Vincent | Objectif Data Science
@ObjectifDataSci
J'aide ceux qui se forment à la #datascience, au #machinelearning, et à l'#ia. Pour cela, j'écris ici des threads, et des articles sur mon blog (très bientôt)
You might like
Hello, pour vous y retrouver plus facilement, j'ai rangé ici les Tweets qui donnent accès aux différents threads publiés. Au programme : tout plein de choses sur le #MachineLearning, la #data, la #datascience, l'#IA et la programmation #Python. Merci pour vos Like ou vos RT !
Un thread de @svpino qui décrit comment XGboost gère les valeurs manquantes A retenir : les missing values sont gérées et il n'est pas nécessaire de les remplacer par une valeur par défaut (moyenne par ex) Une vidéo qui explique dans les détails XGBoost youtu.be/iD_TL725wZs
youtube.com
YouTube
XGBOOST - l'algorithme STAR de MACHINE LEARNING décortiqué
You need to do something with missing values. Or maybe you don't. It depends on the algorithm you are using. This is crucial for any data scientist or machine learning engineer: 1 of 9
Une excellente vidéo qui montre que la profusion des data combinée avec des algos de plus en plus puissants peuvent faire un cocktail détonnant - voire effrayant J'attends vos réactions ...
Est ce possible de trouver l’identité d’inconnus dans la rue en quelques minutes à partir des donnés personnelles public qu’ils laissent traîner et de modèles d’#IA ? Dans la nouvelle vidéo YouTube, je fais cette expérience dans la rue : youtu.be/Vvqa5bxDU9Y (A partager 🙏)
youtube.com
YouTube
Je trouve l'identité d'inconnus dans la rue avec l'IA.
Everyone knows they need to replace missing values in their dataset. Most people, however, miss one critical step. Here is what you aren't doing and how you can fix it: 1 of 9
Using inplace=True violates one of my Pandas rules: do not use inplace=True Why not? 🙍 It makes it hard to chain operations 🙍 It makes it hard to read code 🙍 Most inplace operations are not "inplace" 🙍 It will probably be deprecated
I'm sure you've used data augmentation before. Most people think of data augmentation as a technique to improve their model during training. This is true, but they are missing something. Here's a brilliant approach to improve the predictions of your model: 1 of 9
Hello, bonne semaine à tous ! Vous êtes en vacances ou encore au travail ?
Ce type d'avancée est EXTRA-ORDINAIRE ! La tech qui rapproche les humains, quelque soit leur langue Le champ des possibles grâce à l'IA s'agrandit encore ...
"No Language Left Behind." An open-source language translation system from FAIR capable of translating 200 languages between each other. 50 billion parameters. The code and models are made available today as part of the Fairseq package. Github: github.com/facebookresear… 1/n
How does @Netflix uses #MachineLearning in their products and services 🤖 ? Netflix uses machine learning algorithms to predict the viewer patterns and understand when there will be general increases and decreases in viewers of spikes in viewing a certain movie or show.
Un de mes algorithmes préférés en #NLP car il est aussi simple qu'il est puissant Et nous ne serions pas où nous en sommes maintenant en NLP sans ces algos transformant intelligemment les mots en vecteurs Bonne lecture ! Et n'hésitez pas à partager/liker. Ca encourage !
1. Aujourd'hui on va revoir nos grands classiques en #MachineLearning dans le domaine du #NLP Nous allons revoir dans le détail comment transformer des mots en vecteurs, grâce à l'algorithme #word2vec #skipGram Ready? 🔽🔽 Thread
Good point! Cette erreur, on l'a tous faite Et elle peut avoir des conséquences désastreuses en production ! Donc : - d'abord on split les données - et ensuite on fait les transformations des features, pour éviter de polluer le training avec le test set !
Here is what Machine Learning tutorials told you to do: 1. Start by transforming your dataset 2. Then split it (train, validation, and test sets) 3. Finally, build your model Please, unlearn this process. There's a problem with it: 1 of 11
Here is what Machine Learning tutorials told you to do: 1. Start by transforming your dataset 2. Then split it (train, validation, and test sets) 3. Finally, build your model Please, unlearn this process. There's a problem with it: 1 of 11
Même si le niveau en math. baisse globalement en France (cf les différents rapports PISA), Il y a toujours une école de l'excellence math. française qui produit de belles pépites Immense BRAVO à lui et à toute l'équipe de recherche autour de lui et gardons espoir
La médaille Fields pour Hugo Duminil-Copin, « percolateur » universel ift.tt/VeudaF9
United States Trends
- 1. LINGORM HER AND HERS FANCON 142K posts
- 2. #BUNCHITA 1,454 posts
- 3. Frankenstein 81.2K posts
- 4. Tulane 4,428 posts
- 5. #SmackDown 47.2K posts
- 6. Giulia 15.3K posts
- 7. taylor york 8,607 posts
- 8. Supreme Court 183K posts
- 9. Aaron Gordon 4,714 posts
- 10. #TheLastDriveIn 4,008 posts
- 11. #River 4,690 posts
- 12. Russ 14.2K posts
- 13. #TheFutureIsTeal N/A
- 14. Justice Jackson 5,955 posts
- 15. Connor Bedard 3,145 posts
- 16. Gozyuger 2,022 posts
- 17. Pluribus 31.2K posts
- 18. Tatis 2,187 posts
- 19. Brown Jackson 5,552 posts
- 20. Scott Frost N/A
You might like
-
1jour1actu
@1jour1actu -
O'clock
@Oclock_io -
Brownques Marlee
@Brownques -
Dario Spagnolo
@dariospagnolo -
Chrysoula Zacharopoulou 🇪🇺🇫🇷
@CZacharopoulou -
Red Hat France
@RedHatFrance -
Digital Realty
@digitalrealty -
Equinix, Inc.
@Equinix -
Kardesh
@guvton93i -
Marion Solletty
@MSolletty -
Patrick DUHAUT - ONI
@oni_sas -
Open Source Experience
@OSXP_Paris -
Audrey Tips
@audreytipsfr -
Mohit Aron
@mohitaron
Something went wrong.
Something went wrong.