filmov
tv
PYTHON NUMPY machine learning (10/30)
Показать описание
Cette Formation Python Numpy est un tutoriel français spécial machine learning:
Numpy est le package python le plus important pour faire du machine learning et du data science. Numpy comprend le tableau array dit ndarray (n dimensions) qui est un objet extrêmement puissant en machine learning et data science.
Numpy propose beaucoup de méthode pour le ndarray, dans cette vidéo nous voyons les différents constructeurs qui permettent d'initialiser les tableau ndarray:
les deux attributs les plus importants à retenir sont :
shape
size
Nous voyons aussi les méthodes les plus utiles pour manipuler la forme de nos tableau numpy:
Il n'y a rien de plus à retenir pour bien se lancer avec Numpy. Ignorez les autres attributs et méthodes pour le moment !
► Timeline de la vidéo :
0:00 Intro
00:40 Le tableau Numpy, ses dimensions et sa shape
15:43 Assembler des tableaux: vstack hstack concatenate
23:08 Exercice
► Soutenez-moi sur Tipeee pour du contenu BONUS:
► Documentation Numpy pour ndarray:
► ARTICLE EN COMPLÉMENT DE CETTE VIDÉO:
► NOTRE COMMUNAUTÉ DISCORD
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
► Télécharger gratuitement mes codes sur github:
► 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 !
Numpy est le package python le plus important pour faire du machine learning et du data science. Numpy comprend le tableau array dit ndarray (n dimensions) qui est un objet extrêmement puissant en machine learning et data science.
Numpy propose beaucoup de méthode pour le ndarray, dans cette vidéo nous voyons les différents constructeurs qui permettent d'initialiser les tableau ndarray:
les deux attributs les plus importants à retenir sont :
shape
size
Nous voyons aussi les méthodes les plus utiles pour manipuler la forme de nos tableau numpy:
Il n'y a rien de plus à retenir pour bien se lancer avec Numpy. Ignorez les autres attributs et méthodes pour le moment !
► Timeline de la vidéo :
0:00 Intro
00:40 Le tableau Numpy, ses dimensions et sa shape
15:43 Assembler des tableaux: vstack hstack concatenate
23:08 Exercice
► Soutenez-moi sur Tipeee pour du contenu BONUS:
► Documentation Numpy pour ndarray:
► ARTICLE EN COMPLÉMENT DE CETTE VIDÉO:
► NOTRE COMMUNAUTÉ DISCORD
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
► Télécharger gratuitement mes codes sur github:
► 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 !
Комментарии