Framwork vs library

Framwork plus large que library

EDA

Improver le model ou impacter de manier negative

Google Colab 
Les eude statique se forme de ficher cvs

Import panda as pd//panda library

Import numpy as np

Import tensorflow as tf

Load dataset

Import panda as pd

Dftrain=pd.read_cvs(“ficher.cvs”)//read th file

Deftrain//printf the file and now the row and ligne

//survive the personne on tetanic=object the model for example

Train=dftrain.pop(“survived//nom de colon que je veut afficher”)

Dftrain.head(1)//voir le premier ligne de tableau

Dftrain.tail()//voir le dernier ligne de tableau

Dftrain.describe()// donner des information comme premier cartile 25% deuxieme cartile 50% troiseme
75% si mean 9riba 50% katkon chi interpretation

Dftrain.shape()//le nb de colon et ligne

Dftrain.age.hist(bins=20)//Combine des personne avoir l’age 22

Dftrain.age.unique()//les age different

(Dftrain[“age”]=20)==sum()//la nb des gens que ont 20

Deftrain.sex.value_counts().plot(kind=”barh”)//nb des femme et des homme

Dftrain[“age” ] .value_counts().plot(kind=’barh’)

Pd.concat()
([dftrain ,train],axis=1).groupby(‘sex’).survived.mean().plot(kind=’barh’).set_xlabel(‘%survive’)//number
of survive by sex

//drop the colum that have a relation between why?the model became more efficient

Usin cor()\

Dftrain.isnull.sum()//calculer les colum null si on trouve que la maouriter est null on fait drop null

Dftrain[“age”].fillna.(dftrain[“age”].mean(),implace=true//stocker dans le memoir )//changer la Valeur

null au Valeur mean

Train and evaluer

Import python _spiter

Python_ spiter.split_from_folder(“data”,train=0,9,test=0,1)

Neural networks
Type de l’intellegence artificielle

Machin learning type

Linear regression
Relation entre deux ou plusieur variables

A good regression model

Accuracy score les resultat prets de reality

Category data (femme et homme)and numercal data

Dftrain[“sex”].unique()//les unique Valeur de colone sex en a deux class F,H

Category data (femme et homme)and numercal data on va diviser deux type

Category_data=[“sex”,”ville”]

Numer_data=[‘”age”]

Training process

Input function
https://www.tensorflow.org/api_docs/python/tf/keras/Input

creation d’un model

lnear_est=tf.estimator.linearclassifer(feauter_coloms= feauter_coloms)

training the model:

Prediction:

Probabilite de survive

Classification dog vs cat

using CNN
Max poling:
Flatting

Image se forme de matrice devein se form de