Auto-encodeur avec PyTorch / Python
Deep Learning - Machine learning. Définition, paramétrage, instanciation et entraînement des auto-encodeurs (autoencoders) avec PyTorch (Python). Retour rapide sur les auto-encodeurs, le principe de l'embedding, une représentation intermédiaire et une réduction de dimension qui a pour objectif de capter l'essence des informations portées par les données. Projection des individus dans l'espace intermédiaire. Reconstitution des données initiales. Fonction de coût, algorithme d'optimisation. Quelques applications : traitement des variables et des individus supplémentaires ; utilisation d'un auto-encodeur pour identifier les atypismes dans les données.
Site de cours : https://cours-machine-learning.blogsp...
Accès au notebook et données : http://tutoriels-data-science.blogspo...
00:00 Auto-encodeurs
03:02 Accès aux notebooks, données et fichier de configuration
07:20 Données "automobiles" (var. et ind. actifs, données illustratives)
09:44 Démarrage du notebook - Versions des outils
10:42 Chargement et préparation des données actives
14:56 Structure du réseau avec PyTorch - Classe héritière de torch.nn.module
21:58 Paramétrage et instanciation
22:44 Valeur initiale de la perte (avec les coefs. définis aléatoirement)
24:42 Entraînement du réseau sur les données d'apprentissage
27:11 Evolution de la perte au fil des epochs
28:06 Coefficients et intercepts du réseau
29:35 Représentation des individus dans l'espace intermédiaire
32:01 Reconstitution des données
33:27 Données originelles vs. reconstituées - Identification des valeurs atypiques
41:15 Utilisation des variables illustratives catégorielles et numériques
43:42 Traitement des individus supplémentaires
Auf dieser Seite können Sie das Online-Video Auto-encodeur avec PyTorch / Python mit der Dauer stunde minuten sekunde in guter Qualität ansehen, das der Benutzer MASTER 2 SISE DATA SCIENCE 09 Oktober 2024 hochgeladen hat, den Link mit Freunden und Bekannten teilen, dieses Video wurde auf Youtube bereits 1,047 Mal angesehen und es wurde von like den Zuschauern gefallen. Viel Spaß beim Betrachtenden Zuschauern gefallen!
