Player FM - Internet Radio Done Right
Checked 1+ y ago
जोड़े गए one साल पहले
UR4NVS द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री UR4NVS या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal।
Player FM - पॉडकास्ट ऐप
Player FM ऐप के साथ ऑफ़लाइन जाएं!
Player FM ऐप के साथ ऑफ़लाइन जाएं!
पॉडकास्ट सुनने लायक
प्रायोजित
L
Lipstick on the Rim


1 Amy Schumer & Brianne Howey on the Importance of Female Friendships, Navigating Hollywood's Double Standards, Sharing Their Birth Stories, and MORE 50:05
50:05
बाद में चलाएं
बाद में चलाएं
सूचियाँ
पसंद
पसंद50:05
This week, in what might be the funniest episode yet, Molly and Emese are joined by co-stars Amy Schumer and Brianne Howey. They get candid about motherhood, career evolution, and their new film, Kinda Pregnant —which unexpectedly led to Amy’s latest health discovery. Amy opens up about how public criticism led her to uncover her Cushing syndrome diagnosis, what it’s like to navigate comedy and Hollywood as a mom, and the importance of sharing birth stories without shame. Brianne shares how becoming a mother has shifted her perspective on work, how Ginny & Georgia ’s Georgia Miller compares to real-life parenting, and the power of female friendships in the industry. We also go behind the scenes of their new Netflix film, Kinda Pregnant —how Molly first got the script, why Amy and Brianne were drawn to the project, and what it means for women today. Plus, they reflect on their early career struggles, the moment they knew they “made it,” and how motherhood has reshaped their ambitions. From career highs to personal challenges, this episode is raw, funny, and packed with insights. Mentioned in the Episode: Kinda Pregnant Ginny & Georgia Meerkat 30 Rock Last Comic Standing Charlie Sheen Roast Inside Amy Schumer Amy Schumer on the Howard Stern Show Trainwreck Life & Beth Expecting Amy 45RPM Clothing Brand A Sony Music Entertainment production. Find more great podcasts from Sony Music Entertainment at sonymusic.com/podcasts and follow us at @sonypodcasts To bring your brand to life in this podcast, email podcastadsales@sonymusic.com Learn more about your ad choices. Visit podcastchoices.com/adchoices…
La Data Science Expliquée
सभी (नहीं) चलाए गए चिह्नित करें ...
Manage series 3513226
UR4NVS द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री UR4NVS या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal।
La Data science Expliquée est une série de podcasts animée par UR4NVS qui a pour but de vulgariser la science des données et de la rendre accessible. Cette série de podcasts permettra également de réfléchir sur divers sujets concernant la science des données, notamment sur des aspects d'éthique ou de vie privée.
…
continue reading
12 एपिसोडस
सभी (नहीं) चलाए गए चिह्नित करें ...
Manage series 3513226
UR4NVS द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री UR4NVS या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal।
La Data science Expliquée est une série de podcasts animée par UR4NVS qui a pour but de vulgariser la science des données et de la rendre accessible. Cette série de podcasts permettra également de réfléchir sur divers sujets concernant la science des données, notamment sur des aspects d'éthique ou de vie privée.
…
continue reading
12 एपिसोडस
सभी एपिसोड
×L
La Data Science Expliquée

1 Mesurer la performance avec les métriques 7:02
7:02
बाद में चलाएं
बाद में चलाएं
सूचियाँ
पसंद
पसंद7:02
La tâche finale dans la construction d'un modèle de machine learning est l'évaluation avec les métriques telles que la précision, le rappel et la f-mesure. Des graphiques exploitant ces métriques existent et pour les amateurs de tableaux de nombres, les matrices de confusion existent également. Vous vous familiarisez aussi avec les notions de vrais positifs, faux positifs, vrais négatifs et faux négatifs dans ce podcast. Matrice de confusion : https://fr.wikipedia.org/wiki/Matrice_de_confusion Précision-rappel : https://fr.wikipedia.org/wiki/Pr%C3%A9cision_et_rappel Courbe ROC : https://fr.wikipedia.org/wiki/Courbe_ROC Représentations graphiques (scikit-learn.org) : Matrice de confusion = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-confusionmatrixdisplay Courbe Précision-rappel = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-precisionrecalldisplay Courbe ROC = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-roccurvedisplay…
L
La Data Science Expliquée

On peut très bien obtenir un bon score de notre algorithme mais est-il vraiment aussi bon dans la réalité ? La validation permet de répondre à cette question en utilisant des méthodes bien spécifiques pour les jeux d'apprentissage et de test. Différents algorithmes seront présentés ainsi que leur utilisation spécifique aux situations. Validation croisée (Wikipédia) : https://fr.wikipedia.org/wiki/Validation_crois%C3%A9e…
L
La Data Science Expliquée

1 Regarder vers l'avenir et vers le feature engineering 6:16
6:16
बाद में चलाएं
बाद में चलाएं
सूचियाँ
पसंद
पसंद6:16
Feature engineering, cette méthode permettant de traiter les jeu de données est considérer comme l'avenir des data scientist. Face à une montée croissante de l'automatisation, le feature engineering restera le domaine où l'humain fait toute la différence. Découvrez comment dans ce podcast ! Exemple de feature engineering en Python : https://scikit-learn.org/stable/auto_examples/applications/plot_cyclical_feature_engineering.html…
L
La Data Science Expliquée

Parlons aujourd'hui de XGBoost, algorithme d'arbre de décision mondialement connu et créé initialement en 2014 par Tianqi Chen. Il s'illustre par une méthode bien particulièrement pour produire autant de succès. Mais intéressons nous aussi aux arbres, forêt de décisions et aux renforcement par gradient. XGBoost (Wikipedia) : https://en.wikipedia.org/wiki/XGBoost XGBoost (site officiel) : https://xgboost.ai/…
L
La Data Science Expliquée

Après avoir produit un algorithme de machine learning, pour le mettre en production il faut pouvoir l'intégrer à des machines moins puissantes. impossible de le ré-entraîner sur celles-ci mais fort heureusement il existe des solutions. Le physicien Erwin Schrödinger se demandait : "comment peut-on expliquer à l'aide de la physique et de la chimie le événements qui se produisent dans l'espace et dans le temps dans les limites spatiales d'un organisme vivant ?" et moi je vais tenter de vous expliquer ce phénomène appliqué au machine learning : comment intégrer des algorithmes conçus sur supercalculateurs dans nos téléphones ? TensorFlow : https://www.tensorflow.org/ TensorFlow Lite : https://www.tensorflow.org/lite/ Core ML : https://developer.apple.com/documentation/coreml PMML : http://dmg.org/pmml/v4-4-1/GeneralStructure.html pickle : https://docs.python.org/3/library/pickle.html…
L
La Data Science Expliquée

1 FaceID : une fonction au goût de révolution 3:50
3:50
बाद में चलाएं
बाद में चलाएं
सूचियाँ
पसंद
पसंद3:50
Comment fonctionne la technologie FaceID d'Apple ? A travers un décryptage du fonctionnement issu de brevets, j'essaie de répondre à cette question par mes compétences afin de vous donner un regard technique sur cette technologie, que j'estime révolutionnaire. Brevet de FaceID : https://patents.google.com/patent/US8384997B2/en?oq=US8384997 Apple sur la confidentialité de FaceID : https://support.apple.com/fr-fr/HT208108…
L
La Data Science Expliquée

Clustering fait référence aux mot que vous connaissez bien tous maintenant : cluster. Aujourd'hui partez à la découverte du clustering, une méthode très utile en science des données. J'évoquerai ses différentes formes et pourquoi il est utile de faire du clustering. K-moyennes : https://fr.wikipedia.org/wiki/K-moyennes DBSCAN : https://fr.wikipedia.org/wiki/DBSCAN Scikit-learn : https://scikit-learn.org/stable/ Scipy : https://scipy.org/…
L
La Data Science Expliquée

1 Algorithmes révélateurs de notre société 4:43
4:43
बाद में चलाएं
बाद में चलाएं
सूचियाँ
पसंद
पसंद4:43
On entend de plus en plus parler des algorithmes sexistes ou racistes. Mais est-il bon de pointer du doigt les algorithmes ou faut-il savoir introspecter la société pour trouver la vérité ? Réponse dans ce podcast ! Enquête ISM Corum : https://dares.travail-emploi.gouv.fr/publications/discrimination-a-l-embauche-selon-l-origine-que-nous-apprend-le-testing-aupres…
L
La Data Science Expliquée

Les machines progressent et arrivent à égaler des humains dans certains domaines. Quelles en sont les conséquences ? Que pouvons nous faire ? Je vais prendre l'exemple d'un algorithme développé par Google qui permet d'égaler et même surpasser leurs ingénieurs. J'y développerai aussi une réflexion sur la place qu'auront les machines dans le futur ainsi que sur l'éthique de cette politique. Lien vers l'article de Nature (paywall) : https://www.nature.com/articles/d41586-021-01515-9…
L
La Data Science Expliquée

Twitter a pris la décision récemment de rendre ses algorithmes plus éthiques. Pourquoi il est important d'avoir cette vision dès aujourd'hui ? Et quelles sont les conséquences si on n'agit pas avec éthiques concernant les algorithmes ? J'en discute et y réponds dans ce troisième podcast de la Data Science Expliquée Billet de blog de Twitter : https://blog.twitter.com/en_us/topics/company/2021/introducing-responsible-machine-learning-initiative…
L
La Data Science Expliquée

Le mot Intelligence Artificielle est partout et utilisé à outrance. Dans ce court podcast, je vous explique en quoi le mot "Intelligence Artificielle" est erroné ainsi que mes réflexions concernant un nouveau terme, plus juste, pour remplacer "Intelligence Artificielle".
L
La Data Science Expliquée

J'aborde dans ce premier épisode le Machine Learning, partie intégrante de la science des données. Vous aurez une vision de la création d'un modèle de Machine Learning ainsi qu'un peu d'histoire.
प्लेयर एफएम में आपका स्वागत है!
प्लेयर एफएम वेब को स्कैन कर रहा है उच्च गुणवत्ता वाले पॉडकास्ट आप के आनंद लेंने के लिए अभी। यह सबसे अच्छा पॉडकास्ट एप्प है और यह Android, iPhone और वेब पर काम करता है। उपकरणों में सदस्यता को सिंक करने के लिए साइनअप करें।