handson ml

Cahiers d'apprentissage automatique

LA TROISIÈME ÉDITION DE MON LIVRE EST MAINTENANT DISPONIBLE.

Ce projet concerne la première édition, qui est désormais obsolète.

Ce projet vise à vous enseigner les fondamentaux du Machine Learning en python. Il contient l'exemple de code et les solutions aux exercices de mon livre O'Reilly Hands-on Machine Learning with Scikit-Learn and TensorFlow :

Démarrage rapide

Vous voulez jouer avec ces ordinateurs portables en ligne sans rien installer ?

Utilisez l’un des services suivants.

AVERTISSEMENT : sachez que ces services fournissent des environnements temporaires : tout ce que vous faites sera supprimé après un certain temps, alors assurez-vous de télécharger toutes les données qui vous intéressent.

• Recommandé : ouvrez ce dépôt dans Colaboratory :

• Ou ouvrez-le dans Binder :

  • Remarque : La plupart du temps, Binder démarre rapidement et fonctionne très bien, mais lorsque Handson-ml est mis à jour, Binder crée un nouvel environnement à partir de zéro, ce qui peut prendre un certain temps.

• Ou ouvrez-le dans Deepnote :

Vous souhaitez simplement consulter rapidement certains notebooks, sans exécuter de code ?

Parcourez ce référentiel à l'aide de la visionneuse de notebook de jupyter.org :

Remarque : le visualiseur de notebook de github.com fonctionne également mais il est plus lent et les équations mathématiques ne s'affichent pas toujours correctement.

Vous souhaitez exécuter ce projet en utilisant une image Docker ?

Lisez les instructions de Docker.

Vous souhaitez installer ce projet sur votre propre machine ?

Commencez par installer Anaconda (ou Miniconda), git, et si vous disposez d'un GPU compatible TensorFlow, installez le pilote GPU, ainsi que la version appropriée de CUDA et cuDNN (voir la documentation de TensorFlow pour plus de détails).

Ensuite, clonez ce projet en ouvrant un terminal et en tapant les commandes suivantes (ne tapez pas les premiers signes $ sur chaque ligne, ils indiquent simplement qu'il s'agit de commandes de terminal) :

 $ git clone https://github.com/ageron/handson-ml.git
$ cd handson-ml

Ensuite, exécutez les commandes suivantes :

 $ conda env create -f environment.yml
$ conda activate tf1
$ python -m ipykernel install --user --name=python3

Enfin, démarrez Jupyter :

 $ jupyter notebook

Si vous avez besoin d'instructions supplémentaires, lisez les instructions d'installation détaillées.

FAQ

Quelle version de Python dois-je utiliser ?

Je recommande Python 3.7. Si vous suivez les instructions d'installation ci-dessus, c'est la version que vous obtiendrez. La plupart du code fonctionnera avec d'autres versions de Python 3, mais certaines bibliothèques ne prennent pas encore en charge Python 3.8 ou 3.9, c'est pourquoi je recommande Python 3.7.

J'obtiens une erreur lorsque j'appelle load_housing_data()

Assurez-vous d'appeler fetch_housing_data() avant d'appeler load_housing_data() . Si vous obtenez une erreur HTTP, assurez-vous que vous exécutez exactement le même code que dans le bloc-notes (copiez-le/collez si nécessaire). Si le problème persiste, veuillez vérifier votre configuration réseau.

Je reçois une erreur SSL sur MacOSX

Vous devrez probablement installer les certificats SSL (voir cette question StackOverflow). Si vous avez téléchargé Python depuis le site officiel, exécutez /Applications/Python 3.7/Install Certificates.command dans un terminal (remplacez 3.7 par la version que vous avez installée). Si vous avez installé Python à l'aide de MacPorts, exécutez sudo port install curl-ca-bundle dans un terminal.

J'ai installé ce projet localement. Comment puis-je le mettre à jour vers la dernière version ?

Voir INSTALL.md

Comment mettre à jour mes bibliothèques Python vers les dernières versions lorsque j'utilise Anaconda ?

Voir INSTALL.md

Contributeurs

Je tiens à remercier tous ceux qui ont contribué à ce projet, que ce soit en fournissant des commentaires utiles, en signalant des problèmes ou en soumettant des Pull Requests. Des remerciements particuliers vont à Haesun Park et Ian Beauregard qui ont examiné chaque cahier et soumis de nombreux PR, y compris de l'aide sur certaines des solutions d'exercices. Merci également à Steven Bunkley et Ziembla qui ont créé le répertoire docker , et à l'utilisateur de github SuperYorio qui a aidé sur certaines solutions d'exercices.