Introduction au Machine Learning (Udemy.com)

Un certain nombre de notions (en particulier p-value, d'autant que son utilisation n'est plus recommandée depuis 2019) sont citées sans jamais être expliquées, ou alors grossièrement (comme l'explication de l'équation de régression logistique). Ça rend une partie du cours incompréhensible ou trop partielle, en particulier dans le cas de l'utilisation de la p-value, on ne comprend pas les critères de sélection des variables pour construire un modèle. Dommage car il y a de bonnes choses dans ce cours.

L'interlocuteur est claire et s'arrête souvent sur des notions importantes de programmation ou de statistique. Cela fait gagner beaucoup de temps à la compréhension. La progression du cours et les notions abordées sont cohérentes. Le rythme me convient. Certaines répétitions pourraient être évitées pour gagner en fluidité et raccourcir le cours. Les notions importantes de p-values, exogène, homoscédasticité, ... pourraient plus détaillées et sinon être renvoyées vers un autre cours ou des pages internets. Des exemples significatifs sur des données plus importantes pourrait être commentés pour montrer la puissance et la faiblesse d'une régression. En effet, les fichiers csv du cours se limitent à quelques dizaines de ligne, sans que cela soit relié à de véritables données extraites. La notion de R squared est certe bien expliquée mais là aussi des exemples sur des données réelles seraient bien venues. La notion de chapeau est expliquée (Regression Logistique) après être utilisée (R squared).

Bonjour Je vous félicite et vous remercie pour les efforts fournit pour simplifier un cours un peu complexe. c'étais très excellent. Je souhaite avoir une idée sur l'utlisation de la ML sur des dataset en format texte par exemple établir des prédictions des résumés , des décisions..... Merci

Globalement tres bien .ca couvre pas mal de sujet . Le formateur est agreable à écouter , dynamique et motivant. seul eventuels bémol il y a parfois des redites pendant 1 ou 2 minutes et a contrario quelques impasses complète sur des choses plus compliqués / moins intuitives ( p-value, les differents model de kernel SVM) .cela reste un tres bon cours dans l'ensemble et je suis ravi de l'avoir suivi :)

Franchement votre cours est le meilleur que je pouvais trouvais sur Udemy. Le seul hic que je déplore est pourquoi vous avec avez pas bien expliqué la partie ou vous avez codé la représentation de la courbe. Je me suis perdu sur ce côté. Je vois des arrange et j'ai pas compris. Mais à part cette section, tout est bien expliqué et vraiment chapeau à vous. Merci

J'abordais ce cours en complet néophyte ; les auteurs ont néanmoins réussi à m'expliquer patiemment, étape par étape, point par point, le fonctionnement (la logique sous-jacente) des différents algorithmes et les situations auxquelles ils s'adaptent avant de les coder ligne par ligne (elles aussi patiemment expliquées) : un véritable tour de force je trouve, auquel je n'osais que timidement croire. Mais ce n'est pas tout, ils me laissent aussi des modèles !! Ainsi, je vais pouvoir m'attaquer à des problèmes concrets, rentrer dans le vif du sujet, sans me heurter constamment à de laborieux problèmes de code et de langage que je ne maîtrise pas encore. Attention, c'est une introduction, pas un cours complet, exhaustif, de A à Z sur le sujet ! Mais, à mon avis, avec ce cours, on est déjà outillés pour faire plein de choses et prêts à approfondir sereinement et intelligemment ce vaste et profond sujet. Bravo !

Très bon cours, bien fait pour les débutants dans le domaine. Les exercices pratiques sont bien expliqués. Il est dommage que dans une partie du cours il manque quelques notions importantes, mais dans l'ensemble (et avec l'aide de Google sur ces points) le cours est très compréhensible : de la théorie et de la pratique !

Je crois que le cours a couvert les fondamentaux du machine learning. j'ai déjà étudié la plupart de ces modèles et algorithmes mais ça valait la peine de suivre cette formation puisque le professeur a été très instructif et expérimenté et a fait preuve d'un bon pédagogue. J'ai toujours eu beaucoup de charme pour le machine learning et ça s'amplifie encore après avoir suivi ce cours. Je ne sais pas si vous avez prévu de le développer dans d'autres cours mais je m'attendais à voir aussi l'algorithme >. Félicitation au professeur ! Félicitation à toute l'équipe !

Débutant complet en ML, mais développeur entre autre en python. J'ai beaucoup apprécié le concept d'intuition des concepts. J'ai également aimé l'explication de certains algorithmes step by step suivi d'une application concrète (ça aide beaucoup a la compréhension). Par contre certains passage se répète beaucoup trop (malgré une lecture en x1.5 certains passage semblait interminable tant les répétitions étaient nombreuses). Je regrette aussi que quelques notions soient ouvertement évincées du cours, ça donne une sentiments d'avoir des bases mais pas toutes les bases. Très joli travail ceci dit.

Le titre indique bien les limites du cours, il ne s'agit que d'une introduction qui ne permet que d'effleurer le sujet du machine Learning mais laisse entrevoir le potentiel de ces algorithmes. Les parties "construire un modèle" et "R_squared" sont à mon avis confusante par rapport au reste du cours, car ils ne sont pas du tout abordés dans les programmes pythons développés. En revanche l'approche pédagogique par programmation est agréable.