Modélisation

  • Biais & Variance … dilemme ou compromis ? - Dés lors que vous allez commencer à mettre au point des modèles de Machine Learning vous aller vous confronter au délicat problème d'équilibre dans l'ajustement du biais et de la variance. Dans cet article je vous explique simplement comment mieux les comprendre et les ajuster.
  • Les chaînes de Markov - Si cette méthode de "prédiction" basée sur les probabilités et les états/transitions a eu ses heures de gloire, elle semble aujourd'hui moins à la mode. Dans cet article nous reviendrons sur les principes fondamentaux des chaines de Markov et leur application en Python.
  • Analyse de sentiments sur des critiques de cinéma - L'objectif de cet article est de montrer au travers d'un cas concret et français la méthode pour effectuer une analyse de sentiments avec Python.
  • Se lancer dans l'Auto-ML avec AutoGluon - Découvrez l'Auto-ML avec AutoGluon. Simple accélarateur ou véritable révolution dans la manière de créer des modèles de machine learning ? faites-vous une idée par la pratique ...
  • Keras au secours du Titanic ? - Dans cet article nous allons voir par la pratique si le deep learning via keras pourra nous aider à trouver les survivants du Titanic plus efficacement que les algorithmes classiques.
  • La persistance des modèles de Machine Learning - Dans ce court article vous verrez comment en quelques lignes de code Python vous pouvez sauvegarder votre modèle et le rappeler.
  • CatBoost ! - Découvrez dans cet article comment utiliser le dernier né des algorithmes de boosting de gradient Open-Source : le CatBoost !
  • La star des algorithmes de ML : XGBoost - Découvrez dans cet article pourquoi XGBoost est la star des compétition des Machine Learning ... et surtout comment l'utiliser !
  • Tuning des hyper-paramètres de Machine Learning - Après le feature engineering, place au tuning des hyperparametres pour ajuster finement vos prédictions !
  • Evaluer son modèle de classification binaire - Découvrez dans cet article comment evaluer et donc pouvoir optimiser sont modèle ML de classification.

Analyse

Deep Learning

  • Comprendre les réseaux de neurones avec Tensorflow Playground - Dans cet article je vous propose de découvrir un outil génial qui vous permet de mieux comprendre comment fonctionne un réseau de neurones et l'impact réel de ses principaux paramétrages.
  • Se lancer dans l'Auto-ML avec AutoGluon - Découvrez l'Auto-ML avec AutoGluon. Simple accélarateur ou véritable révolution dans la manière de créer des modèles de machine learning ? faites-vous une idée par la pratique ...
  • Keras au secours du Titanic ? - Dans cet article nous allons voir par la pratique si le deep learning via keras pourra nous aider à trouver les survivants du Titanic plus efficacement que les algorithmes classiques.

NLP

Outils & Publication


  • Comprendre les réseaux de neurones avec Tensorflow Playground - Dans cet article je vous propose de découvrir un outil génial qui vous permet de mieux comprendre comment fonctionne un réseau de neurones et l'impact réel de ses principaux paramétrages.
  • Test d'Orange (Outil de Data Science) - Découvrez dans cet article en forme de tuto comment ce petit outil Open-Source de Data-sciences peut vous faire gagner beaucoup de temps !
  • Google Collaboratory - Vous adorez Jupyter mais n'avez as envie de l'installer localement. Vous avez besoin de puissance et de GPU sans frais ni contraintes ? Google Colaboratory est fait pour vous. Suivez-moi dans ce tuto pour l'utiliser rapidement.
  • Python Pandas – Tuto (Partie N°2) - Découvrez dans cette deuxième partie de mon tutoriel Pandas comment notamment utiliser les fonctions ensemblistes (simili SQL).
  • Python matplotlib - Découvrez dans ce tuto comment prendre en main rapidement et efficacement la librairie Python matplotlib
  • Python Pandas – Tuto (Partie N°1) - Ce petit tuto a pour but de vous mettre le pied à l'étrier avec librairie Pandas qui permet de manipuler des données facilement en Python.
  • Machine Learning : s’outiller pour démarrer - Vous vous lancez dans le machine learning ? comment s'équiper et que lire ? voici les réponses que je tente de vous apporter dans cet article.