J'ai visionné des dizaines et des dizaines de vidéos, et en toute objectivité, au vu de la qualité du contenu de tes vidéos, j'estime que tu es l'un des meilleurs pédagogues en ce qui concerne l'enseignement de la datascience (français - anglais confondus). Tu mérites beaucoup plus d'abonnés !

Une vidéo avec énormément de contenu! Merci de me rendre les maths de plus en plus intelligibles au fil de tes vidéos. :)

Merci pour ce contenu impeccable 😉 Ce serait génial d'avoir une série de vidéos sur la programmation linéaire.

Merci pour toutes ces vidéos, on attend la suite avec impatience :)

Super vidéo encore ! NdImage c'est impressionnant c'est clair. Et merci pour l'astuce pour l'échelle sur scatter :-)

Bonsoir Guillaume, je me retrouve de voir une vidéo après une autre sans arrêt, votre chaîne est superbe. Merciiiiii.

Effectivement une vidéo sur l'optimisation serai très intéressante, avec beaucoup de détails et d'explications. Félicitations pour vos vidéos, elles sont excellentes. Merci

C'est un plaisir de suivre vos vidéos.... Je pense que plus de vidéo sur SCIPY seront les bienvenues pour apporter plus de lumière à ce module

Hello Guillaume, comme d'habitude : vidéo de grande qualité ! Mercii !!

Salut Guillaume, Tu es vraiment au top : pédagogie excellente, contenu excellent... bref que du bonheur ! Hâte de découvrir ton module Deep learning !

Pour ma part, j'aimerais bien d'autre vidéos concernant le traitement de l'image ! Je trouve que cette vidéo était vraiment très très intéressante :).

Merci pour tes vidéo et ton aide au quotidien! c'est hyper intéressant pour l'optimisation

Excellent ! Meilleure prof français de data science ! Scipy est génial, je dirais pas à non à plus de vidéos sur le sujet ! :)

Salam, je te félicite pour ton travail entrepris. Et voilà que tout deviens assez facile. Notamment l'explication par des exemples réel. Chapeau encore pour ce travail de qualité.

Encore merci pour tout ce contenu. Je perfectionne vraiment mes connaissances et ma pratique grâce à toi 🙏

Puissante démonstration, code lisible, parfaite maîtrise de l'outil et du domaine.. Tu es un chef...

juste pour vous dire un grand merci .je n aurai jamais cru que la programmation pouvait etre aussi simple encore un grand merci

Merci infiniment, Continuez on vous suit.

Merci Guillaume pour ces vidéos toujours très instructives. Celle-ci est très condensée dans les thèmes abordées, elles suscitent d'avantage mon intérêt pour la data science et de la curiosité à tester ces modèles. Bonne continuation.

Bonjour, merci pour les séries de vidéos

Bonjour, vraiment génial. J'ai suivi toutes les vidéos jusqu'à maintenant et la qualité ne se dément pas. J'ai reproduit le traitement d'image sur une photo de grain de beautés et c'est vraiment facile de compter ceux ci. Merci pour la vidéo.

Merci beaucoup pour ces contenus gratuits.

Le contenu de cette formation est juste formidable. Merci beaucoup.

Guillaume, tu es un génie

Vidéo très instructive, merci !

Vraiment top tes vidéos, je fais déjà du machine learning mais j'apprend quand pleins de nouvelles choses ! Si tu as le temps se serait bien que tu fasses une vidéos approfondie sur les maths utiles en machine learning, même si ça te parait évidant avec ton niveau, pour ceux comme moi qui n'ont pas fait de cursus de math. Et une autre vidéos sur scikit serait vraiment génial aussi ! :)

Slt Guillaume, Merci pour cette vidéo toujours très intéressant ! Waouh j'ai hâte de celles sur la NLP, mais avançons pas à pas !! Bon weeek end. Cordialement. Michel

Je suis déjà à la 17 éme vidéo vraiment bravo , en gros tu nous dis : ' voilà c'est facile ! faites comme moi et puis c'est tout '

Mr Guillaume est l'un des meilleurs pédagogues en ce qui concerne l'enseignement de la datascience (français - anglais confondus) que j'ai jamais rencontré sur UKposts ... Je decouvre chaque jour une plus grande ingeniosité dans tes formations. Merci champion. J'invite des collègues a la communauté...

Bonjour Guillaume, Je reprends la série après quelques semaines de pause, je vous suis vraiment très reconnaissant pour la qualité de vos vidéos. Je ne pensais pas qu'un jour je m'attaquerai à la montagne Machine Learning et ceci je le dois grâce à vous. Souvent dans les séries de ce type, on est rapidement découragé par le niveau exigé, ici tout est rendu accessible grâce à votre pédagogie. Merci encore pour le travail effectué, je n'ai qu'une hâte visionner la prochaine vidéo. Bien à vous. Frédéric

A life changing video ❤

Je dois te dire que mon prof de traitement d'image et signal n'a pas pu m'expliquer comme toi. Tu es le meilleur.

Excellent travail avec une très bonne qualité des vidéos et une très bonne maîtrise du sujet. C'est dommage qu'il n'y a pas suffisamment d'exercices pour chaque notion. Bravo! N.B.: J'ai partagé votre lien avec d'autres collègues.

merci Guillaume pour cette formation j'ai pris plusieurs a cause de toi j'ai cpmris bcp de choses a python aussi au machine learning

Super vidéo, Merci !

Bonjour,chez nous on dit que "tu es dangereux"; c'est l'équivalent de "tu es vraiment bon".tu démystifie le machine learning .Merci vraiment.

Franchement....j'adore.. MERCI, vraiment.

Géniale cette vidéo, merci beaucoup !

Excellentes vidéos, Très pédagogue. Peux-tu nous faire plus de vidéos d'optimisation s'il te plait ? Encore mieux si c'est avec du cplex. Merci Beaucoup et continue comme ça, Tu es au TOP

Merci beaucoup pour cet excellent et pédagogique cours .

Excellent (comme d’habitude !)

Ah oui ! Il a fallu attendre, mais là tu casses le game. Arriver à compter le nombre de bactéries à partir d'une photo, et cela en quelques lignes de code, c'est dingue. Moi qui pensais que Scipy était une bibliothèque très orientée recherche et assez ennuyeuse, ... tu viens de me montrer que c'est en réalité une vrai tuerie !

j'ai pas les mots, je me sens au coeur de la pratique de tas de théories grace à Python. Merci vraiment. j'aimerais juste si vous pouvez fair une vidéo sur les équations différentielles qui se raccordent avec la Transformation de Fourier dans certains cas Merci

In a besoin des vidéos sur des modèles comme RNN, ARIMA , ARIMAX, LSTN, ..... car j'ai un grand projet de data science sur la prediction des commandes clients concernant des produits en Thailandes Merci à vous Guillaume, j'ai le plaisir de voir et revoir vos vidéos, qui m'ont vraiment changé d'avis pour la ML. merci énormément :))))

merci merci merci merci merci merci merci vous êtes un génie

Salut Guillaume ! Je tiens à te remercier pour ta pédagogie ainsi que l'ensemble de tes vidéos qui sont une mine d'informations ! Penses tu que ce serait amusant de faire une vidéo sur de la reconnaissance vocale, par l'intermédiaire du traitement de signal, du type Fourier, etc ? Si cela est possible bien entendu . Je m'exprimes avec mes connaissances de néophyte. Bonne continuation à ta chaine !

excellente video Merci !!

super le travail que vous faites ici

Cool Guillaume belle vidéo comme d'ab !! Sinon Guillaume arrivé à la 20 vidéos pense à pytorch pour appliquer tensorflow 😀

C'est tout simplement top. J'aimerais encore approfondir sur les traitements de signaux acoustiques et images médicales

Merci tout d'abord pour tes vidéos superbes. Pouvez faire une vidéos sur les séries de Fourier et la réponse d'un filtre linéaire à un signal périodique non sinusoïdal. Merci.

super video !!!!!!!!!!!!!!!!!!!

J'adore tes vidéos ❤ seulement au début de la section "traitement de signal", précisément à l'instant 12:04, ça parle bien de Scipy et non pas de matplotlib 😉 Bon courage

Merci

Une vidéo sur l'optimisation linéaire et non-linéaire sous contrainte ça serait super !

Bonjour et merci pour cette 16ᵉ vidéo, comme d'habitude c'est limpide ! Tu proposes dans ta vidéo de faire une autre vidéo sur scipy alors comme demande, peux-tu stp faire une vidéo de plus sur scipy? Encore merci pour tes précieux cours !

Je kiff telment tes vidéos, peut tu nou faire une vidéo concernant la segmentation d'image IRM avec 3D U-Net

Merci Guillaume pour ton contenu. Au sujet de la fonction "minimize" de scipy, je n'arrive pas à bien mettre en place et comprendre lorsque nous avons énormément "contraintes" à ajouter dans une fonction (plus de 100 contraintes), l'optimisation devient impossible j'ai l'impression ! Peux-tu faire une vidéo sur le sujet, ou me répondre ? Merci d'avance, Mickaël

ce mec est juste waooh

Bonjour Guillaume et à tous. Ca avance, va falloir commencer à organiser mes notes car si chaque notion prise séparément passe très bien, on commence à avoir pas mal d'outils ;) Sinon question bête sur la dilatation (ca se dit dilation en french ?), on dirait qu'on a 3 méthodes : Méthode A : celle que tu présentes à l'oral, à chaque foi que l'élément structurant touche du blanc, on met tous les pixels de l'élément structurant en blanc (ce que je faisais au début) Méthode B : celle présentée sur tes images, quand le pixel central de l'élément structurant (appelé "anchor" sur tes images) touche du blanc, on met en blanc tous les pixels de l'élément structurant Méthode C : Dès que l'élément structurant touche le blanc, on met en blanc uniquement le pixel central de l'élément structurant (anchor). Inversement pour l'érosion, le pixel est blanc central uniquement si tout l'élément structurant est inclus dans le blanc, si un morceau de l'élément est noir, le anchor est mis en noir Il me semble que B= Id(C) par contre la méthode A ne donne pas le même résultat. De ce que je comprends des équations de morpho math, la C est la "vraie" méthode, donc est ce que je comprends mal, ou ce que les 3 sont OK ? En tout cas merci à toi (si tu lis encore tes com 4 ans après ;) )

Bonjour, Merci pour cette tuto , je voulais que vous nous explique sur un video au programmation lineaire en machin learning.

Ce serait bien une vidéo sur l'optimisation

Je trouve que tu fais de belle et bonne vidéo. Peux tu en faire sur l'optimisation non linéaire con contraint par exemple. Merci à toi surtout pour tout.

Salut et merci, c'est vraiment très intéressant et en plus ta passion est contagieuse. La qualité de tes vidéos est incroyable... Il manque cependant un liens Utip ou Paypal pour te remercier "pour de vrai".

Je suis de plus en plus passioner

superbe série. bien structuré. juste est ce que tu peux nous faire une vidéo sur le filtre de butterworth avec des données dataset !

Nice

Oui SciPy a l'air monstreux, j'ai pu voir qu'il était très utile pour du nettoyage de données, j'aimerais d'autres exemples avec divers possibilités qu'offre scipy.

Bonjour merci beaucoup pour votre qui est assez exceptionnel car il est facile à comprendre. Serait-il possible que vous fassiez une vidéo sur preprocessing des données de panel qui sont beaucoup utilisé en économie pour faire des analyses sur un ensemble de pays. Merci d avance

Merci pour vos brillantes explications. Svp une fois le nuage de points représenté comment tracer la frontière de décision dans le cadre de la classification? Merci .

Merci pour cette video. Petite note, la FFT s'utilise aussi pour les signaux apériodiques... D'ailleurs les lecteurs audio de fichier MP3 affichent des histogrammes ou mêmes des effets divers et variés et certains éclairages pour les fêtes se basent sur ce principe. Le principe de la FFT pour les signaux apériodiques est un peu complexe par contre et je crois qu'il se base sur les "ondelettes".

vous êtes le meilleur, par ailleurs j'ai voulu savoir s'il ya des vidéos sur le traitement des données avec ML , comme la détection des valeurs aberrantes, redressement ou correction des données avant de l'utiliser pour des raisons d'analyse

Chapeau :\ vulgariser c'est maitriser vous nous faites croire que c'est facile :))

bonjour je tiens tout d'abord a vous remercier pour ces vidéos très instructives mais j'aimerai aussi vous poser une question sur la dilation et l'érosion ,voila en ce moment je travail dans mon stage sur du traitement d'image grâce a un logiciel mais on aimerai faire ce traitement sur python , le logiciel fait de l'outlier sur les images avant traitement PCA, est ce que outlier est la dilation car d'après ce que j 'ai compris du logiciel ca y ressemble merci pour votre réponse.

Bonjour, pour la partie à 26:26 dans votre tableau numpy la première valeur est à 0, j’ai refait toute cette partie de la vidéo avec une image similaire et je rencontre exactement le même problème que vous, sur mon image s’affiche distinctement 7 bactéries de taille non négligeable néanmoins l’une d’entre elle à pour size 0. J’ai cherché mais je n’ai pas trouvé la raison, auriez vous une idée ? Très bonne vidéo au passage

Bravo et merci pour tes super video très fluides malgré sa teneur , peux-tu vérifier stp le lien de ton code github .

Je ne peux voir vos vidéos ss laisser un message ici vraiment excellente formation ML trop d'informations pertinentes sur cette partie 16 il faut la revoir encore et encore... si c'est possible bien sur de rendre un peu too easy(+détail) la partie Transformation de Fourier et image processing Merci d'avance

Excellent ! Une petite bourde cependant à 12:05, tu dis "dans mathplotlib" au lieu de "dans scipy". Je l'ai repéré certainement parce que j'étais totalement immergé dans ta vidéo ;)

Bonsoir ! la vidéo est super bien expliqué j'adore vraiment cette série ^^ , j'ai une petite question , a la fin en ce qui concerne ndimage.sum() , quel est le role de notre image de base ? j'arrive pas a comprendre pourquoi on passe l'image de base + l'image des différents groupes de bactérie formés pour trouver leurs tailles x) merci d'avance ! ^^

Bonjour, très sympa mais quelques raccourcis un peu rapides qui peuvent conduire à une très mauvaise utilisation de FFT. La transformée de Fourrier, à priori ce n'est pas limité aux signaux périodiques (sinon ça ne fonctionnerait jamais avec nos signaux, il ne sont pas infini dans le temps). Il s'agit des séries de Fourier qui concernent des signaux périodiques. Maintenant, ce qui est utilisé c'est la FFT qui ne fonctionne que pour les signaux périodiques... En fait, ce que l'algorithme fait c'est qu'il périodise le signal qu'on lui donne en mettant ce signal au bout de lui-même. Quelques aspects qu'il faut prendre en compte : S'assurer que l'échantillonnage de notre signal soit suffisamment important, si c'est le cas, on ne rate aucune fréquence et on peut traiter le signal. Un deuxième point important est le fait que le début et la fin du signal devraient être au même niveau pour ne pas ajouter de fréquences parasites. Concernant ce qui ressort de la FFT, en fait il s'agit d'un vecteur (si notre signal est un vecteur) composé de nombres complexes. Comme pour la transformée de Fourier telle qu'écrite dans les livres de maths. Il faudrait donc faire une représentation dans un plan 2D, ce qui n'a pas bcp d'intérêts pour du filtrage notamment. Le spectre, qui est la grandeur intéressante, n'est en fait que le module de ce nombre complexe pour toute les fréquences, c'est ce que fait la fonction 'abs', prendre la valeur absolue... ou le module pour un nombre complexe.

mrc bcp pour votre génial explication, j aimerais bien savoir est ce que python est le meilleur choix pour traitement de signal (par rapport a matlab par exemple)

bonjour, Merci pour les leçons sont vraiment très intéressantes! pour la partie traitement d'image j'ai essayé avec spider sauf que aucun resultat pour l'histogramme. j'ai essayé avec jupyter, mais j'ai pas les memes parametres d'affichage (echelle très grande) ce qui donne pas les meme resultat

Excellent ton exemple d'application-bilan ! Quelques petites précisions car tu passes très vite sur certaines notions dans cette vidéo très dense : - l'axe des fréquences que tu obtiens dans sur ton graphe de Fourier n'est pas très parlant. Cela vient du fait que ton code ne précise pas à la fonction fftpack.fftfreq quel est le "pas temporel" de ton signal. Il faut également multiplier la fréquence par 2*pi pour que le nombre devant le x dans les fonctions np.sin correspondent bien à la fréquence de la sinusoïde (en effet le sinus étant 2-pi périodique, pour un signal de 1Hz, le sinus doit "voir s'écouler" 2*pi en un temps x = 1s). Si on voulait effectivement obtenir un contenu de fréquences temporelles avec des pics à 1, 5 et 10Hz, par exemple pour un signal relevé par un capteur pendant une durée donnée avec une fréquence d'échantillonnage donnée, on pourrait écrire le code suivant : ''' duration = 10 # durée (s) fs = 50 # fréquence d'échantillonnage (Hz) x = np.linspace(0, duration, duration*fs) y = 3 * np.sin(1*(2*np.pi)*x) + 2 * np.sin(5*(2*np.pi)*x) + np.sin(10*(2*np.pi)*x) fourier = fftpack.fft(y) power = np.abs(fourier) frequences = fftpack.fftfreq(y.size, 1/fs) ''' -19:52 l'érosion d'une image est l'ensemble des pixels (blancs) tels que le motif structurant est CONTENU dans cet ensemble, pour chaque pixel (blanc) restant. Autrement dit, le motif passe sur chaque pixel blanc de l'image de départ, et s'il dépasse de l'ensemble des pixels blancs, alors le pixel blanc actuel est effacé ; en revanche si le motif ne dépasse pas, alors le pixel blanc est conservé. Il faut bien noter que l'ensemble des pixels considéré à chaque pas est l'ensemble des pixels de DEPART, sinon à la fin du processus il ne resterait plus rien. - 20:58 tu aurais pu obtenir un meilleur filtrage des artefacts en remplaçant simplement le motif structurant utilisé par défault, qui est un "+", par un motif carré 3x3. Code : ''' open_x = ndimage.binary_opening(X, np.ones((3, 3))) ''' - 21:47 l'image utilisée : image.slidesharecdn.com/presentation1-120825052533-phpapp02/95/the-microscope-18-728.jpg?cb=1345872384 (l'ouverture du fichier ne fonctionnait pas de premier abord malgré son format .png, j'ai du reconvertir l'image en .png avec image.online-convert.com/convert-to-png. Puis pour la redimensionner afin d'éliminer le texte et les bords blancs : '''image = image[:500,90:620, 0]''')

Bonjour M. Merci pour vos cours je les trouve très bien et très bénéfiques pour les nouveaux utilisateurs de python comme moi. Moi j'ai un problème avec une représentation graphique. Il s'agit de représenter sur une carte sur python des villes et afficher pour chaque ville un indicateur que j'aurai calculé par exemple la pollution. Merci.

Bonjour, Merci beaucoup pour vos vidéos qui sont tres instructives et claires ! J’avais juste une question : avez-vous à tout hasard les codes de vos cours sur Jupyter par ex ?

je veut te remercier pour vos efforts. j'ai rencontrer des ptits prblms au niveau du modele scipy.integrate et scipy.signal ( butter et sosfiltfilt ) , est ce que te peut faire une petite video dans ce sens là ça serait super et merci

Adresse de l'image: image.slidesharecdn.com/presentation1-120825052533-phpapp02/95/the-microscope-18-728.jpg?cb=1345872384 Je ne la trouvai pas ni sur le code GitHub ni dans le descriptif mais j'ai peut être mal cherché lol Conseil maison, faites une capture d'écran pour ne pas garder les 2 gros bords blancs de cette image jpeg et ainsi obtenir un png beaucoup plus proche de notre enseignant ^^ Sans cela vous aurez de très forte valeurs dans les blancs et un histogramme moins parlant! A plus et encore merci pour cette pédagogie tellement rare à trouver et encore plus en français \O/

Excellent l'exercice sur les bactérie. Je me demande si on peut remonter à la bactérie la plus grande et positionner un marquer dessus. Je suis certain que c'est faisable Merci pour les vidéos

il faut te suivre de près pour ne rien manquer...MLearnia ClassRoom

Merci pour la video! Petite question : dans 10.42, la fonction "f" dans ** optimize.minimize(f,x0=x0).x ** peut-elle être définie avec la méthode : lambda x,y : ....

bonjour, dans la vidéo tu explique que interpolate permet de générer une fonction qui va parfaitement épouser la forme d'une autre fonction qui par exemple manque de données. je me suis donc demandé si c'est possible d'utiliser la fonction interpolate afin de remplacer les valeurs NAN d'un dataset par des valeurs approximatives, est ce que procéder de cette façon là ne va pas fausser nos calcul qi on travail avec un dataset qui aurait subit une tel manipulation? et si c'est bonne façon de faire est ce cette méthode est plus pertinente que le fait d'utiliser la fonction isNAN pour mettre toutes la valeurs NAN à zero? Et au fait super vidéo comme d'habitude même si parfois tu va un peu vite, il faut donc regarder plusieurs fois pour bien comprendre mais je ne me lasse pas de cette formation.

Bonjour Guillaume. Une petite question à 21'50" au sujet du format de l'image bacteria.png qui à l'origine est à 3 dimensions (càd en couleur j'imagine). Quand on prend juste la première dimension (/couleur ?) en excluant les 2 autres, est-ce que l'on passe automatiquement en dégradé de gris ? Ce n'est pas du format RGB alors sinon l'image filtrée serait en dégradé de rouge non ?

Bonjour Guillaume, Tout d'abord merci pour tes vidéos. J'ai une petite question sur la fonction minimize, dans l'exemple de la fonction à une seule variable tu dis que la fonction va renvoyer le minimum suivant la valeur d'initialisation x0, alors pourquoi dans l'exemple suivant en initialisant à (0,0) minimize renvoie un minimum qui se trouve avant ces valeurs d'initialisation?

Bonsoir, vers 9'50" , pour retrouver le minimum ça serait judicieux de faire une boucle et laisser le processeur cherché n'est pas , exemple : while True : if result.x[0] < optimize.minimize(f, x0+i): minimum = optimize.minimize(f, x0+i) else : minimum = result.x[0] et ça marche . Qu'en pesez-vous Merci pour vos astuces elle sont géniales

Bonjour Guillaume, Merci pour toutes tes vidéos, elles sont top ! Petite question concernant optimize.minimize. Pour x0 = -5.5, j'obtiens le minimum situé proche de -4. A quoi est du ce comportement ?

Merci pour cette vidéo et pour toutes ces explications très claires! J'ai juste une petite question, existe-t-il par hasard une fonction comme optimize.minimize() mais à la place de converger vers le premier minimum converge vers le premier maximum ? J'ai essayé de chercher optimize.maximize() mais malheureusement je ne trouve rien En tout cas merci encore pour toutes tes vidéos

Super vidéo, comme toute les précédentes... Eh, oui, j'ai découvert la chaîne il y a peu... Juste une question sur la correction, en faisant plt.subplot(n//2, n//2, i+1) ne va-t-on pas se retrouver à un cadre de 3*3 pour 6 variables, etc. ? plt.subplot(2, n//2, i+1) ne serait-il pas plus intéressant ?

Hello , c'est moi une autre fois :D comme d’habitude un grand merci pour cette excellente formation , s'il vous plaît pour la figure dans la vidéo 10'43" , comment on identifiant si c'est un min ou max , la seule différence dans notre figure c'est la couleur :D . Merci d'avance .

good

Bonjour, déjà super travail je suis en raccord avec tout le monde pour ça. J'avoue avoir eu un peu plus de mal à suivre cette vidéo , mais je vais continuer à m'accrocher. Et je voulais aussi dire que le lien du code Github ne marche pas avec moi. Encore super taf Guillaume merci !