MATPLOTLIB - Graphiques Importants (15/30)

  Переглядів 121,222

Machine Learnia

Machine Learnia

День тому

Tutoriel français python matplotlib pour apprendre comment tracer des graphiques cools et utiles avec matplotlib ! Parmi ces graphiques on retrouvera les graphiques 3D, plt scatter, l'histogramme, le contour plot et bien sur imshow qui permet de visualiser n'importe quelle matrice numpy ! Python est vraiment facile et ce tutoriel français matplotlib va vous le prouver !
► Pour les codes couleurs utilisés dans cette vidéo:
matplotlib.org/3.1.0/tutorial...
► ARTICLES EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► Soutenez-moi sur Tipeee pour du contenu BONUS:
fr.tipeee.com/machine-learnia
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► 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

КОМЕНТАРІ: 331
@aymenlazem2062
@aymenlazem2062 4 роки тому
Merci beaucoup Cher Guillaume d'avoir pris le temps de faire cette vidéo pour nous aider à maîtrise les connaissances de python Mille merci cher Guillaume .
@akhenatonthibag8494
@akhenatonthibag8494 2 роки тому
Merci beaucoup Guillaume, j'ai mon stage en machine learning qui commence bientôt et j'apprend beaucoup avec tes vidéos super pédagogique
@mathiaschang6056
@mathiaschang6056 3 роки тому
Merci beaucoup Guillaume. J'ai passe beaucoup de temps pour regarder des videos sur python, pandas et matplotlib. Tes videos sont vraiment les meilleures parmi ce que j'ai regarde. Bravo!
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup, c'est toujours tres encourageant de lire ce genre de message :) Bon courage pour la suite ! :D
@tonybelair2113
@tonybelair2113 3 роки тому
Merci Guillaume, tes videos sont une vraie mine d'or. Il faut plusieurs relecture pour tout comprendre. Du beau boulot !!!
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup Tony, ça fait très plaisir !
@MrFruxion
@MrFruxion 3 роки тому
Bonjour Guillaume, chaque soir depuis quelques jours je suis ta formation. C'est enfin ce que je cherchais à faire depuis quelques années. Ton enthousiaste et ta bonne humeur me donne énormément de courage pour m'auto-former dans ce domaine. Ca m'aide beaucoup dans mon perfectionnement. Un grand merci !
@MachineLearnia
@MachineLearnia 3 роки тому
Bonjour Julien, ca me fait super plaisir de savoir que je te donne de l'energie, de la motivation et de la confiance en toi. Je suis sur que tu es vraiment doué et talentueux, car c'est la majorité des gens qui vont jusque la dans les videos, en tout cas a ce rythme ! Bravo ! :)
@pulsorion
@pulsorion 4 роки тому
Génial ! Perso, je trouve ce genre de format tout aussi sympa surtout qu'il apporte un meilleur référencement sur UKposts (ce qui est doublement sympa).
@MachineLearnia
@MachineLearnia 4 роки тому
Merci Pulsar :D c'est parfait si tu apprécies ce format, car je voudrais bien faire plus de vidéos dans ce genre la.
@noel9335
@noel9335 4 роки тому
@@MachineLearnia Personnellement j'apprécie aussi les formats mixtes de type "vidéo et texte" associés dans la même page (un peu comme OpenClassRoom). Cela permet de : - Lire la vidéo et d'avoir par exemple le code source à disposition avec la fonction copier/coller. - De pouvoir lire d'autres ressources grace aux liens cliquable. - De lire le tuto quand on se trouve en public pour ne pas déranger. - D'avoir une rélecture de ce que l'on vient de visionner. - De faire une recherche par mot clé dans le texte (car dans une vidéo cela n'est pas possible). - Et de pouvoir écrire un commentaire dans UKposts... ;)
@MachineLearnia
@MachineLearnia 4 роки тому
@@noel9335 Merci beaucoup, tu seras ravi de voir les vidéos suivantes de la série dans ce cas ! :)
@brunodebouexis5341
@brunodebouexis5341 3 роки тому
C'est de loin la meilleure formation sur le sujet que j'ai pu trouver après plusieurs mois de recherche. Bravo continuez j'apprends énormément formation d'un trop haut niveau pédagogique, Juste assez de math, juste assez de code les infos pertinentes au bon moment. Et je peux le dire parce que j'ai eu des stages et des cours en ligne et cela fait plaisir de découvrir une personne qui explique réellement bien. Je me suis abonné je suis preneur pour un livre quand il sortira ou pour des supports de cours.
@MachineLearnia
@MachineLearnia 3 роки тому
Merci pour votre soutien Bruno, j'ai a cœur d'apporter une réelle qualité a mes vidéos donc un tel retour me fait toujours très plaisir ! :)
@mistermbodj
@mistermbodj 4 роки тому
Vraiment tu es trop fort. Tu expliques trop bien. Chapeau. Longue vie à toi. Vrai pedagogue
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup, c'est un plaisir. Quel est ton graphique préféré ?
@aymenlazem2062
@aymenlazem2062 4 роки тому
super c'est hyper intéressant Merci beaucoup sincère gratitude et mes vives félicitations. J'espère un bon courge pour les prochaines vidéo
@MachineLearnia
@MachineLearnia 4 роки тому
merci :)
@zigzag3055
@zigzag3055 3 роки тому
tant de pédagogie c'est vraiment indécent! chapeau l'artiste y'a rien a jeter!
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup, ca fait tres plaisir :)
@arsworld
@arsworld Рік тому
Merci encore une fois pour tes cours. Ils sont au top. (Seul celui du broadcasting m'a laissé un peu dans le gaz.) La difficulté majeur que je rencontre avec python c'est la syntaxe des boucles For. Habitué à Pure Basic, Php, j'ai vraiment du mal a assimiler ces juxtapositions de données et ces in range, zip etc..
@azizeabdel4665
@azizeabdel4665 3 роки тому
Super vidéo , clair avec pédagogie sur des sujet pointu de la machine learning , c'est top , Merci
@MachineLearnia
@MachineLearnia 3 роки тому
Merci !
@matvay8281
@matvay8281 4 роки тому
Super vidéo, j'adore le rythme et j'apprend toujours quelque chose, dans celle là c'est imshow que je ne connaissais pas. Bon courage pour la suite.
@MachineLearnia
@MachineLearnia 4 роки тому
Merci, la nouvelle vidéo arrive bientôt ! :)
@matvay8281
@matvay8281 4 роки тому
@@MachineLearnia Hello, j'ai testé le scatter avec l'option c= pour grouper par couleur comme tu l'as présenté mais je n'arrive pas à mettre la légende (juste une couleur affichée) .J'ai fait qqs recherches non concluantes sur le net. Pourrais-tu stp partager ta solution pour légender le scatter plot avec option c ?
@MachineLearnia
@MachineLearnia 4 роки тому
@@matvay8281 Oui ce n'est pas marrant de faire ca avec matplotlib. Pour faire ceci on utilisera Seaborn, qui est beaucoup plus pratique, et bien plus facile / agréable d'utilisation. On le verra dans quelques vidéos ! En attendant, si tu tiens absolument a faire ca avec matplotlib, tu peux soit créer 3 fonctions scatter (une pour chaque valeur de y) Ou alors tu peux écrire ce code la a la place de la légende: plt.colorbar(ticks=[0, 1, 2])
@matvay8281
@matvay8281 4 роки тому
@@MachineLearnia merci pour la réponse. J'ai hâte de voir seaborn alors !
@MachineLearnia
@MachineLearnia 4 роки тому
@@matvay8281 J'ai une bonne nouvelle: je réponds a ta question dans ma prochaine vidéo ! Elle devrait sortir aujourd'hui ou bien demain ! :)
@mamesayekane9578
@mamesayekane9578 3 роки тому
Merci professeur c vraima gentil tu nous a aider à mieux comprendre la programmation en python on vous suis depuis le Sénégal
@MachineLearnia
@MachineLearnia 3 роки тому
Tout le plaisir est pour moi. Go le Sénégal ! Je vous adore ! :)
@benjaminbossy8045
@benjaminbossy8045 3 роки тому
Vidéo vraiment génial, comme toute les autres. Pour le format je préfère les vidéos normales perso. Continue c'est vraiment top ce que tu nous apportes
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup ! Et désolé pour la réponse tardive ! :D
@sekainaelkhattabi5128
@sekainaelkhattabi5128 2 роки тому
Merci beaucoup pour toutes ces explications. Tes videos sont très utiles !
@MachineLearnia
@MachineLearnia 2 роки тому
Merci beaucoup !
@souarh.5525
@souarh.5525 2 роки тому
merci infiniment Guillaume grâce a vous j'ai reprenez l'envi d'étudier....bonne continuation
@MachineLearnia
@MachineLearnia 2 роки тому
Bravo, je suis fier de vous !
@bagayokoyayasouleymane5861
@bagayokoyayasouleymane5861 4 роки тому
Guillaume je sais pas comment te remercier , j'ai passé tellement de temps à chercher un cour simple sur le machine learning , te voila surgir .
@MachineLearnia
@MachineLearnia 4 роки тому
C'est une plaisir de savoir que je peux t'aider !
@graphics40
@graphics40 Рік тому
C'est vraiment formidable ce que tu fais . Juste an idea , pourquoi pas faire des video avec plein d exercices tous plus différent les un des autres et qui augmentent en difficulté
@tensianne
@tensianne 3 роки тому
Merci pour tes super vidéos! Elles me sont très utiles.
@MachineLearnia
@MachineLearnia 3 роки тому
Ça me fait très plaisir de savoir ça :)
@maximinmaster7511
@maximinmaster7511 2 роки тому
Superbe vidéo, merci !
@MB-em9ek
@MB-em9ek 2 роки тому
Merci Guillaume pour la présentation de ces graphiques. J'en aurai certainement besoin pour présenter mes résultats à mes collègues.
@MachineLearnia
@MachineLearnia 2 роки тому
Bon courage pour tes oraux.
@THLEx2
@THLEx2 3 роки тому
Le meilleur tuto matplotlib sur UKposts à aujourd'hui
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup ! :)
@pouillykim6891
@pouillykim6891 3 роки тому
génial !!!!! j'espère vraiment que tu vas continuer tes vidéos je suis actuellement en actuariat et la data science devient cruciale
@MachineLearnia
@MachineLearnia 3 роки тому
Merci a toi, oui je vais continuer, aussi longtemps que je pourrais aider des gens ! :)
@sekongo1
@sekongo1 6 місяців тому
C'est formidable vous expliquez très bien
@karimmajdi7012
@karimmajdi7012 4 роки тому
super c'est hyper intéressant Merci beaucoup. Tu expliques trop bien. Chapeau.
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup :)
@pont2bry760
@pont2bry760 4 роки тому
Merci Guillaume, c'est très instructif et passionnant. Astuce pour créer un graphique 3d que l'on peut pivoter sous Jupyter: il faut taper %matplotlib notebook
@MachineLearnia
@MachineLearnia 4 роки тому
Oui en effet ! :)
@familloleron
@familloleron 2 роки тому
Bonjour, je me permets un question ..? Justement je ne réussis pas à obtenir un graphique 3D "pivotable" sous Jupyter, j'ai tout essayé : avec %matplotbib j'ai "Using matplotlib backend: Qt5Agg", avec %matplotbib inline ou widget ou notebook j'ai "Warning: Cannot change to a different GUI toolkit: notebook. Using qt instead." Je ne suis pas une pro, j'utilise Anaconda (windows10). Merci si jamais .....!!🤞🙏
@abderrazakcroxup321
@abderrazakcroxup321 4 роки тому
un GRAND MERCI; mes respects ;)
@MachineLearnia
@MachineLearnia 4 роки тому
Merci Beaucoup :)
@MsFffbbb
@MsFffbbb 9 місяців тому
Bonjour, réponse à l'exercice; def graphic (dataset,n): dataset={f"experience{i}": np.random.randn(100) for i in range(n)} for i in range(n): plt.figure(figsize=(10,5)) plt.subplot(int(n/2),2,i+1) plt.plot(dataset[f"experience{i}"]) plt.title(f"Experience {i+1}") plt.show() Merci pour cette excellente formation
@moussabamba6216
@moussabamba6216 4 роки тому
waouh là je sais plus quoi dire mais c'est le Best des tutoriels de machine learning en français merci beaucoup mais on aimerais voir un projet complet
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup :) Je vais bientot faire des vidéos "projets"
@thiamco
@thiamco 3 роки тому
trés sympa, on vous remercie je n'avais rien compris dans mon cours calcul scientifique !
@MachineLearnia
@MachineLearnia 3 роки тому
Je suis tres content d'avoir pu vous aider ! :)
@borelepandawa2216
@borelepandawa2216 3 роки тому
Hello Guillaume, Tout d'abord un grand merci pour le temps que tu consacres à ta chaine YT. Le contenu est très qualitatif, complet, bien expliqué, etc ... Ayant quitter la France pour l'Australie avant le covid je suis au "chomage" et j'ai commencé à me former sur python il y a quelques mois et au vu de la situation j'ai encore du temps pour me consacrer à ta formation. Je suis en train de réfléchir à un projet dans mon domaine d'expertise (finance de marché) qui pourrait m'aider à trouver du travail lorsque la situation économique sera meilleure. La finance a un gros avantage: les datasets sont nombreux,prolifiques et facile d'accès. Encore merci pour ton travail. Au plaisir de te suivre et de te soutenir sur Tipee lorsque j'aurais du boulot. Quentin
@MachineLearnia
@MachineLearnia 3 роки тому
Bonjour Quentin et bravo pour ton courage dans cette situation difficile ! Si tu veux on peut se parler sur discord, j'ai peut-être des conseils qui pourraient être utiles pour retrouver du travail dans ton domaine.
@borelepandawa2216
@borelepandawa2216 3 роки тому
Avec plaisir c’est très sympathique de ta part. Je rejoindrai ton discord (si tu en as en description) dans la nuit mais il faut que je réfléchisse à ce que je veux faire comment projet (j’hésite entre un projet d’optimisation de portefeuille dit « smart bêta » ou bien d’optimisation de couverture trading) Bonne journée à toi en France
@dr_pepper
@dr_pepper Рік тому
Vidéo super intéressante. Je suis complètement enlisé dans cette lib de #@!! du fait d'avoir tiré les fils du modèle objet pour personnaliser. Et ces fils, c'est comme le fil dentaire dans la fondue savoyarde des bronzés. Là, c'est un recentrage sur l'essentiel. Tes conseils sont pertinents. Bravo !
@arnaudb5146
@arnaudb5146 4 роки тому
Très intéressant !
@MachineLearnia
@MachineLearnia 4 роки тому
Merci Beaucoup :)
@IsmailAITMELLAL
@IsmailAITMELLAL 4 роки тому
Merci beaucoup !! très intéressant !!
@MachineLearnia
@MachineLearnia 4 роки тому
de rien :)
@ndeyefatoudiouf8306
@ndeyefatoudiouf8306 3 роки тому
magnifique comme d'hab !!
@MachineLearnia
@MachineLearnia 3 роки тому
Merci :)
@philtoa334
@philtoa334 4 роки тому
Bravo pour la vidéo merci.
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup
@Zohranounou
@Zohranounou 4 місяці тому
t'es le meilleur un grand merci
@aimeritedonald6689
@aimeritedonald6689 4 роки тому
super super !!
@jlyricks
@jlyricks 2 роки тому
@machinelearnia vous êtes le meilleur !! 😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭😭
@MachineLearnia
@MachineLearnia 2 роки тому
Merci beaucoup ca fait tres plaisir !
@GabrielDet
@GabrielDet 4 роки тому
Merci beaucoup Guillaume ! C'est clair, simple, efficace, pertinent. Peut être est-il judicieux de commencer par le numéro 1 du top 5 pour maximiser l'attention du spectateur ?
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup ! Oui c'était peut-être une meilleure idée en effet !
@boubou1132
@boubou1132 4 роки тому
Cette formation est tout simplement excellente. Bravo. Serait il possible de la compléter avec une vidéo expliquant comment enregistrer des animations en mp4 ou en gif. Merci d'avance
@MachineLearnia
@MachineLearnia 4 роки тому
Oui je comptais le faire et ca m'était sorti de l'esprit ! Merci je vais faire ça bientôt du coup :)
@epsiloc9599
@epsiloc9599 4 роки тому
Merci pour votre générosité. J'écoute, je teste et je comprends (la plupart du temps) toutes vos vidéos. Dans celle ci, je reste sur ma fin lorsque vous dites au temps 24:38 -> "x.T car on s'intéresse à la corrélation entre les colonnes". Et là, grosse frustration car je déteste passer quelque chose que je n'ai pas compris. Je sais que l'explication des matrices n'est pas la chose la plus cool, mais vous avez beaucoup de pédagogie et je pense ne pas être le seul à apprécier une explication sur ce sujet épineux. Même sans, vos vidéos sont du pain béni, Merci.
@MachineLearnia
@MachineLearnia 4 роки тому
Bravo pour votre motivation ! Vous irez loin et je vous soutiendrai ! J'ai fait une vidéo sur les matrices au cas ou vous avez besoin d'un petit recap ! En fait il s'agit la de transposer la matrice X (c'est a dire la retourner pour que le colonnes deviennent des lignes et les lignes des colonnes. La raison a cela est que l'on cherche la corrélation qu'il existe entre nos différentes colonnes (les variables) et non les échantillons (les lignes). Par exemple sur un dataset d'immobilier avec des variables telles que le prix, la surface, la qualité, etc et des échantillons étant les appartement eux-memes, on cherche la corrélation entre les variables (et non les échantillons) ainsi on dit que le prix est fortement corrélée a la surface. A l'inverse on ne dit pas l'appartement A est corrélé a l'appartement B (ca n'a pas de sens)
@epsiloc9599
@epsiloc9599 4 роки тому
@@MachineLearnia Limpide ! Merci beaucoup :)
@naimaaitider7261
@naimaaitider7261 4 роки тому
Mecii encore !!!
@mohamedabdelhedi9373
@mohamedabdelhedi9373 4 роки тому
C super, merci mes respects
@MachineLearnia
@MachineLearnia 4 роки тому
merci beaucoup :)
@mousmifarouq2742
@mousmifarouq2742 3 роки тому
Trés pédagogue, vraiment chapeau !
@MachineLearnia
@MachineLearnia 3 роки тому
Merci !
@mohammediskanderjouini9533
@mohammediskanderjouini9533 4 роки тому
Si vous pouvez parler dans une vidéo des prédictions des cours de la bourse ! surtout la partie du plot (actual data + predicted data) sur le même plot !! ça me gène vraiment :( Sinon un grand bravo comme toujours
@MachineLearnia
@MachineLearnia 4 роки тому
j'ai montré comment faire ce genre de chose dans la video 18/30 (j'ai montré les bases pour commencer une telle analyse)
@khaledsammoud
@khaledsammoud 5 місяців тому
bravo et merci
@julo0564
@julo0564 3 роки тому
Bonjour Guillaume ! Déjà un énorme merci a toi pour tout le temps que tu as dédié à cette série, et tout le temps que tu continue à dédier au commentaire ! C'est juste incroyable ! J'aurais en outre une question à propos de la correction de l'exercice 14/30, en effet j'ai écris un code diffèrent du tien mais qui fonctionne tout autant, et comme ce code m'a l'aire importante pour le futur, j'aurais aimé que tu me dises si le mien ce trouve êtres "correct" ou non; def graphique(dataset): for i in dataset: y = dataset[i] longeur = len(x) x = np.array([i for i in range(longeur)]) plt.plot(x, y) plt.title(i) plt.show() graphique(dataset) Voila c'est tout pour moi ^^ Encore un énorme merci pour tout le savoir que tu nous apportes !!
@MachineLearnia
@MachineLearnia 3 роки тому
Oui ca fonctionne, mais je recommande plutôt la version que j'ai proposé en solution, elle est plus compacte, et tout autant lisible. Ca sera mieux a l'avenir pour des projets plus conséquents ! Mais bien joué c'est super si tu as pu proposer une autre solution, qui marche ! :D
@julo0564
@julo0564 3 роки тому
@@MachineLearnia d'accord merci beaucoup pour ta réponse, et pour le temps que tu m'as accordé !
@jeandirel5788
@jeandirel5788 Рік тому
j'ai aimé le style de format : top 5
@Chaaoxx
@Chaaoxx 3 роки тому
Vraiment au top tes vidéos ! Je suis en Master data science et on fait beaucoup, mais beaucoup trop de R au mépris de Python parfois ! Heureusement que tu donnes ce ptit coup de pouce en plus ;). Est-ce que tu classerais aussi les boxplot/violinplot comme de bons graphiques aussi ? Je trouve que ça donne un bon aperçu de la distib mais aussi d'indicateurs stat tels que les quartiles, moyenne...
@MachineLearnia
@MachineLearnia 3 роки тому
Ah ca fait super plaisir de pouvoir aider :) Oui ce sont d'excellents graphiques (je ne les ai pas présentés pour rester simple, mais je les recommande a 100%)
@herveballa4692
@herveballa4692 3 роки тому
SUper vidéo chapeau Guillaume
@MachineLearnia
@MachineLearnia 3 роки тому
Merci beaucoup ! :)
@mohamedchennani5606
@mohamedchennani5606 2 роки тому
Merci beaucoup sincère gratitude
@MachineLearnia
@MachineLearnia 2 роки тому
De rien ! :)
@stephanereyes937
@stephanereyes937 4 роки тому
Tres bien votre travail .....
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup
@madaragrothendieckottchiwa8648
@madaragrothendieckottchiwa8648 4 роки тому
Guillaume avec cette vidéo je me suis cru encore en sup ou ont tombe encore plus amoureux des maths juste une bonne vidéo il manquait Je crois un peut de seaborn
@MachineLearnia
@MachineLearnia 4 роки тому
Spoiler alerte: Seaborn arrive dans quelques jours ! :O :O :O MERCI BEAUCOUP :D
@jean-louissornay2756
@jean-louissornay2756 2 роки тому
bonjour, j'ai beaucoup aimé le fait de classer par ordre d'importance les différents graphes.
@MachineLearnia
@MachineLearnia 2 роки тому
Merci !
@michel_p5021
@michel_p5021 4 роки тому
Salut Guillaume, merci pour ces cours gratuits, c'est vraiment sympa et passionnant ! Une question, est-ce que tu aborderas la génération automatique de texte par le deep Learning (on a beaucoup parlé de GPT-2 ces dernier temps et aussi Thibault Neveu l'a abordé avec le générateur de poèmes de Victor Hugo) ? D'avance merci pour ta réponse. Bien cordialement. Michel
@MachineLearnia
@MachineLearnia 4 роки тому
Salut Michel. Merci beaucoup. Oui je vais faire beaucoup de vidéos sur le NLP, la génération de textes, le chatbot etc. :) Ca viendra dans quelques mois. Stay tuned :D
@michel_p5021
@michel_p5021 4 роки тому
@@MachineLearnia Ok Guillaume, j'ai hâte ! Merci pour le boulot déjà fourni ! Cordialement. Michel
@aliberihan2664
@aliberihan2664 2 роки тому
Merciiiiiiiii infiniment
@bensadililia3359
@bensadililia3359 2 роки тому
pouvez vous nous faire une vidéo sur traitement d'image et merci beaucoup pour ces efforts c vraiment génial
@MachineLearnia
@MachineLearnia 2 роки тому
Bonjour, oui ca fera parti du programme
@bensadililia3359
@bensadililia3359 2 роки тому
@@MachineLearnia bonjour, mercii
@bensadililia3359
@bensadililia3359 2 роки тому
@@MachineLearnia meriiiiiiii c'est bientôt alors
@yacinebelhadj9749
@yacinebelhadj9749 4 роки тому
Superbe vidéo . A quand la prochaine je m'inquiète un peu ahah
@MachineLearnia
@MachineLearnia 4 роки тому
Désolé la prochaine vidéo arrive bientôt, pas d’inquiétude ! :)
@michel_p5021
@michel_p5021 4 роки тому
@@MachineLearnia On y croit !!! Allez hop un coup de pensée positive !!!!
@MachineLearnia
@MachineLearnia 4 роки тому
@@michel_p5021 la prochaine vidéo est prête ! elle sort aujourd'hui a 16h00 ! :)
@michel_p5021
@michel_p5021 4 роки тому
@@MachineLearnia Merci Guillaume, on attend avec impatience !
@bricesiou1572
@bricesiou1572 9 місяців тому
Merci
@HawkwardSolo
@HawkwardSolo 3 роки тому
Bonjour et mille mercis pour ces videos! Apres 4 ans comme ingenieur electronique en Irlande (sur les processeurs d'Intel Movidius specialises en IA) je rentre a Toulouse pour trouver un boulot mais c'est complique par les temps qui courent alors j'en profite pour apprendre de nouvelles competences et ces videos rendent le processus tres agreable! Petite question sur la correction de l'exercice: Y a-t-il une raison de preferer zip plutot que enumerate dans ce cadre? for i, key in enumerate(datasets, 0): plt.subplot(len(datasets), 1, i+1) ...
@MachineLearnia
@MachineLearnia 3 роки тому
Bonjour et bon courage dans ta recherche de travail, tu peux compter sur l'aide de notre communauté. Pour ta question, oui tu peux utiliser un Enumerate, ca ne change rien, ton code est parfait !
@bastoubabast7618
@bastoubabast7618 4 роки тому
Comme à chaque vidéo, c'est super. Merci :). J'ai plusieurs question : Est-ce que tu te sers d'outil de DataViz comme PowerBI par exemple (plus simple à appréhender pour un non développeur) ? Sous Spyder, je n'ai pas compris comment on pouvait se déplacer dans un graphique en 3D. Merci encore pour tes vidéos qui sont pour moi extrèmement pédagogiques et claires
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup Bastou ;) Alors concernant tes questions: 1) Non je ne me sert pas de PowerBI. J'utilise Seaborn pour la DataViz (j'en parle dans le tutoriel 19/30) c'est également tres simple a utiliser ! 2) Sous spyder, il faut que tu changes un réglage: cliques sur Tools > preferences > IPython console > Graphics > Graphics backend > Backend: Automatic Ensuite tu dois redémarrer Spyder. Dis-moi si tu réussis tout ca :)
@bastoubabast7618
@bastoubabast7618 4 роки тому
Machine Learnia merci beaucoup, ça fonctionne effectivement 😀💪💪! J attends la vidéo sur Seaborn alors 😉.
@emmanuelgnandi9209
@emmanuelgnandi9209 Рік тому
Tu es bon Guillaume
@nsdmr
@nsdmr 4 роки тому
Super vidéo! 10:47 : que devrons-nous faire si on veut que l'axe des ordonnées représente la proportion d'apparition, et non le nombre d'apparition pour chaque catégorie ? Faut-il utiliser le paramètre density=True ?
@MachineLearnia
@MachineLearnia 4 роки тому
Tout a fait ! Density = True affiche la densité de probabilité ! :)
@clementlopez1067
@clementlopez1067 Рік тому
Le prof absolu
@saadiaouldsaada4003
@saadiaouldsaada4003 4 роки тому
Au top, merci pour tes cours ! Et je voulais savoir si c'était possible que tu fasses un exemple de problème de ML du début jusqu'à la fin (importation des données, EDA, nettoyage de la base….) sur une base de données, type Titanic ou autre. Ca serait vraiment génial car je trouve des vidéos qui font chaque étape séparément et pas forcément sur le même dataset ce qui est un peu dommage car je voudrais bien résoudre un problème de ML du début jusqu'à la fin.
@MachineLearnia
@MachineLearnia 4 роки тому
Salut et merci :) C'est prévu pour les épisode 28 (ou j'annoncerai quel projet nous allons faire et je vous donnerai une méthode a suivre). Puis dans l'épisode 29 je ferai un corrigé. Les épisodes vont bientots sortir car le rythme des videos est en train de s'accélérer ! Vous en saurez plus dans ~10 jours car je vais vous laisser choisir le dataset a étudier par vote dans les commentaires ! :D
@saadiaouldsaada4003
@saadiaouldsaada4003 4 роки тому
@@MachineLearnia Génial! Et ça me donne un peu de temps pour finir celles qui ont déjà été mises en ligne 😁
@mohamedbenhamida2025
@mohamedbenhamida2025 3 роки тому
Merci Guillaume pour ces cours, Good Job. Est ce que vous avez un support de cours des vidéos de python?
@MachineLearnia
@MachineLearnia 3 роки тому
Oui, sur mon site Internet, et je suis en train de rajouter des détails dans un livre que je suis en train d'écrire.
@feadai
@feadai Рік тому
genial
@corentincorcelette3598
@corentincorcelette3598 4 роки тому
Coucou génial tes vidéos :) cependant au niveau des exercices j'ai souvent du mal à comprendre ce que tu veux. Tu devrais peut être afficher ce que tu veux obtenir (le graphique final dans ce cas précis)
@MachineLearnia
@MachineLearnia 4 роки тому
D'accord je vais prendre ton commentaire en considération, merci beaucoup :)
@corentincorcelette3598
@corentincorcelette3598 4 роки тому
@@MachineLearnia ah et petite question je ne parviens pas à récupérer tes codes sur gitub (à part ceux pour regression et scipy), c'est normal?
@pierreruwet8479
@pierreruwet8479 4 роки тому
@Corentin , j’abonde dans ton sens, le plus souvent la difficulté réside dans la compréhension de l’énoncé du problème, merci pour ta suggestion!
@grulles
@grulles 4 роки тому
Merci pour toutes ces videos. Ca m'a replongé dans les maths, et j'ai appris beaucoup de choses. Super ! Par contre pour la correction de l’exercice j'obtiens une erreur : 5 dataset 6 def graphique(data): ----> 7 n = len(data) 8 plt.figure(figsize=(12, 8)) 9 for k, i in zip(data.keys(), range(1, n+1)): TypeError: 'dict' object is not callable Zut alors ! Si vous savez d'où cela peut venir. Merci
@grulles
@grulles 4 роки тому
J'ai trouvé ;). Il fallait que je change le moteur python avec l'env:coda. Cool ! Bon ben c'est partie pour la prochaine vidéo.....
@MachineLearnia
@MachineLearnia 4 роки тому
Bravo pour avoir su trouver la solution !
@_tanaghom7055
@_tanaghom7055 3 роки тому
Bonjour, Pour les graphique de classification avec plt.scatter ( et pour les graphique 3D) qu'est ce qu'il faut mettre dans le paramétre label pour avoir la légende des couleurs utilisées? (excellente vidéo, comme toujours)
@MachineLearnia
@MachineLearnia 3 роки тому
Il faut faire une boucle for et afficher un graphique scatter différent pour chaque valeur de y (oui ca n'est pas pratique, mais c'est la meilleure chose a faire avec matplotlib). Merci :)
@mondistributeur326
@mondistributeur326 Рік тому
Salut merci pour les vidéos j'apprécie beaucoup, personnellement à 22:25 je n'ai pas réussi à afficher les graphique qu'avec le plt.show() j'ai du appeler la fonction avec dataset, si jamais ca peut aider et aussi pour afficher les graphique dans spyder Préférence > Console IPython > Graphique > Sortie : Automatique .
@ramzirebai3661
@ramzirebai3661 Рік тому
def graph(dataset): plt.figure(figsize=(10,10)) for k in range(0,dataset.shape[1]//2): plt.subplot(1,1,1) #plt.plot(dataset[:,k],label=f"{k}") plt.scatter(dataset[:,k],dataset[:,k+1],c=y,alpha=0.5,s=100) plt.xlabel("Length") plt.ylabel("Width") graph(x)
@yannisa6753
@yannisa6753 4 роки тому
Merci beaucoup pour tes vidéos si instructives ! J'ai une question (qui en comprend plusieurs) concernant la correction de l'exercice (de la vidéo 14/30). Lorsque l'on définit la boucle for pour itérer à travers notre dictionnaire, à aucun moment on définit notre x et y (comme on a pu le voir sur d'autres vidéos). Comment se fait-il que nous retrouvions en ordonnée une échelle -2, 2 et en abscisse 0, 100 ? Je comprends que l'échelle des ordonnées correspond à nos valeurs générées avec randn mais pourquoi se place-t-elle toute seule sur cet axe? Et qu'en abscisse nous retrouvions les 100 éléments générés aléatoirement, cela signifie-t-il que dans le dictionnaire chaque élément présent dans chaque clé possède une attribution de position : 0 > chiffre 1 , 1 > chiffre 2 etc... ? Et qu'est ce qui explique que les ordonnées se sont placées automatiquement en ordonnée, et pas en abscisse ? J'espère que mes questions sont claires. Merci par avance
@MachineLearnia
@MachineLearnia 4 роки тому
Bonjour Yannis ! Lorsqu'on passe un seul élément dans plt.plot ou scatter (comme une liste ou un tableau numpy) alors Matplotlib génère automatiquement l'axe des abscisses pour correspondre a ce tableau. En effet je n'ai pas vraiment expliqué cela, mais c'est parce qu'en pratique on écrit toujours un code explicite en précisant X et Y
@yannisa6753
@yannisa6753 4 роки тому
@@MachineLearnia Super, merci beaucoup !
@sirakhecisse5707
@sirakhecisse5707 Рік тому
Vous etes gentil
@massambasarre1435
@massambasarre1435 4 роки тому
Bonjour Guillaume ! Je voulais d'abord vous remercier pour cette formation...Elle est vraiment intéressante. Mais à propos de cette vidéo je me demandais comment vous aviez fait pour zoomer et dézoomer dans le graphe tracé avec le module mpl_toolkits. Merci d'avance :)
@MachineLearnia
@MachineLearnia 4 роки тому
Bonjour et merci :) Pour zoomer dans un graphique, il faut créer le graphique avec QT5. Pour ca, si vous utiliser Jupyter, alors il suffit de commencer votre code en tapant la ligne suivante : %matplotlib Et pour revenir au graphiques normaux, il faudra taper : %matplotlib inline Si vous utiliser Spyder, il faut changer les reglages de la console dans le menu préférences.
@erwandeboisjolly2779
@erwandeboisjolly2779 4 роки тому
Bonjour Guillaume, Merci pour cette vidéo. Je cherche a reproduire le graph imshow qui s'affiche à 17:47. Aurais-tu quelques indications ? Merci pour ton aide !
@MachineLearnia
@MachineLearnia 4 роки тому
C'est un graphique Scatter par dessus un graphique Imshow. Pour la colormap tu peux choisir "spectral" et pour générer le imshow il te faut générer une grille XX YY avec meshgrid (comme vu dans la vidéo) et disposer d'une fonction f(XX, YY) = Z
@erwandeboisjolly2779
@erwandeboisjolly2779 4 роки тому
Alors, j'ai à peu près réussi à faire tout ça mais je n'ai pas de fonction f(XX,YY)=Z. J'essaye d'interpoler des valeurs de Z mesurées, matérialisées sur la figure par le scatter plot. Pour interpoler, j'ai utilisé griddata mais je n'ai pas réussi à avoir un résultat "présentable". Il y a plein d'outils d'interpolation dans Scipy et je ne sais pas trop lequel choisir. Merci pour tes recommandations !
@MachineLearnia
@MachineLearnia 4 роки тому
@@erwandeboisjolly2779 Une interpolation est possible, mais il vaudrait peut-etre mieux utiliser une estimation de densité ! Par exemple KernelDensity de Sklearn pourrait faire l'affaire !
@90fazoti
@90fazoti 4 роки тому
Merci encore c hyper intéressant comme toujours, j'ai une simple question j'arrive tjr po à mettre des graphes 3d interactif sur jupyter %matplotlib tout seul bug sur jupyter et %matplotlib inline affichage normal et non interactif merci !
@MachineLearnia
@MachineLearnia 4 роки тому
Merci beaucoup. Il vaut mieux faire les graphiques 3D dans spyder alors ! :)
@90fazoti
@90fazoti 4 роки тому
@@MachineLearnia merci infiniment
@jean-baptisteriou5555
@jean-baptisteriou5555 Рік тому
Bonjour! J'ai une question sur le 2e graphique, je peux le réaliser sans mettre la ligne de code : from mpl_toolkits.mplot3d import Axes3D. Ce package importé n'est il utile que à jouer avec la rotation de l'image 3D. Dans tout les cas, (que j'importe Axes3D ou pas) je n'arrive pas à obtenir cette fonctionnalité (via l'interface spyder, ça fonctionne pour jupyter)
@Alpha-zf1tw
@Alpha-zf1tw 3 роки тому
Merci! 15 down, 15 left to go...
@MachineLearnia
@MachineLearnia 3 роки тому
Halfway through ! Well done :)
@yazmeaux3506
@yazmeaux3506 4 роки тому
Vraiment super. J'en suis à la leçon 15 et tout est vraiment très clair. Mais en faisant tes exercices je bloque sur un truc qui me semble pourtant très simple. de ton tutos je voulais choisir les couleurs et la je bloque. j'ai fait un code mais je pense que tu vas sortir de ton chapeau la ligne qui change tout. Il y a peut être un truc fondamental qui me manque !!!! pour couleurs = transpose_en_couleur(y) plt.scatter (x[:,2] , x[:,1] ,c = couleurs , alpha = 0.5 , s= x[:,3]*40) # Conversion def transpose_en_couleur (tableau): couleur = ['blue', 'red', 'green', 'black', 'orange'] couleurs = y.astype(np.str) for i in range (0,4): couleurs [couleurs == str(i)] = couleur[i] return couleurs
@MachineLearnia
@MachineLearnia 4 роки тому
Bonjour et merci je suis content de savoir que certaines personnes suivent la formation en entier et la trouve utile pour leur progression. Concernant ton code, je détecte déjà une erreur fondamentale (mais courante, ne t'en fais pas) Dans la définition de ta fonction transpose_en_couleur, tu définis un argument tableau, mais tu ne l'utilises pas dans ta fonction. A la place, tu utilises y quand tu écris couleurs = y.astype(np.str). Il faut changer ca par tableau !
@jpbozo3461
@jpbozo3461 3 роки тому
Bonjour, pour le corrigé final, plutôt qu' une boucle sur un zip, enumerate (data.keys ()) ?
@MachineLearnia
@MachineLearnia 3 роки тому
Oui ça peut être une meilleure solution, bonne idée ! :)
@patrickringot5450
@patrickringot5450 Рік тому
j'ai plusieurs problèmes 1 la visualisation 3d ensuite le code de l'exercice 14/30 les graphismes ne s'affiche pas pouvez vous me donner des conseil sur ce que je dois faire pour que ces codes fonctionnent correctement d'avance merci 😁
@ulyssevs6848
@ulyssevs6848 2 роки тому
Je ne savais pas qu'on pouvait utiliser scatter plot dans ce cadre (catégorisation). Ca fait penser à la méthode .pairplot de la librairie seaborn. Tu en parles surement dans une prochaine vidéo ? Sinon pour l'aplatissement des tableau numpy, je vois qu'il y a aussi la fonction .flatten(). Il y a une différence avec .ravel() ? Il y a aussi .flat() mais si j'ai bien compris c'est un itérateur (donc le tableau "aplati" n'est pas créé en mémoire ? c'est censé être plus rapide à l'exécution si on itère dessus?)
@MachineLearnia
@MachineLearnia 2 роки тому
Oui je vais parler de seaborn. Flatten() retourne une copie du tableau, alors que ravel applatit le tableau de facon définitive.
@nidhalderbali4636
@nidhalderbali4636 3 роки тому
Bonjour Guillaume, merci pour cette vidéo. en Spyder, j'arrive pas à déplacer les figures 3d comme vous l'avez fait.
@pierremonroux9859
@pierremonroux9859 3 роки тому
Moi non plus, tu as trouvé une solution ?
@romainmartin2280
@romainmartin2280 3 роки тому
Bonjour, est-ce que vous savez s'il existe une fonction matplotlib (j'ai recherche sur google mais je n'ai pas trouvé ce que je voulais) pour changer la couleur du background du plot? Par exemple j'ai un dataframe avec une colonne contenant plusieurs phase d une experience et je souhaiterai avoir un background de differente couleur pour chaque phase. Merci beaucoup pour vos videos très claires et interessantes!
@MachineLearnia
@MachineLearnia 3 роки тому
Oui, il faut utiliser la facon objet de matplotlib, en définissant vos graphs comme des objects (par exemple en les appelant "ax") et en écrivant ax.face_color. Voici un article qui vous explique comment faire : stackoverflow.com/questions/14088687/how-to-change-plot-background-color
@philippebillet4359
@philippebillet4359 4 роки тому
Bonjour Guillaume, je suis vos cours avec plaisir (et pas trop de difficultés). Par contre j'ai un problème avec les graphe 3D : comment les faire apparaître dans une fenêtre externe dans spyder : j'ai essayé "%matplotlib auto" : plantage. J'ai essayé 'exec(%matplotlib auto)' : aucun plantage, mais pas de fenêtre permettant de choisir le meilleur axe de visualisation. Au final est-ce possible ...??? Votre méthode pédagogique est vraiment bluffante. PBI
@MachineLearnia
@MachineLearnia 4 роки тому
Bonjour Philippe et merci beaucoup ! :) Pour faire apparaitre vos graphiques 3D dans une autre fenetres, il faut changer un réglage de spyder. 1) Cliquez sur Tools > Préférences *Une nouvelles fenêtre s'ouvre* 2) cliquez sur IPython Console > Graphics. 3) Dans Graphics Backend, selectionner "Automatic" ( a la place de "Inline") 4) redémarrez spyder. Dites moi si le problème est résolu, merci :)
@philippebillet4359
@philippebillet4359 4 роки тому
@@MachineLearniaVotre solution fonctionne parfaitement (en fait j'avais juste oublié de relancer spyder...)
@MachineLearnia
@MachineLearnia 4 роки тому
@@philippebillet4359 Parfait ! Bon code ;)
@mohamedaoudia7351
@mohamedaoudia7351 3 роки тому
Merci ! j'ai une question , pour le problème d'optimisation, j'arrive pas à faire le lien entre la méthode du Contour plot et imshow, autrement dit j'arrive pas à lire le résultat des deux méthodes pour enfin me dire : ça donne le même résultat hahah
@MachineLearnia
@MachineLearnia 3 роки тому
Bonjour ! Je ne vois pas comment vous aider la pour le coup, avez-vous un exemple précis ? si oui, pouvez-vous me le communiquer sur Discord ? Merci
@supplementmaths678
@supplementmaths678 Рік тому
Intéressant ce classement, merci. Pour le paramètre alpha, j'ai remarqué à 4:38 que certains points sont devenus plus transparents par rapport à d'autres, sans même avoir à multiplier la valeur de alpha par une variable. Y a-t-il svp une explication à cela?
@xavierlgls6322
@xavierlgls6322 Рік тому
Cela a mis en évidence la superposition de plusieurs points. Le dataset contient manifestement des couples de valeurs identiques sur ces 2 axes.
@supplementmaths678
@supplementmaths678 Рік тому
@@xavierlgls6322 Merci
@nzakiesembongoarlain2513
@nzakiesembongoarlain2513 4 роки тому
Merci Guillaume, je voulais savoir dans l'exercice, comment faire pour actualiser les plt. en utilisant PyCharm toutes les graphique ne s'affichent pas directement...
@MachineLearnia
@MachineLearnia 4 роки тому
Bonjour ! Pour afficher les graphiques dans Pycharm, il faut finir le code avec plt.show() (ce qui affiche le graphique)
@nzakiesearlain3269
@nzakiesearlain3269 4 роки тому
@@MachineLearnia oui, je parle par le fait que on a un boucle for, à chaque itération du for, le plt. doit être actualiser. Dans d'autres cas, avant d'afficher une deuxième plt. Il faudrait fermer la premiere. C'est pendant on veut que le 4 soit sur une même plt.
@scoryjf1154
@scoryjf1154 2 роки тому
Bonjour et merci pour ces excellentes leçons. J'ai une question concernant l'exercice. Le code ne m'affiche pas le contenu des graphiques. les abcisses par defaut semblent beaucoup trop faibles. Nous avons pourtant les mêmes lignes de code.
@MachineLearnia
@MachineLearnia 2 роки тому
Je vous invite a venir partager votre code sur notre discord.
@pierrematran1187
@pierrematran1187 3 роки тому
Une petite question sur la solution de l'exercice de la semaine précédente: Serait-il possible d'éviter la fonction zip() et d'utiliser enumerate() à la place? Un truc du style: plt.figure() for i, k in enumerate(datasets.keys(), start = 1): ... ...
@MachineLearnia
@MachineLearnia 3 роки тому
Oui c'est tout a fait possible !
@moneyguillaumeossohou349
@moneyguillaumeossohou349 Рік тому
Bonjour Guillaume, voici une proposition de réponse à l'exonèrent précédent : import numpy as np import matplotlib.pyplot as plt def graphique(dataset): for k,v in dataset.items(): plt.figure(figsize=(12,2)) plt.plot(dataset[f"{k}"], label=f"{k}") plt.title(f"{k}") plt.show() return graphique La particularité ici est que les titres ne se chevauchent pas.
@STChaosman
@STChaosman 3 роки тому
Coucou St-Cirgue, y-at-t'il une option pour faire quelque chose du genre "plt.zlabel" dans le cadre des graphiques à trois axes ?
@MachineLearnia
@MachineLearnia 3 роки тому
Eeeh ! Ca fait super plaisir de voir un copain ^^ Pour rajouter les noms des axes sur les graphiques 3D voici comment faire : ax.set_xlabel('X axis') ax.set_ylabel('Y axis') ax.set_zlabel('Z axis') plt.zlabel (ou bien plt.zasxis) n'existe pas vraiment, et il faut utiliser l'object "ax" pour y coller les méthodes set_xlabel(). En tout cas c'est comme ca que ca fonctionne pour les graphiques 3D. Good Luck Bro et si t'as besoin d'aide tu peux toujours compter sur moi ;)
@STChaosman
@STChaosman 3 роки тому
@@MachineLearnia ça roule merci !!
@user-pq8tg6yh2t
@user-pq8tg6yh2t 2 місяці тому
Je viens de commencer l'apprentissage des machines leaning comme débutant je suis un peu ajouté à l'idée de savoir comment transformer le code écrit en Jupiter ou tout autre de ce genre en un script python simple , si vous pouvez montré comment le faire ce là aidera à répondre à mon inquiétude et m'encourager à poursuivre l'apprentissage par objectif merci
@nelhoa
@nelhoa 4 роки тому
Existe-t-il une méthode simple pour visualiser des réseaux sociaux (graph) en Python à partir d’un tableau qui indique s’il existe ou non un lien entre les différents points ? Seriez-vous susceptible de faire une vidéo à ce sujet ? Merci encore pour cette vidéo !
@MachineLearnia
@MachineLearnia 4 роки тому
Un tres bon outil pour faire ce genre de graphique est le package NetworkX. Oui je pourrais faire une vidéo a ce sujet ! :)
@slimanelatreche4263
@slimanelatreche4263 2 роки тому
Merci beaucoup! Super! Concernant (5) Graphique de classification avec plt.scatter() 04:44 peut on rajouter une légende? Comment?
@MachineLearnia
@MachineLearnia 2 роки тому
Pour ajouter une légende de cette maniere, il faut écrire une boucle for, ou bien utiliser seaborn (qui est bien plus simple, et je montre cette librairie un peu apres dans la série de vidéos)
@slimanelatreche4263
@slimanelatreche4263 2 роки тому
@@MachineLearnia Merci
@fadwabenlenda2650
@fadwabenlenda2650 2 місяці тому
est ce que tu peut faire une petite vidéo sur cmap
@jimmykonneradt3176
@jimmykonneradt3176 4 роки тому
En effet, format plus dynamique
@MachineLearnia
@MachineLearnia 4 роки тому
Super, je suis content que le format t'ait plu :)
SCIPY PYTHON Tutoriel - Optimize, Fourier, NdImage (16/30)
30:12
Machine Learnia
Переглядів 106 тис.
MATPLOTLIB - Les Bases ! (14/30)
18:53
Machine Learnia
Переглядів 156 тис.
ISSEI funny story😂😂😂Strange World | Magic Lips💋
00:36
ISSEI / いっせい
Переглядів 94 млн
didn't want to let me in #tiktok
00:20
Анастасия Тарасова
Переглядів 6 млн
НЕОБЫЧНЫЙ ЛЕДЕНЕЦ
00:49
Sveta Sollar
Переглядів 5 млн
How I make science animations
43:39
Artem Kirsanov
Переглядів 649 тис.
Pourquoi j'ai arrêté mon doctorat en IA
11:00
Parlons IA avec Louis-François Bouchard
Переглядів 13 тис.
Matplotlib Full Python Course - Data Science Fundamentals
1:02:41
NeuralNine
Переглядів 103 тис.
Matplotlib Animations in Python
12:22
NeuralNine
Переглядів 164 тис.
Matplotlib #5 || Scatter Plots - بالعربي
18:43
Ons أنس
Переглядів 3,1 тис.
How to: Plot a Function in Python
13:47
HagesLab
Переглядів 117 тис.
Statistics Fundamentals in Python
25:35
NeuralNine
Переглядів 29 тис.