LA RÉGRESSION LINÉAIRE (partie 1/2) - ML#3
HTML-код
- Опубликовано: 5 сен 2024
- On peut se servir de l'apprentissage supervisé pour résoudre deux types de problèmes: les régressions et les classifications. Dans cette vidéo je vous montre comment développer un modèle de Régression linéaire, qui est le modèle le plus simple en machine learning.
Comprendre la mécanique du Supervised Learning avec le cas de la régression linéaire vous permettra de comprendre par la suite comment fonctionne le machine learning dans les applications plus complexes.
Nous allons voir comment traiter le Dataset, quel modèle développer, puis nous verrons quelle fonction coût utiliser pour mesurer la performance de notre modèle de régression linéaire.
► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
www.machinelea...
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► Me soutenir financièrement sur Tipeee (et obtenir des vidéos BONUS)
fr.tipeee.com/...
► Recevez gratuitement mon livre numérique:
"APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE"
www.machinelea...
► Télécharger gratuitement mes codes sur github:
github.com/Mac...
► Abonnez-vous : / @machinelearnia
► Pour en savoir plus : Visitez Machine Learnia : www.machinelea...
► Qui suis-je ?
Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées.
En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous.
Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur.
► Une question ? Contactez-moi: contact@machinelearnia.com
Bonjour Guillaume. J'ai fais 5 ans d'études de mathématiques en fac, avec une spécialité statistique et Data science, et je tiens à te dire que j'ai jamais compris ce que je faisais jusqu'à voir tes vidéos. Je tiens à te remercier et à te dire que tu es le meilleur !!
Je suis très heureux d'avoir pu t'aider a mieux comprendre certaines choses :)
Bonjour
Vous faites un travail non seulement d'un développeur confirmé, mais aussi d'un pédagogue. Tout simplement Bravo.
Merci beaucoup :)
@@MachineLearnia merci
Bonjour ! Merci de me laisser un commentaire pour me faire savoir si cette vidéo vous a plu et si vous avez tout pu comprendre ! Est-ce-que mes explications sont claires et simples ? Merci à tous ceux qui me répondent, vous êtes les meilleurs !
Parfait et très bien expliquer
toutes tes explications sont claires et concises,thx again
oui monsieur c'est très clair et facile à comprendre merci pour tes efforts nous sommes tous reconnaissant pour tes efforts merci
Merci beaucoup pour l'explication , mais juste si vous éliminez la musique en fond du vidéo ça n'aide pas vraiment a se concentrer
Désolé erreur de pouce
Vos vidéos sont super
Merci
"Ce qui se conçoit bien s'énonce clairement et les mots pour le dire viennent aisément (Boileau). " Vous en êtes un exemple probant. Chapeau mon cher!!!
Merci beaucoup pour la meilleure et la plus simple explication du principe du machine learning
Merci pour ces explications limpides et claires qui permettent de mieux appréhender les notions mathématiques et leurs applications. Big up!
waw je suis impressionnée par vos explications c'est très clair mille merci!!!!!
Merci beaucoup pour votre commentaire Nadia, c'est un plaisir d'avoir pu vous aider :)
Merci infiniment. J'ai regardé beaucoup de chaînes sur l'IA, l'essentiel en anglais, et la vôtre semble être une des meilleures que je n'ai jamais vu. Vous expliquez pas à pas, de façon très pédagogique, sans rien sacrifier à la rigueur technique. Et vous posez les bonnes questions, qui sont trop souvent occultées par d'autres chaînes, comme celle par exemple de savoir pourquoi on utilise la descente de gradient plutôt que d'avoir directement le point a où la tangente est horizontale (vers 10:00 dans la vidéo). Du coup je m'abonne et je vais tout regarder, merci encore pour ces ressources qui ont vraiment l'air géniales !
Merci beaucoup. Cela me fait très plaisir de pouvoir être utile dans votre apprentissage du Machine Learning. Si vous avez des questions n'hésitez pas :)
bonsoir ce cours est magnifique c'est le meilleur cours de régression linéaire en machine learning depuis que j'ai commencé à apprendre le machine learning
merci beaucoup, c'est génial ! :)
Best explanation on this topic!
En a peine 3 videos, j'ai accumulé des connaissances on ne peut plus fabuleuses. ❤
Je jure , mon professeur est très nul 💔🥲
@@user-pv5ss7mo4q a ce point???😂💔
je tiens à vous remercier infiniment pour votre brillante éclaircissement sur cette formation.
j'ai acquis des solides connaissances dans le Machine lerning grâce votre service
Bonjour
Je suis très content du riche travail que tu nous propose. Merci infiniment et bonne continuation.
Après Thibault et voilà, pfff GRAND MERCI à vous les gars, au fait tu as une super bonne pédagogie. C'est clair je te suit FOREVER
Wow ! Merci Beaucoup pour cet encouragement génial ! :D Je ferai des vidéos aussi longtemps que l'on me suit !
Hello, j'ai fais pas mal de tutos sur la regression lineaire et tu es le premier a me faire comprendre l'aspect math! Bravo pour ta pedagogie et merci 😊
Salut Aurélien ! Merci beaucoup je suis très content de savoir ça ! :)
A bientot
Quelle clarté dans les explications, quelle fluidité dans le rythme. Le rythme peut sembler lent, mais en fait il est parfait pour ne pas nous perdre. La longueur est idéale. Bravo pour ce travail de qualité!
Merci beaucoup, votre retour est toujours utile pour m'améliorer
Reprendre les études à 74 ans, pour rester en contact avec ses petits enfants, avec des cours comme ceux là, c'est génial
Merci pour ces cours !
Petite remarque : 4:50 --> La distance euclidienne est la racine de l'expression présentée.
La fonction coût somme donc les distances au carré.
Ah je me disais aussi merci
Oui c'est vrai !
Après quelques recherches : la méthode des moindres carrés utilise le carré des écarts car cela permet d'avoir un polynôme du second degré qui admet donc un minimum (car le coefficient devant le x^2 est positif)
J'ai très rarement vu des explications aussi simplifiées et claires, Merci Guillaume
J'ai déjà étudié la plus part des fondements des machines Learning lors de mon cursus d'ingénieur en Automatique mais qui date un peu puis avec le boulot on ne touche pas à ca, mais la je commence à m'intéresser et je trouve vos vidéos géniales.
Merci pour ce que vous faites.
Merci pour vos compliments, je suis heureux de pouvoir etre utile !
En reconversion professionnelle, je trouve tes cours incroyables. J'ai tout compris et cela augmente mon envie d'en savoir plus. Merci
enfin je trouve l utilité des mathematique dans la vrai vie , combiner a l informatique
Bravo pour cette vidéo très claire. Une pédagogie bien structurée et des exemples simples pour dédiaboliser le sujet.
Merci beaucoup pour ce commentaire ! J’espère que le reste de la série vous plaira tout autant. :)
Merci pour vos cours, ça aide beaucoup à relier la théorie et la pratique
Merci, je suis heureux de savoir que c'est utile.
Les maths comme on les aime - super clair! Merci
Mec , ta chaine est un trésor !
La manière dont tu simplifie les choses .....c'est juste WOW !!
Merci infiniment !
Merci beaucoup ! :)
Bonjour! Merci pour cette video elle est très enrichissante. Je suis étudiant en cycle master en Allemagne et ta video me permet de préparer mon examen.
Merci a toi ! :) Bon courage pour ton master !
Merci infiniment !! vous m'avez facilité la vie moi qui a quitté les bancs des cours des maths depuis une étérnité ! Bravo pour votre méthode ... n'est pas pédagogue qui le veut
Merci beaucoup !
Hi sir Guillaume. Je tiens à vous dire infiniment merci pour toutes ces videos. Et surtout bravo pour la simplicité avec laquelle vous faites passer les notions mêmes celles qui semblent compliquées. Bon courage à vous pour la suite.
bonjour
je me suis mise au ML et vos vidéos sont précieuses ! les explications sont claires et concises.
merci pour votre travail
Bon courage et merci :)
s'il te plait tu pourrais continuer a faire des videos je sais que ça fait deja 4 ans mais ton contenu est incroyable . thank's a lot
Merci beaucoup vous m'avez ouvert les yeux
C'est vous le meilleur avec votre expllication clair et comphréhensiable.Bravo.......
Vous venez de m'expliquer en 10mn ce que mon prof n'a pas réussi à mettre dans ma caboche en une semaine de cours.
Je ne sais pas comment vous remercier. Que Dieu vous bénisse.
Merci beaucoup.C'est extraordinaire votre façon d'expliquer les choses et de les rendre aussi compréhensibles et abordables même pour un débutant comme moi. Grand merci encore pour le livre que j'ai reçu gratuitement.
Merci pour votre message :)
Tu expliques mieux que mon prof !
Merci beaucoup du contenu gratuit :)
Merci Pierre ! C'est un honneur d'apprendre ça. Je reste à ta disposition si tu as besoin d'aide :)
ton prof te vois hein
Merci beaucoup pour l'éclaircissement sur les étapes !!
de rien :)
Merci beaucoup de rendre ces notions d'une telle simplicité, je n'avais jamais compris tout ca
Bonjour Guillaume,
Sincèrement ce que vous faites c’est vraiment formidable, j’adore les maths et la technologie , j’ai un niveau bac +2 en math-physique et je fais un peu de la programmation . J,admire votre façon d’expliquer les choses et vraiment je suis très intéressé et motivé jusqu’au la réalisation d’un projet en IA et merci beaucoup pour tout ce que vous faites pour la science et le développement technologique et mille fois merci.
Sincères salutations.
Kovak
Merci beaucoup ! Vous etes formidable également ! :)
merci pour cette présentation. Le plus dure n'est pas de savoir mais de savoir transmettre. Vous avez les 2. félicitations
Merci beaucoup :)
C'est la première fois que je vois une vidéo RUclips avec 3K j'aime et 0 dislike ! Ca me donne tellement envie de cliquer dessus juste pour rétablir l'ordre d'Internet >
Ahah ton commentaire m'a bien fait rire, c'est drole mais je comprends que ca démange. RIP les dislikes RUclips va les enlever partout :(
Sincèrement tu es fort pour expliquer
C est clair et limpide
Hey salut je viens de découvrir ta chaîne. Eh bien c'est vraiment hyper clair, chapeau ! Tu détailles des choses essentielles qu'aucun de mes profs n'a jamais fait, par exemple pourquoi on prend RMS et non simplement la différence, et ça c'est vraiment cool, ou encore pourquoi on ne cherche pas la dérivée nulle ... En regardant ta vidéo on construit avec toi le raisonnement plutôt que de simplement absorber en mode "on fait comme cela parce que c'est comme ça". Je cherchais simplement a voir si le machine learning pouvait s'appliquer a mes projets, maintenant je compte m’enchaîner tes vidéos, j'ai du retard depuis Juillet 2019 ! Si le livre est aussi clair avec des explications aussi bien travaillées., ça doit se dévorer facilement
Merci beaucoup pour ton message très sympathique ;)
Il y a eu beaucoup de progrès sur la chaîne et la qualité des vidéos depuis Juillet 2019 ! :) Je pense que la série Python Machine Learning va te plaire. Et nous avons ouvert un discord pour la communauté Data Science (le lien est dans la description)
@@MachineLearnia Dac je vais checker ça merci !
Bonjour. Tout simplement, MERCI BEAUCOUP !
Je me suis rendu compte que j'avais déjà appris ça en cours mais ça n'a jamais été aussi bien expliqué
Ca me fait très plaisir, merci :)
Bonjour Guillaume et encore merci pour ta connaissance que tu nous partages gratuitement. à la 11min:05sec, pour le Dataset, je pense que ca serait Dataset (X, Y) au lieu de Dataset(x,y). En effet les vecteurs et matrices ce sont biens X et Y, puis que x, y sont utilisés pour la notation des leurs éléments respectifs. Encore Merci et bravo pour ces explications claires et limpides
Bonjour, oui tu as raison, dans la pratique on écrit plutot (X, y) (X étant une matrice et y un vecteur)
Vous êtes le meilleur, je suis addict à vos vidéos !
Merci beaucoup. A consommer sans modération, car cela va vous propulser dans vos compétences ! :)
Je suis subjugué par la qualité des cours... Je suis sans mots...
Super vos vidéos :)
Dans mes cas d'utilisation de régression linéaire, j'ai été amené à implémenté un calcul déterministe qui déduit directement les coefficients de a et de b pour f=ax+b notamment pour le régression géométrique pondérée sans faire d'inversion de matrice. Vous pourriez aussi étendre le sujet avec la pondération.
Intéressant ! Oui en effet !
j'ai lu ton livre deux fois, il est magnifique🙏🙏
Merci beaucoup !
merci monsieur pour tes efforts
Votre methode d'explication est vraiment Clair
Continue 👍
Merci beaucoup !
Bonjour, tres claire et pedagogique. Bravo!
Je suis interesee d'avoir le livre
Bonjour et merci pour votre intéret. Le livre est disponible en lien dans la description
C’est vraiment extraordinaire, magnifique رائع
Merci :)
Encore phénoménal. je viens juste d'avoir le livre. j'espère que on aura la possibilité d'avoir une vidéo le unsupervised learning
Oui il y aura beaucoup de vidéos sur le unsupervised learning dans les prochaines mois !
Bonjour Guillaume, merci de partager ce savoir.
Vous êtes brillant !
Incroyable, il me fallait juste un refresh de ML, et je tombe sur vous ! Cours au top !
Ca fait plaisir !
Merci Guillaume ! Continuez
Merci a vous !
Je crois que je viens de trouver LE youtubeur pour mes révisions estivales ! Je vais peut-être même envoyer le lien à mon prof de modèle linéaire...
J'avoue que c'est maintenant que j'assimile bien cette partie du cours. Merci
Bonjour merci beaucoup on apprend facilement avec vous
Je viens de regarder ma première vidéo sur votre chaine et j'avoue que vous faites un formidable travail de pédaguoge, je suis en train de me reconvertir car je suis un financier à la base mais je veux changer de carrière en data science. je suis émerveillé par la simplicité de vos explications. je suis vraiment encore plus déterminé à atteindre cet objectif car on dit généralement que la data science c'est uniquement pour les statisticiens. en tout cas bon courage et bravo pour ce que vous faites...
Bravo a vous ! Je suis heureux de pouvoir vous aider :D
Une pédagogie remarquable ! Bravo !
Merci beaucoup ! :)
Formidable vidéo! Je suis un ancien de l'ensmm, ça fait plaisir de voir cela ;)
Hey un chrono ! Merci beaucoup ! Quelle promo ? :)
@@MachineLearnia 2018 ! :)
Bonjour merci pour ces cours.
Je pensais pas trouver une source pour mon TIPE sur RUclips, merci beaucoup pour ton travail
Merci beaucoup et bon courage pour ton TIPE :)
Cette chaîne est une bénédiction
Merci Sherlock
je viens de découvrir votre chaine , très bonne explication, claire et simple à acomprendre merci bcp.
Bienvenue dans la communauté, merci !
Bonjour, ce cours est vraiment magnifique
Merci beaucoup ! :)
Vraiment merci beaucoup vous êtes très pédagogue.
C'est tres tres tes explications, j'ai enfin trouve un bon cours. Merciiiiii !!!!
Merci !!! :D Je suis ravi de pouvoir t'aider
Tres simple, structuré et surtout conci , on te suit laches pas ,Merci
Bravo je vois que tu suis toute la série en effet ! Tu es motivé tu iras loin ! :)
Cette vidéo est incroyable, tout comme cette chaîne ❤️
Oh merci beaucoup ! Je suis touché.
Tu mérites le soutien et merci beaucoup tu m'as sauvé
Très claires ces explications
Bonjour. Merci beaucoup pour ces cours très clairs!!
Merci beaucoup pour ces explications simplifiées .mille merci
impressionnant!! merci pour le travail et les efforts et pour tous.
Merci beaucoup c'est un plaisir de fournir ce travail pour aider les autres
c'est très bien merci pour tout, je viens juste de m'abonner, jusqu'à cette vidéo, tout est claire.
Super clair et une pédagogie impeccable !! Merci beaucoup !
De rien :)
Trés bonne explication continues monsieur
super vidéo. Vous etes digne de bon nom mentor
Je suis flatté merci !
tres bonne video super bien expliqué et comprehensible meme pour un debutant comme moi !
Génial ! Je suis ravi de savoir que cette vidéo est utile !
best Explaining ever.
thanks !
Bonne explication merci pour vos efforts
Merci a vous !
Un très bon cours, Je vous remercie infiniment !!
GRAND MERCI
Merci pour le commentaire :)
Merci beaucoup pour tous ces details. Superbe video
Merci beaucoup :)
merci beaucoup pour ce cours claire
Extraordinaire !!! Merci, j'ai tout compris. C'était expliqué clairement et simplement. Merci
Merci, ça fait très plaisir :)
C'est extrêmement bien fait et expliqué, je vous remercie grandement
Merci beaucoup :)
Bravo, excellent cours.
Merci beaucoup. Content d'avoir pu vous aider :)
Bonjour
Vraiment génial votre travail, très bon prof ,
Je vais installer python et apprendre avec vos cours.
Encore bravo
Emanuel
Bravo pour votre motivation ! :)
Super prof Bravo !
Merci beaucoup :)
Très intéressant car appuyé sur des exemples simples et des connaissances étendues.
Merci beaucoup
Bravo et félicitation pour l'aspect pédago en associant la notion d'optimisation d'une fonction objective et la notion d'apprentissage puisqu'en faite le calcul des poids ds la couche cachée via la rétropropagation est effectivement un problème de minimisation. Et l'actualisation des poids ressemble quelque part à une descente de gradient puisque w(i+1)=w(i)-nu*dE/dw(i) avec nu la vitesse d'apprentissage...vraiment bien jouer, encore bravo. Je regarde vos autres vidéos...
Merci beaucoup et bon visionnage, si vous avez des questions, n'hésitez pas :)
Excellent cours; bravo et bonne continuation
Les vidéos sont super instructives et vraiment bien faites.
Merci beaucoup !
Merci :)
excellent cours. merci
Franchement, géniale cette manière d'expliquer simplement des choses complexes. j'ai hâte de regarder les suivantes.
Merci Guillame
Mais de rien :)