Autoencodeur avec PyTorch Python

>> YOUR LINK HERE: ___ http://youtube.com/watch?v=70HFz9ooiI0

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

#############################

New on site