fait que tu saisisses le code ce qui me semple "plus pédagogique". Avec le code copié-collé, j'ai tendance à lire le code et ne plus écouter tes explications et cela m'oblige à retourner en arrière pour t'écouter dans un 2de temps.
Merci pour ton explication tres intéressante, c'est utile pour moi de comprendre ca ! :)
Bon courage a toi et a très vite ! ;)
Toujours aussi excellenticime par rapport à la longueur de la vidéo, je trouve que c'est parfait car plus il y a de détails mieux c'est !!!!
Merci beaucoup, je prends note :)
Best video ever ! Ce qui serait top c'est des lives (par exemple twitch) où tu fais des analyses en direct. Tu pourrais poster ensuite la vidéo du live sur youtube. Comme ça on aurait plusieurs exemples !
Je l'ai fait par le passé, mais la je me concentre plus sur les videos RUclips en ce moment (et je n'ai pas enregistré les replays malheureusement)
Énorme vidéo !!! merciii beaucoup ça nous apprend pas mal de chose sur la data Science !!!
J'en suis content :)
le meilleur dans le monde Merci svp faites des autres vidéos
Merci beaucoup !
Je me forme en data science avec vos vidéos. Merci infiniment Guillaume.
C'est un grand plaisir, merci :)
Merci merci merci , très bon vidéo beaucoup des informations . Merci
De rien :)
Super !!!. Merci pour ce temps que vous avez consacré pour nous faire assimiler cette bonne méthodologie.
J'attends toujours votre livre depuis plus de 4 mois :(
De rien ! ca me fait tres plaisir ! :)
Oh mince je suis navré pour le livre ! :( Vous avez mis votre adresse email dans la newsletter du site ? Avez-vous vérifiez vos spams et vos dossiers "promotions" !? 4 mois !!! Vous méritez de recevoir le livre au moins 4 fois ! Informez-moi de la suite des événements
Bravo Guilhaume pour ce travail qui mérite être une référence dans le domaine du Data science! Bonne continuation ;-)
Merci beaucoup pour tes encouragements ! :)
merci bcp pour la formation !
je me sers également de ces vidéos "titanic" comme fil rouge pour d'autres bases de données !
Le titanic est un bon début pour commencer, je t'invite aussi a te lancer dans des projets plus conséquents pour gagner en expérience (on en fera sur la chaine youtube)
Merci beaucoup pour cette vidéo, étant débutante je ne comprenais pas trop le schéma général d'une analyse. Mais la! grâce à toi je sais que je vais progresser
Ca me fait tres plaisir :)
Une vidéo magistrale sur la Data visualisation. Merci
Merci beaucoup ! :)
Merci énormement, je trouve plutôt assez profond et claire, la faiblesse est encore de ne pas se familiariser avec les fonctions des modules de Sklearn ... mais bon il en faut beaucoup de Dataset pour les travaux de projets de pratiques, là je parle de moi. hahaha
Je vous soutiendrai toujours ! :)
Super, vraiment très intéressante cette vidéo.
On y voit tes réflexions et la mise en pratique.
Pour la longueur ça va tout s’enchaîne bien.
Merci.
Parfait ! Merci beaucoup :)
Tout simplement parfait!!! Rien a dire!!! C'est excellent comme ça!!! Merci encore une fois très cher Guillaume
Merci a vous !
Je ne commente pas souvent les vidéos, mais bravo pour les contenus que tu proposes dans tes vidéos. Etant Data Analyst, je prends pas mal d'astuces ici. Merci :)
Merci beaucoup, et bon courage dans tes projets ! :)
Merci beaucoup pour cette vidéo qui est exemplaire pour donner de la méthode dans l'approche d'un nouveau jdd. Tant pis pour la longueur, c'est super instructif!
Bonsoir, je viens de terminer la video et de la comprendre parfaitement, j'ai passé la plupart de la journant en le voyant, merci pour ce grand effort, personnelement j'aime ta video long, par ce que vous avez nous bien expliquée les fonctions, c'est bien que juste expliquer un code en copier coller! J'ai beaucoup aimée la video, j'ai augmenter mon niveau de connaissance en Machine learning, et bien aussi j'ai un projet de fin d'étude en relation de COvid xD, je suis trés heureux...
Bon continuation et merci tu es mon datascientiste et mon ensaignant preferé.
Merci beaucoup ! Ton message me fait tres plaisir je suis heureux de savoir que je peux t'aider de la sorte ! (et je suis heureux de savoir que je suis ton data scientist préféré) :)
MERCI Guillaume , tes vidéos sont si instructives. je te souhaite beaucou de courage et une percée à ta chaine 😊
la video a été vraiment cool car elle permet de connaitre des étapes non exhaustives dans la démarche de travail d'un datascientist
Merci ! :)
tu me sauves, tes vidéos sont vraiment bien faites,claires,merci
Trop intéressant. Merci beaucoup Guillaume. 🙏🏼🙏🏼🙏🏼🙏🏼. Sincèrement merci.
De rien :)
C'est mieux de taper les codes même temps.
Merci pour la vidéo.
J'ai beaucoup aimé
Merci pour le retour !
Le format est parfait continue comme ça ! La longueur n'a pas d'importance, justement on comprend mieux car tu prends ton temps ;)
Super merci beaucoup ;)
Pour ce qui est de la fonction apply(). Je déconseille son utilisation en axis=1 (ligne par ligne), c'est très très lent ! Je conseille plutôt une vectorisation de la manipulation avec des fonctions comme np.where ou np.select. Sinon très bonne vidéo.
Je suis d'accord, je l'ai utilisé pour montrer une astuce simple pour les débutants. Apply fonctionne sur le DataFrame entier de toute maniere. Mieux vaut utiliser map() ou bien utiliser une vectorisation. Merci pour ce partage !
merci pour cette vidéo très enrichissante
Vraiment vous êtes le meilleur et grâce a vous je vois plus clair dans ce domaine vaste de data science
merci beaucoup, ca me fait très plaisir de vous aider :)
Merci pour ce démarche que je trouve scientifique et qui nous a éclairci beaucoup comment utiliser nos modestes connaissances en ML et surtout comment profiter des résultats des algorithmes antérieurs pour sélectionner des sous-groupes. Permettez moi seulement cher Guillaume cette petite clarification que vous connaissez peut être et qui fait partie de mon domaine médical concernant la grande corrélation entre la variable' Hematocrit' , Hemoglobin ' et Red blood cell' que vous avez démontrée dans cette analyse tout simplement parce que l'hématocrite par définition est le volume occupé par les globules rouges du sang et ces cellules contiennent la molécule d'hémoglobine. Merci encore et à bien tôt.
La méthode de transmission est très bonne, et on ne voit pas le temps passé lorsque le sujet est assez intéressant.
merci
Vidéo de qualité et riche en information pour quelqu’un qui veut apprendre la data sciences! Une aubaine pour moi qui cherchait des vidéos sur comment faire mon EDA de mon projet, là je suis plus que satisfait du travail accompli. Ça serait vraiment intéressant si tu pouvais faire certaines vidéos avec pyspark, vu qu’on est à l’ère des Big Data, ça aiderait sûrement!
Salut et merci ! J'ai prévu de faire ca
merci beaucoup pour vos vidéos, elles sont vraiment très claires et très pédagogiques
waouh quel bon travail c'est vraiment de l'analyse de haut niveau et avancée merci infiniment
Merci beaucoup :)
Salut monsieur Guillaume, Votre explication est meilleure que celle de Andrew NG, je n'exagère pas
Merci beaaaaucoup pour cet énorme contenu
continuer jusqu'à que votre chaine deviendra la plus grande bibliothèque francophone de machine learning!
Alors ca !!! -> Meilleure que Andrew Ng... Je n'oserai pas l'imaginer, mais si des gens comme toi le disent, alors c'est le plus grand honneur et le meilleur commentaire que je puisse recevoir ! MERCI ! :D
@@MachineLearnia mais c'est la vérité vous vulgarisez et simplifiez les details les plus compliqués d'une façon vraiment captivante, j'adore moi, SVP continuez, ne nous privez pas de cette grande valeur que vous avez
Très méthodique et bon pedagogue comme dab, chapeau!
Merci beaucoup !
Une heure de code mais c'est bien garnie. bravo et Un grand Merci
Super ! Merci :)
Merci pour cette vidéo ! Très bon format pour apprendre l'exploration de data set !
De rien ! :)
Excellent vidéo toujours on apprends avec vous merci beaucoup
l’étude biologique de ces paramètres est importante pour voir les relations entre elles
a titre d'exemple si il y a une infection que ce soit bactérienne ou viral ou parasitaire, le système immunitaire intervient pour produire un taux élevé d'un type de lymphocyte précise par exemple si le taux de éosinophiles très élevé est due a une infection parasitaire , pour cela je suggère une séance complémentaire ( l’étude biologique ) a la fin de ce projet pour visualiser bien les choses
Merci beaucoup pour ces précisions !
Guillaume, encore une très bonne vidéo. Je me sens rassuré d’avoir su partir dans les bons raisonnements (éléments manquants, tri des variables peu representatives, graphiques de corrélation, etc...) . Comme quoi le message est bien passé :))
Par contre, petit truc manquant dans l’ensemble, ce serait un rapide tuto jupyter : il y a sûrement un tas de raccourcis et d’astuce de mise en page que tu maitrises, mais j’avoue ne pas te suivre et avoir passé du temps sur Google (et encore, je découvre md et galère un peu, cherche des tables de matière, comment bien séparer ses projets, etc...). Merci pour ton aide précieuse et continue !!!
Merci beaucoup a toi ! :) J'ai fait une vidéo a ce sujet sur Tipeee, pour les gens qui me soutiennent avec un petit don. Si tu n'as pas les moyens de faire un don surtout ne t'en fais pas je t'enverrai le lien gratuitement, contacte moi sur discord / facebook ou ailleurs
Un grand merci pour le partage de connaissances. La présentation est brillante !
Merci pour cette vidéo incroyable ! Tu m'as fait comprendre l'importance des stats descriptives qui est parfois la partie la plus "laborieuse". D'autre part je trouve beaucoup mieux le format ou tu codes en parlant ce qui permet de beaucoup mieux suivre quitte à ce que ce soit plus long !
Merci beaucoup, je suis content que le format "long" soit bien compris par tout le monde, je vais faire plus de videos comme ca a l'avenir !
J’ai une question, je ne sais pas si tu pourras répondre. Dans mon école d’ingé, on nous apprend à faire des stats des sur SAS et des stats sur R et le python c’est plutôt des projets. Est-ce que tu penses utile de s’investir dans SAS et R alors qu’on peut tout faire avec python ? Merci pour ta réponse !
Salut guillaume, j'ai trouvé le format très interessant. Et le contenu tres instructif, bien jouer et bon courage
Merci beaucoup :)
La vidéo est géniale ! Merci infiniment pour ce travail de qualité !!!
Merci beaucoup !
Bonjour,
Excellent travail Guillaume!
RAS sur le format de la vidéo.
Nous avons beaucoup appris avec cette vidéo
Tu es très généreux
Longue vie
Merci
Merci :) je suis content que le format te plaise :)
Transmission des connaissances impeccables 👏 en tout cas vous êtes génial 👍.
Encore au top ! Je te remercie énormément pour cette vidéo ! J'ai tellement appris de choses intéressantes !
Quel bonheur de le savoir ! merci a toi :)
Excellente vidéo de data analyse, très pédagogique et agréable à suivre!
Merci beaucoup!
Merci à vous ! :)
coool et je pense que la vidéo est "courte" malgré les 66 minutes ;) c facile à comprendre pas besoin de modifier la méthode superrr
Merci beaucoup pour ta réponse :)
Merci beaucoup vous êtes le number one
merci beaucoup :D
38:39 le sigue'nifiquiti'vement qui fait plaisir la ahah x)
en fait je viens de réaliser une chose, c'est que l'analyse des données est plus compliquée que l'apprentissage en réalité mdrr
sans cette vidéo j'aurais jamais avancé merci pour tout Guillaume !
Ahah ouais j'ai eu du mal, j'ai l'habitude de le dire en anglais. Merci je suis content que ce que j'essaie de partager porte ses fruits
quelle video! de tres LOIN la meilleure grand MERCI
merci beaucoup !
Merci pour ce tuto !
Petite erreur sur le markdown du notebook ? Il me semble que tu as inversé ^^
- float64(70) -> 70 Variables quantitatives
- int64(4), object(37) -> 41 Variables qualitatives
Oui c'est possible que j'ai inversé sans le vouloir, bien vu ! :)
Hello, très bonne vidéo !
Juste une petite question, je suis peut-être passé d'une info :
Autour de ~4 min tu checks le type des variables pour séparer quantitatif et qualitatif avec df.dtypes.value_counts().
Tu obtiens donc :
float64 70
object 37
int64 4
dtype: int64
Du coup, il y a 74 variables quantitatives (float64 + int64) et 37 variables qualitatives (object), selon moi ? Mais peut-être que j'ai mal compris quelque chose, car tu as écris :
qualitatives : 70, quantitatives : 41
Merci en tout cas de présenter une démarche d'analyse très intéressante et complète
Oui j'ai swap sans faire attention ! Bien vu tu es tres attentif ! :)
Merci à toi je me demandais pareil
Salut guillaume, en regardant cette vidéo pour la deuxième fois, je me suis rendu compte de deux choses. La première est que j'allais devoir énormément travailler pour maitriser le machine learning comme toi. Et la deuxième, les gros sites comme RUclips ou amazone utilisent certainement des algorithmes de ML pour afficher du contenu personnalisé en fonction des recherches, et tu vois je veux être capable de faire des programmes complexe comme ça un jour, c'est pour ça que j'attends ton livre avec impatience.
Salut et merci pour ton message. Tout d’abord ne t’inquiète pas c'est normal que tu aies a travailler, mais un jour tu deviendras très bon, peut-être meilleur que moi (ca serait génial, j'adore quand les gens deviennent meilleurs que moi ca indique que j'ai bien fait mon job)
Pour ton idée de projet, il faut mettre en place ce qu'on appelle des recommandation Systems, j'en parlerais a l'avenir sur la chaine, le sujet est vaste, mais ca n'est pas tres compliqué a comprendre ;)