Découvrir Kaggle avec le projet Titanic
Session du 12 octobre 2023 à 20h00
Data Science & IA
Veille & Discussions
Deviens membre Premium
Cette session de mentorat est réservée aux membres Premium. Rejoignez-nous pour accéder à toutes les rediffusions des sessions de mentorat !
Premium
- +100h de formations
- +180 exercices de code
- +100h de mentorats en rediffusion
- 20 projets
- Mentorats groupés hebdomadaires
- Support individuel avec nos mentors
Découvrir Kaggle avec le projet Titanic
Introduction pratique à Kaggle à travers le célèbre dataset Titanic, avec exploration des données et discussion autour des modèles de machine learning.
00:00:00 :Ok, on va peut-être bien commencer, attendez, je crée juste le dossier pour...Je vais partager mon écran et puis on va commencer.Du coup, merci à Gabriel d'avoir passé le message, j'étais un peu pris dans un meeting,du coup j'ai pas... Gabriel m'a envoyé un message, du coup j'ai répondu.
00:02:13 :Du coup, je sais pas si vous l'avez dit, un petit peu freestyle ce soir, j'ai pas eu le temps de préparer un truc,un support avant, du coup on va faire en live, donc sûrement qu'il y aura des bugs, on va se planter, etc.
00:02:31 :Mais au moins comme ça on verra un peu comment on explore.Puis moi maintenant, comme beaucoup de gens, quand j'ai un truc, quand je veux une réponse rapidement et tout ça,j'utilise TchaiGPT, donc peut-être qu'on le fera en live, comme ça vous verrez un peu comment moi j'utilise,je pense que je l'utilise pas d'une manière exceptionnelle, mais comme ça vous pourrez le faire aussi.
00:02:54 :Ouais, c'est ça dans la vraie vie, quand c'est le bordel, en plus là on a qu'une heure, donc en une heure,je vous dis ce que j'aimerais faire.
00:03:06 :Je vais un peu réfléchir. Est-ce que vous connaissez les projets Kaggle ?Je vais partager mon écran.C'est des maths ou pas ?Non, pas forcément.
00:03:24 :Alors le projet Kaggle en soi, c'est pour faire des concours en ligne de machine learning.En fait c'est des compétitions où vous avez des datasets énormes et il faut entraîner des modèles de machine learning,donc des random forests, des régressions linéaires à plusieurs variables, bref c'est vraiment très complet.
00:04:02 :Et en fait les projets Kaggle c'est très connu dans le monde de la data, parce qu'en fait vous avez un datasetet puis vous avez un objectif, c'est-à-dire qu'est-ce qu'on fait avec un random forest par exemple,donc c'est des arbres de décision, on peut prédire des événements en fonction des variables.
00:04:23 :Donc là en l'occurrence, ne vous inquiétez pas, on ne va pas faire du machine learning là ce soir,mais on pourrait le faire.En gros, comme je vous l'ai dit, le projet Kaggle en soi, c'est vraiment un site internet qui propose des concours de machine learningoù il faut construire des modèles et il faut avoir le meilleur score possible de prédiction.
00:04:45 :Et si vous vous intéressez un peu à la data, etc., vous ne pouvez pas passer à côté de Kaggle.Et si vous passez des entretiens de data engineering ou surtout plutôt data scientist,parce que data engineering c'est vraiment l'architecture de data, etc.,
00:05:03 :en fait il y a beaucoup de chances que les recruteurs vous demandent c'est quoi votre score sur Kaggle,parce qu'en fait au plus vous faites des concours, au plus vous allez avoir un score,et puis au plus vous allez être classé haut, vous allez avoir des bons scores.
00:05:21 :Donc là par exemple, pourquoi je vous parle de Kaggle ?Parce qu'en fait ils mettent à disposition des data sets pour s'entraîner, pour jouer un peu.
00:05:29 :Et le projet le plus connu sur Kaggle, c'est un peu lui qui a fait connaître le site,et le projet Kaggle tout hautement, c'est le projet sur le Titanic.
00:05:40 :Donc en fait comme vous le savez tous malheureusement, le Titanic a sombré et il y a eu beaucoup de gens décédés.Et en fait, avec des modèles de machine learning on peut,quand vous faites de la data il faut savoir prendre du recul par rapport à ce qu'on fait,
00:06:01 :parce que là en fait avec les modèles de machine learning on peut prévoir qui aurait pu mourir ou survivre,en fonction de beaucoup de data.
00:06:12 :Voilà, c'est un peu morbide, mais il faut essayer de décorréler au maximum.On n'est pas en train de jouer avec la mort ou la vie des personnes,c'est juste que ça permet d'entraîner des modèles de machine learning.
00:06:23 :Et voilà, malheureusement c'est le genre de truc que les assurances par exemple font.En fait les assurances elles ont des data sur beaucoup de personnes,et en fonction de le score qu'ils vont dire sur une personne,en fonction de plein de data et de modèles entraînés,ils vont dire que cette personne là on va l'assurer à tel taux,
00:06:42 :parce qu'elle a plus de chances de mourir plus rapidement qu'une autre personne.Enfin bref, là on s'écarte un peu.Mais en gros le projet Kaggle, allez le voir c'est gratuit,il met à disposition beaucoup de données.
00:06:55 :Et donc là nous on va utiliser le projet du Titanic.Donc en fait j'ai téléchargé le dataset,et donc vous voyez que dans le dataset vous avez en gros beaucoup de data.
00:07:12 :Donc là je vous présente juste un peu la data,après je vais vous dire quel est mon but pour cette session un peu freestyle.Donc en fait vous avez, est-ce qu'il a survécu ou non le passager,donc sur Vibe c'est 0 ou 1.
00:07:25 :Vous avez sa classe, donc 3, 1, 2.Vous avez son nom, le sexe, l'âge, et après plein de trucs.Bon tout ça on ne va pas s'en servir,parce que je ne pense pas qu'on fera du modèle de prédiction aujourd'hui,mais moi je vais juste me servir du dataset.
00:07:41 :Donc ce que j'aimerais faire, et puis vous me dites ce que vous en pensez,parce que c'est un peu une session freestyle,donc je mets en place un peu le programme.
00:07:49 :C'est qu'à partir du dataset,on fait premièrement ce que ferait un data scientist,c'est-à-dire la data exploration.Donc en gros on va regarder un peu,voilà typiquement sur Vibe,en gros si vous étiez un passager de classe 3,donc si vous avez vu le film Titanic,la troisième classe c'était des gens malheureusement les plus pauvres,
00:08:10 :c'est eux qui embarquaient internés dans les bateaux de secours.Donc typiquement si vous êtes en classe 3,il y a beaucoup de chances pour quele taux de survie des passagers de classe 3 soit faible,c'est-à-dire qu'on va souvent rencontrer un zéro,c'est-à-dire n'a pas survécu quand le passager est de classe 3.
00:08:35 :Donc on va essayer de représenter un peu graphiquement tout ça,donc faire des corrélations, etc.On ne va pas trop rentrer dans le détail des maths,je sais que parfois il y en a qui,vous n'êtes pas forcément là pour ça.
00:08:46 :Juste un peu pour vous montrer ce qu'on ferait en termes de Data Exploration,pour s'amuser un peu,et après comme on avait vu la dernière fois,ce que je vous propose,c'est qu'on mette en place un dashboard,donc avec Streamlit, vous me connaissez,un dashboard, une base de données
00:09:06 :dans laquelle on va aller balancer tout ça,et tout ça avec Docker et Docker Compose.Donc comme ça, ça fera un truc un petit peu plus simpleen termes d'architecture que ce qu'on a vu la dernière fois.
00:09:21 :On ne va pas mettre de PHP, MyAdmin, etc.Ou si, peut-être, on va en avoir besoin pour faire un upload des datas.Mais voilà, c'est un peu le programme que je vous propose.
00:09:31 :On avance un petit peu comme ça, puis on voit ce qui se passe.Dites-moi ce que vous en pensez, si ça vous intéresse.Ça se trouve, on va passer notre temps à faire de la Data Explorationparce que ça nous intéresse.
00:09:43 :C'est un peu l'idée.OK.Alors, par où commencer ?Ce que je vous dis,si vous avez des idées ou si vous voulez voir des trucs en particulier,vous me dites, parce que là, je n'ai vraiment pas prévu,donc on avance à vue.
00:10:11 :Donc, Data Exploration.py.Donc, comme d'habitude, qu'est-ce qu'on fait ?On crée notre environnement virtuel.Ça va pour tout le monde, ça ? Environnement virtuel.On installe Panda, Clotilde, pour faire les graphes,et pour l'instant, ce sera tout.
00:10:47 :OK, donc ça c'est bon.Ah oui, j'installe aussi Hippiton.J'aime bien faire ça.Comme je vous l'ai déjà dit, quand vous installez Hippiton,pensez à quitter et réallumer VS Code,parce que sinon, on va avoir des surprises.
00:11:24 :Où est-ce que j'ai créé ce truc-là ?OK.Vraiment, je vous invite à aller voir Kaggle,c'est quand même très intéressant,et puis vous pouvez récupérer pas mal de data pour vous entraîner,tout ça, c'est cool.
00:11:56 :Donc, on va relancer avec l'environnement virtuel.Je n'ai pas installé Panda.Est-ce que j'ai installé ?Et non, je ne l'ai pas installé.OK.Donc, on avance.
00:12:19 :Voilà.Maintenant, ce que je fais souvent, c'est que j'importe mes data avec Panda,donc importePanda.aspd.Là, j'importe la librairie.Pourquoi il me dit ça ?
00:12:34 :Je vais aller recréditer un petit peu ce que j'ai mis sur le tcham.Je vais aller recréditer un petit peu ce que j'ai mis sur le tcham.
00:12:49 :OK.Pourquoi il me dit ça ?Donc là, on va lancer, voir ce que ça donne déjà.OK.Donc là, on a notre DataFrame.Premièrement, ce que je fais quand j'ai un DataFrame,j'aime bien voir s'il manque beaucoup de data.
00:13:30 :Donc, si vous faites df.isna,en fait, ça crée un espèce de masqueoù il vous dit là où est-ce que vous avez une missing data.
00:13:42 :Donc là, par exemple, si je fais ça et que je mets head,pour afficher que les cinq premières lignes,et que je fais df.head,en fait, vous voyez que, comme je dis, ça crée un masque.
00:13:54 :Donc là, false, ça veut dire que sur cette première,donc ça, c'est mon DataFrame en bas,il n'y a pas de missing data.Elle n'est pas missing data.
00:14:02 :Par contre, si j'arrive là, dans cette ligne-là,vous voyez qu'ici, j'ai un true.Donc là, il me dit, non, en fait, là, tu as un missing data.
00:14:09 :Ça ne va pas.OK.Donc, en fait, un masque, ça crée comme une carte,comme si vous aviez une bataille navale.Et le isna, en fait, ici,il vous sort les coordonnées de là où vous avez une bataille navale.
00:14:29 :Donc, ce serait un navire.Donc là, un true.Il vous sort là où est-ce que vous avez un missing data.Et donc, si vous faites df entre crochets,normalement, ça devrait marcher df.isna.
00:14:39 :En fait, qu'est-ce qu'il me dit ?Non, ça, ça ne fonctionne pas comme ça.J'ai dit une bêtise.On peut faire df.Ouais.Si vous voulez savoir combien vous avez de missing value par colonne,vous pouvez dire isna.
00:14:59 :Et on peut dire, si on fait .sum,en fait, il va compter le nombre.Vous voyez, il fait automatiquement de missing value par colonne.Parce qu'en fait, si je fais ici df.columns,
00:15:16 :j'ai tous les noms de mes colonnes.Donc là, vous voyez, par exemple, sur l'âge,en fait, j'ai 177 passagers qui n'ont pas renseigné leur âge.
00:15:24 :Donc, j'ai un isna.Pareil, j'ai 687 lignespour lesquelles je n'ai pas le renseignement sur la cabine.Et voilà.Donc, ce que je fais souvent,c'est qu'en fait, je fais un drop aîné.
00:15:34 :Comme ça, je n'ai pas de problème de data.Donc, drop aîné.Attendez, je vérifie.J'ai mis une limite sur mon df.191.Ah, il m'en jette beaucoup quand même.
00:15:50 :Ce qu'on va dire,c'est que nous, on ne va pas tout prendre.Columns.On va juste garder survive.Ouais.Vas-y, Gabriel.Je n'ai pas compris.
00:16:04 :Le drop aîné que tu as fait tout à l'heure,ça a effacé la valeur.Non, tu n'avais pas de valeur, non.Ça a fait quoi exactement ?
00:16:12 :En fait, drop en anglais, ça veut dire jeter.Donc, quand tu dis drop aîné,ça veut dire qu'il va te virer toutes les lignessur lesquelles il rencontre un seul aîné.
00:16:21 :Donc, si par exemple,par exemple, je fais df.Le problème, c'est que tu perds d'autres valeurs.Tu peux perdre des valeurs.Oui, tu perds d'autres valeurs.
00:16:31 :Par exemple, si je fais un drop aîné,il va me virer la première ligneparce qu'il rencontre un aînéjuste dans la colonne cabine.Ok, d'accord.
00:16:40 :Après, ce que tu peux dire,c'est que tu peux dire df.drop aînéet tu peux mettre un subset.Et en fait, tu dis,tu me drops que quand tu vois un aîné dans la cabine.
00:16:52 :Et donc là, en fait, il va t'en dropper.Tu vois, j'ai plus que 204 lignes.Tout à l'heure, quand je n'avais pas mis le subset,il ne me reste que 183.
00:17:03 :Donc, en fait, il me drop moins de valeurs quand même.Donc ici, moi, ce que je disais,c'est qu'on ne va pas garder toutes les colonnes.
00:17:12 :Ça ne nous intéresse pas toutes les colonnes.Donc, nous, on va garder survive.On va dire df.Donc, si vous faites comme ça,df égale df.
00:17:24 :En fait, vous faites un espèce de subset.Donc, vous dites, moi, je veux juste survive.On veut, ce qui va être intéressant,ça va être la classe, le sexe, l'âge.
00:17:38 :Et voilà, moi, je ne veux pas prendre tout ça.Voilà, je ne veux pas prendre tout ça.Donc là, on fait une restriction de notre data frame.
00:17:46 :En fait, on va juste conserver ce qui nous intéresse.Donc, si je relance, je fais df.Donc là, vous voyez, je n'ai plus que 4 colonnes.
00:17:55 :Est-ce qu'il a survécu ?Quelle classe il était ?Si c'était un homme ou une femme ?Et quel âge il avait ?Donc là, on va dropper tout ce qui est,dès qu'on n'a pas d'âge,pas d'âge renseigné,on ne va pas dropper.
00:18:12 :En fait, on peut remplir,comme si on faisait une prédiction sur l'âge.Donc, on a une fonction qui s'appelle df.pileAiné.Et donc là, on va dire,utiliser là-dessus.
00:18:31 :On ne peut pas mettre zéro.Je vais lui demander,je vais demander à chat.gpt, là, par exemple.En fait, moi, ce que je voudrais,c'est qu'au lieu de me remplacer les NA dans les âgespar n'importe quelle valeur,on aimerait bien mettre, je ne sais pas,la moyenne des âges de toute la population.
00:18:57 :Donc, panda, data frame,comment remplir les NA d'un data frameavec la moyenne de la colonne correspondante.OK, donc fileAiné.Donc, en fait, il suffit de mettre,on va mettre sa moyenne.
00:19:30 :On va mettre sa moyenne.OK, vous comprenez ce que je veux faire ou pas ?Dites-moi.En fait, si, par exemple, je sors juste l'âge.
00:19:40 :Donc, si je fais âge.Donc, en gros, ça, c'est la colonne des âges.Et si je fais âge.min,voilà, en gros, là, c'est la moyenne des âges.
00:19:56 :Et moi, ce que je veux,c'est qu'à chaque fois qu'il va rencontrer un NA,je veux qu'il me le remplace par la moyenne.Comme ça, je n'aurai pas de non-valueet voilà, il y a des chances.
00:20:06 :Après, je peux peut-être mettre la médiane,c'est peut-être plus parlant.On va remplacer l'âge par l'âge médian.Donc, en fait, l'âge médian,c'est la valeur qui sépare,c'est la valeur la plus occurrente.
00:20:18 :C'est-à-dire,si je prends n'importe quelle personne,j'ai le plus de chances de trouver qu'elle a 28 ansparce que j'ai autant de personnes au-dessus de 28que de personnes en dessous de 28.
00:20:32 :Ouais, exactement, c'est ça une médiane.En gros, vous avez beaucoup de valeurs.Et sinon, je pourrais même prendre le mode.Je vais prendre le mode, c'est mieux.
00:20:41 :Le mode, c'est 24.En fait, le mode, c'est la valeur la plus occurrente.C'est-à-dire, donc là, il me dit 24.En fait, c'est là où j'ai le plus d'occurrences.
00:20:55 :J'ai le plus de personnes dans ma population qui a 24 ans.Donc, moi, je vais prendre ça.Values.Un peu fastidieux, mais c'est comme ça.
00:21:09 :Et donc, on va dire,âge, fil aîné.Et donc, lui, il m'a dit qu'il fallait mettreune place true moyenne, fil moyenne.Donc là, on va mettre df.âge.
00:21:30 :On a vu le mode.Et je vais le mettre comme ça.Ici, je mets une place égale true.Parce qu'en fait, ça veut dire que je veux remplacer,si je ne mets pas une place égale true,il va juste me renvoyer un dataframe transformé.
00:21:56 :Mais moi, je veux qu'il m'écrase mon dataframe d'origine.Donc, on va vérifier que ça fonctionne bien.Donc là, maintenant, j'ai un dataframeet je n'ai plus, normalement, de missing data dans âge.
00:22:20 :Si je vais vérifier dans âge.isAîné.OK.Et que je fais un sum pour compter le nombre de valeurs nulles.Bah, j'en ai zéro.Donc là, je suis content.
00:22:38 :Et puis, on va même regarder s'il m'en reste encore.isAîné.sum.Voilà. Donc, je n'ai aucune valeur manquante.Donc là, on est déjà content.On est un peu mieux.
00:22:50 :Voilà.Dites-moi dans les commentairessi ça vous intéresse ce que je fais làou si c'est trop...si vous n'aimez pas ce genre de manipulationet que vous voulez voir autre chose.
00:23:01 :Comme ça, j'adapte en fonction de ce que vous dites.Là, tu vois, je n'ai pas...Franchement, en trois lignes de code, c'est pas...On a fait pas mal, déjà.
00:23:24 :Voilà.Du coup, je continue à faire ça.Gabriel, je trouve ça cool.Maintenant, qu'est-ce qu'on pourrait faire ?Ouais, Gabriel, je t'écoute.Parce que là, tu sais, le projet Kaggle,par exemple, Fortanix,avec Excel, il serait impossible à réaliser ou pas ?
00:23:47 :Par exemple.Là, ce que je suis en train de faire,on pourrait le faire avec Excel.Il n'y a pas de souci.Par contre, on ne va pas le faire de ce sort,mais ce que demandent...
00:24:01 :Ouais, tu ne peux pas faire des modèlesde machine learning avec Excel.Enfin, par ma connaissance, en tout cas.Parce qu'en gros, après, ce qu'on peut faire,c'est des arbres de décision, etc.
00:24:13 :Ce ne sont pas des trucs que tu peux faire avec Excel.Donc, qu'est-ce qu'on a maintenant ?Attendez, j'ai réfléchi un peu à ce qu'on peut faire.
00:24:22 :On a ce data frame-là.Imaginons qu'on veuillel'âge maximumpar sexe, c'est-à-dire quel est l'âge...On va faire quelques petites statistiquessi ça vous intéresse.
00:24:45 :Donc, ce qu'on peut dire,et avec ça, je vais vous montrer comment on peut faire.bf.groupbyDonc, on peut grouper par sexe.En fait, groupby, ça renvoie juste une fonction.
00:25:02 :Un groupby, c'est un peu comme dans Excelquand vous faites des tableaux croisés dynamiques.Vous savez, quand vous groupez par...Donc là, si je fais groupby,je vais rassembler mon data frame,je vais la rassembler par sexe, et après,il faut appliquer quelque chose.
00:25:17 :Si je fais groupby sexe,et que surl'âge,je veux faire,je veux trouver le max,là, il me sort,pour les femmes, l'âge max trouvé,c'est 63 ans, et pour les hommes,l'âge max trouvé, c'est 80 ans.
00:25:37 :Ce qu'on peut faire, c'est qu'on peutenchaîner plusieurs trucs.Au lieu d'avoir seulement le max,par exemple, j'aurais pu dire,je veux la moyenne,on peut enchaîner avecun peu la même chose que apply, mais avecaggregate, parce qu'aggregate, en anglais,ça veut dire agrégé, donc c'estregroupé, regroupé par.
00:25:56 :Donc, on peut dire df.groupbysexe, et au lieu defaire ça, on peut direagreg, et en gros,ça marche par,il me semble que c'est un dictionnaire,et donc on va dire quesur le sexe,on veut,non, vu qu'on aon a groupé par sexe,on va dire que sur l'âge,
00:26:27 :on aimerait avoirla moyenne,on voudrait le max,et on voudraitle min, par exemple.Donc là, vous voyez qu'on aOuais, il y a,après, si vous voulez faire du Python dans Excel,il y a un module qui s'appelle Excel Wings,où vous pouvez, en gros, interfacerPython et Excel
00:26:57 :par cette manière. Donc là, vous voyez,ce qu'on a fait, c'est qu'on a pris notre data frame,on l'a regroupé par sexe,donc par femmes et hommes,et on lui a appliqué des statistiques.
00:27:07 :Donc, on a fait,là, on a l'information rapidement de,dans mon data frame,sur les femmes, en moyenne,elles ont 27 ans,l'âge max des femmes, c'est 63,et l'âge minimum, c'est 0,75.
00:27:21 :C'est un petit peu bizarre, ça.Vous me l'accorderez.Ça doit être des erreurs de,il va y avoir des erreurs,donc ça, je ne vais pas l'afficher, le minimum,c'est trop bizarre.
00:27:35 :On va le refaire.Voilà.Et puis, on peut même mettreun count.Parce qu'en fait, si je fais count,il va me compter le nombre de lignes qu'il trouve.
00:27:49 :Et donc, ça veut dire quej'ai, dans ma population,dans la population du Titanic,des bébés. Oui, c'est vrai, pardon,je suis con, ça doit être ça.
00:27:59 :Effectivement.Donc, je vais le laisser.Et on peut mettre un count. Comme ça,vous avez aussi lenombre de population parsexe. Donc là, je sais que j'ai
00:28:11 :314 femmes et 577hommes.Voilà.Donc, on commence un petit peu à comprendre un peu mieuxnotre donnée.Qu'est-ce qu'on a d'autre ?On a survive. Donc, en fait,
00:28:27 :au lieu de... On peutgrouper.Au lieu de grouper uniquement par sexe,on peut aussi grouper par...Je vais expliquer après pourquoi j'ai un values comme ça.
00:28:41 :Mais c'est propre au mode.T'en veux pas trop avec ça.C'est la fonction mode qui est un petit peucompliquée. Mais je vais te montrer
00:28:49 :après dans le data frame ce qu'on fait.Donc là, vous voyez, j'avais groupéuniquement par sexe. Mais on pourrait aussigrouper... Vous allez voirque c'est assez puissant.
00:28:59 :Ça va nous permettre, en fait, de savoirsuivant les hommes et les femmes, quels sont ceuxqui ont survécu.Voilà. Donc, en fait,ça rajoute une information en plus.
00:29:17 :C'est-à-dire que si jeregroupe mes donnéespar sexe. Donc, j'ailes femmes. Et en plus de regrouper parsexe, je regroupe par personnesqui ont survécu. Donc là, en gros,
00:29:29 :c'est que parmitoutes les femmes qui n'ont passurvécu, la moyenne d'âge étaitde 24 ans.Leur âge max était 57.Le minimum, 2. Et j'en ai eu 81.
00:29:41 :Bonne soirée, Simon. T'inquiète, pas de souci.Voilà. Donc, en gros,vous voyez que c'est quand même assez intéressant.On sait quedéjà,on sait qu'on a 81 femmesqui n'ont pas survécu.
00:29:57 :Et elles avaient en moyenne 24 anset au max 57 ans.Par contre, dansles...J'ai 233 femmesqui ont survécu. Leur âge moyenétait de 28 et au max63. Et il y a un bébé qui s'en est
00:30:13 :sorti.Et pareil pour les hommes.Et on peut... Merci, Gabriel.On peut encore allerplus loin, c'est-à-dire queje ne sais pas ce que vous en pensez,mais à mon avis, la classe dupassager,elle joue un rôle importantdans ce qu'il a survécu ou pas.
00:30:33 :Donc, on peut en plus...Qu'est-ce qu'on peut faire ?Je pense que ce qu'on... Merde.Je pense que ce qu'on pourrait faire, c'est direque sur le...
00:30:47 :Donc, la classedu passager. Vous savez, dans un bateau,il y a classe 1, classe 2, classe 3.On peut dire...On va mettrele mode...
00:31:03 :Non, ça ne marche pas comme ça....En fait, je sais ce que je vais faire. On vaen plus demettre par...C'est par sexe.
00:31:27 :Et est-ce qu'ils ont survécu ou pas,on va aussi mettre la classe.Voilà.Comme ça, on aura l'info directement.Qu'est-ce qu'il manque ?Qu'est-ce qu'il manque ici ?
00:31:43 :Non, non. Qu'est-ce qu'il...Ah oui, j'ai préféré mettre en dictionnaire.Voilà. Donc là, ça commenceà être un petit peu plus...de plus en plus parlant.
00:31:59 :Regardez ce qu'on a maintenant.C'est que...Au plusque la classe est élevée,il doit y avoir... En fait, je pense...Dans ceux qui ontsurvécu...
00:32:17 :Voilà.Forcément,si on veut voir si la classe joue un rôledans ceux qui ont survécu, il faut aller regarder uniquementceux qui ont survécu.
00:32:27 :On voit ici que pour les femmes,à priori, la classe n'a pas jouégrand-chose parce queles classes en classe 3jeunes aient 72 versus91 qui ont survécu.
00:32:39 :Typiquement, vous savez, dans le film, quand ils disentles femmes et les enfants d'abord,ce n'était pas trop en fonction de la classe. Par contre,
00:32:45 :ce qui est assez parlant,c'est que chez les hommes, vous voyez qu'il y aquand même plus...En fait, vous voyez ici que...Par contre, ce qui estobvious, c'est qu'il y abeaucoup d'hommes qui sont morts parce queen fait, ils étaient en classe 3.
00:33:01 :Vous voyez ici, dans 0,si on regarde les classes,il y en a 77, 81 qui ont survécu,mais ce qu'on voitsurtout, c'est quebeaucoup qui sont morts étaient en classe 3.
00:33:13 :Donc vous voyez, on commence un peuà voir les corrélations comme ça.On peut faire des stats assezintéressantes et rapidementrécupérer nos datas de manière intéressante.
00:33:23 :Maintenant,ce que je vous propose, c'est qu'on fasse un petit peu la même chose,mais plutôt d'un point de vue graphique,à moins que vous préfériez passerdirectement àfaire du docker containeret à déployer ça.
00:33:37 :Est-ce que ça vous intéresse de voir des graphiquesun peu de ce qu'on a vu,mais d'une autre manière, ou vous préférezpasser à faire du docker containeret du dashboard ?
00:33:47 :Moi, j'aime bien le dashboard.On va fairede toute façon,du coup, je ne vais pas passer beaucoup de tempssur faire un graph, parce quede toute façon, on aura besoin pour le dashboard.
00:34:11 :Comme ça, après, on passe à docker.En fait, docker, ça va être pourfaire communiquernos différentesapplications.Tu vas voir.Là, je vais dire importOk.
00:34:31 :Je vais aller sur dockerdirectement.Par contre, il nous fautquand même un petit dashboard, parce quesinon,notre docker, il ne va servir à rien.
00:34:47 :Donc, je vais faire ça.Et puis,je réfléchis un peucomment je vais l'organiser.En fait,ça, ça va êtreje vais créer un dossier.
00:35:01 :Je vais dire que c'est monbackend. En fait,ce que je fais en data exploration, ça va êtreun truc.Je vais le mettre en fonction quand même.
00:35:15 :Et donc, voilà.Donc ça, en gros,on va dire que c'est un peu notrebackend.Enfin, c'est un peu, maison va direce qu'on avait mis tout à l'heure.
00:36:01 :On était sur quoi?Le dernier truc qui...Ça, c'était intéressant.OK.Et on va retourner le df.Voilà. Donc là,on considère qu'on a notre backend.
00:36:39 :Je le mets là-dedans.Et ensuite, on va se faire notrefrontend, qui va être en faitnotre frontend.Donc là, on vase faire notre frontend.
00:36:53 :Donc là, on va se faire notre frontend, qui va être en faitnotre frontend. En fait, ça va être ledashboard. Donc on va faire
00:37:07 :dashboard.pydashboard.pydashboard.pyEn fait, le dataexploration, je vais le mettre directementlà-dedans.Je vais l'appelerdataprocessEn fait, c'est l'inverse.Pardon.Qu'est-ce que j'ai foutu?
00:38:09 :OK. Donc là, on a notreexploration.Et puis,si on va faire lestreamlead directement là-dessus, ça ne sert à rien.On peut s'embêter.pip installstreamleadOK.
00:38:47 :Et puis,du coup,c'est dufileuploaderuploadcsvfileet on va dire ifcsvfileis not mondata explorerVoilà. Donc là, normalement,si je lance ça directement,si je fais un runstreamleadil faut que j'aille dans le bon truc,donc dans cddashboardstreamleadrundata explorationOù est-ce qu'on est?
00:40:11 :Je vais juste le mettre là.Je le charge.OK. Donc là, j'ai chargé monQu'est-ce qui m'a sorti?Voilà. J'ai chargé mon data frameet puis il me sort mes statistiquescomme on l'a fait tout à l'heure.
00:40:41 :C'est pas très joli, mais c'est pas grave.Maintenant, ce queon va faire, le truc,c'est que, imaginez queJe réfléchis parce queje le fais en même temps. Pourquoi on
00:40:57 :aurait besoin de faire un docker?C'est un peu comme la dernière fois.Vous savez, ici, je suis dans un environnementvirtuel et moi,j'ai déjàJ'ai dû faire un pipenfin, si jamais je voulais que ça fonctionneexactement de la même manière, il faudraitque j'ai un environnement qui soit encapsulé.
00:41:19 :Donc, pour ça,je les ai dans le banc d'ici.Attendez, je réfléchis justeà la meilleure manière de le faire.On n'a même pas besoin, je pense,de le faire.
00:41:39 :On n'a même pas besoin, je pense,de le mettre à part.Donc, pour créer une image,en fait, ce que j'aimerais, moi, c'est créer une imagede mon dataframe,ici, de mon dashboard,et à chaque fois, je veux qu'il installe mon package,etc., je veux qu'il les mette à jour.
00:41:59 :Donc, moi, ce que je fais, c'est que je fais un pipfreezerequirements.txtOk.Donc là, j'ai un requirements,normalement,s'il veut bien.Là, j'ai mon requirements.
00:42:37 :Donc, en fait, ce qu'il faut, c'est que dans mon image,quand elle se lance,elle prenne le requirements.txtet puis elle installe tout ce qu'il faut.
00:42:45 :Donc, pour ça, on peut se créerun fichier comme on l'a fait la dernière fois.Il suffit juste de créer un fichier dockerfilesans extensionet, comme je vous l'ai dit la dernière fois,il faut utiliser une image de base.
00:42:57 :Donc, nous, on utiliseun fichier dockerfilesans extension.Donc, nous, on utilisePython.Et ensuite,ce qu'on fait, c'est qu'on vadirectementse créer un répertoire de travaildans notre image docker.
00:43:17 :On va copieren faitici, je vais mettre.Ce qu'il fait, c'est qu'il va copiertout ce qu'il y a dans mon dossierdans mon instance docker.
00:43:31 :Donc, il va le faire ici.Et maintenant, ce qu'on veut, c'est queil installeles requirements.txtet qu'il lanceles commandespourle Streamlit. Donc, en fait,
00:43:49 :il faut qu'il fasseStreamlitrunet le nom de l'application, ça va êtredataexploration.Donc là, normalement, c'est bon.Je peux créer mon image.
00:44:07 :Je vous avoueque je ne connais pas de tête tous lestrucs. Donc, on va demander àchat.gptcomment construireune image dockerà partirdu fichierDockerfile.
00:44:33 :Oui, oui, Codium,il te propose tout ce qu'il faut.Donc,qu'est-ce qu'il nous dit ?Ici, on peutcréer l'image.Docker buildet le nom de l'image, on va l'appelerTitanicHashboardNom de l'image, étiquetteOn va dire que c'estLatest. En fait, c'est une espèce d'étiquette.
00:45:09 :Et voilà, donc là,il build l'image. Ici, le point que je mets, c'est parce qu'en faitil suffit justequ'il crée l'image dans ledossier courant.
00:45:19 :Donc là, il créenotre image.Qu'est-ce qu'il nous ditaprès ? Ça, c'est le container pourcommencer. Vous allez voir qu'il va nous manquer quelque chose.
00:45:29 :Donc là, vous voyez,il me crée une instance Dockerun container et il fait tout ce queje lui ai demandé de faire.Il fait les installations requirementet après, normalement, il va me lancer cette commande.
00:45:59 :Alors,pourquoi il ne veut pas ?Ça doit êtreun problème.En fait, je vais partir de Ubuntu.Je vais partir de l'image Ubuntu.Ça sera peut-être un peu plus lourd.
00:46:35 :Mais en fait, comme ça, je n'aurai pas de problème.Qu'est-cequeVoilà,les aléas du Dockeren freestyle.Je vais voir s'il ne me fait pas faire de bêtises.
00:47:19 :Peut-être que lui, il va me contacterde partir de notre imagede 3.8.Non, je me souviens ce que j'ai fait.On va partir là-dessus.
00:47:37 :Je vais regarder aussi la versionde Python qu'il utilise.3.10.Ouais, on va réessayer ça.Ouais, Alpine effectivement.Je crois que là-bas, du coup, la Slim aussi.
00:48:07 :Voyons voir.Après, je crois que je suis en train de manquer de placelà sur monsur mon desktop.Du coup, c'est peut-être ça qui fait chier des fois.
00:48:31 :Vous voyez, ce n'est pas compliquéde créer une imageDocker de sa propre application.Il n'y a vraiment rien de sorti.Je n'ai vraiment rien fait. Je suis juste parti
00:48:47 :d'une image existante.On va créer un dossier,un répertoirequi s'appelle app dans lequel on va venir copiertout ce qu'il y a dans le...
00:48:57 :En fait, quand vous faites une image,il faut penser miroir, c'est-à-direc'est comme si vous êtes dansvotre chambre et vous créez un miroirde votre chambre. Donc là, ce que vous faites,
00:49:07 :c'est que vous voulez créer tout ce qu'il y adans votre dossier courant de travail,vous voulez le copier dans votre imageDocker.Euh...Voilà, j'ai un problèmed'espace.
00:49:21 :J'ai quand même pas mal d'images,il faudrait peut-être que j'en supprime.J'ai en supprimé...Celle-là,je vais la supprimer.Docker,image, RM, et puisj'ai fait l'ID.
00:49:45 :Donc normalement, ça devrait me libérerun peu de place. On va refaire.Bah en fait, avecWindows,c'est un peu plus chiant, il fautpasser par WSL.
00:50:01 :Non, je pense pas que tu soisle seul sur Windows.T'avais regardé...Toutes les imagesque t'as vues, c'est des images que j'aiconstruites pourdivers projets.
00:50:18 :Euh...Ouais, WSL,c'est un peu chiant, j'aime pas tropnon plus.Et ouais, je te disais, t'avais regardéeuh...Le Raspberry Pi 5qui est sorti.
00:50:41 :En fait, je sais passi parmi vous, il y en a qui l'ontacheté. Je sais même pas s'il estdéjà dispo. Maisje pensequ'ils ont commencé à se rapprocher d'un ordinateurbureau. C'est pas hyper puissant,
00:50:55 :mais pour s'amuser un peu, pour avoirun petit serveur à la maison.Ouais,mais le Raspberry Pi 5, je pense qu'il commenceà être un petit peu plus costaud. Je pense
00:51:05 :qu'il est équivalent àce que tu pourras avoir... Putain,j'ai chié. Désolé.Encore un problème de place.J'ai cru qu'en plus...Celle-là, ça allait dégager.
00:51:27 :Est-ce que je peux en supprimer une autre ?Allez, c'est reparti.Ouais, bah, je sais pas. Peut-être que ça peut être une bonne optiond'acheter un Raspberry Pi pour testerun peu, pour s'amuser. Je sais pas
00:51:59 :combien il a de...Je l'ai pas vuchez Amazon, en tout cas.Ouais, mais il doit pas être encore au dispo,mais je crois que c'est pour bientôt.
00:52:09 :Alors, en spec...Après, il faut faire attention,c'est l'architecture du processeurqui est en ARM.Et ça, ça peut...Je crois qu'on en avait discuté,mais je crois qu'il faut faire attentionà l'architecture du processeur qui est en ARM.
00:52:25 :Et ça, ça peut...Je crois qu'on en avait discuté,mais je crois qu'on en avait discuté,en fait, les architecturesdes processeurs surWindows etla majorité des Linux,c'est du AMD.
00:52:41 :Et ça, ça peut être un peu chiant en termes decompatibilité d'image, etc., quand tu faisdu Docker.Mais bon, bref, ça c'est un détail.
00:52:49 :Et donc, qu'est-ce qu'il a ?Il est où ?J'essaie de trouver la RAM.Je vais pas l'expliquer en hardware, mais......Alors, 2,4 GHzen fréquence de processeur,c'est pas mal.
00:53:50 :Quelqu'un connaît peut-être4 GHz ?Bon, ok, soit.4 GHz,c'est pas mal, franchement.De quoi ?Les trois lignes en dessous où tu étais.
00:54:10 :Ici, là ?Non, sur le terminal.Oui, sur la descriptionoù tu étais tout à l'heure.Celui-là, ouais.C'est la LDRT, c'est juste dessus.Redescends trois lignes, encore un petit peu.
00:54:24 :LDRT-RKX.Ah, oui, pardon, c'est ça.Ouais, merci, Seb.Ouais, du coup, c'est pas mal.Moi, quand je fais des instancessur...sur Linode, etc., j'ai pas autant.
00:54:38 :J'ai 2 Go.Franchement, si jamais tu veux t'amuser,c'est pas déconnant.Et donc, là, notre image,elle est créée, notre container,il est créé. Maintenant, ce qu'on veut faire, c'est...
00:54:52 :Il est où, le petit truc ?On veut le lancer eton veut juste le lancer.Vous allez voir que si je fais ça, ça va pas fonctionnerparce qu'en fait, j'ai pas ouvert les portsdans mon...
00:55:06 :Ça supporte Portainer.Et je crois qu'il y a mêmeune version Raspberry Pide Portainer, Pierre.Et en fait, là, vous voyez que j'ai pasexposé de port.
00:55:22 :Le fait de pas exposer de port, je vais pas pouvoircommuniquer. Donc, il faut ici mettreExport.Et donc, là, on va exposer le port.
00:55:30 :C'est combien qu'on exporte ?C'est 8501.Donc là, ce que je dis, c'est quej'expose, j'ouvre le portde l'image container.Là, c'est juste ce que je fais.
00:55:42 :Je vais rebuild l'image.Et après, quand vous allezlancer, en fait, ce que vous faites, c'est que vous faitesce qu'on appelle un mapping de port.
00:55:56 :Vous allez dire quevous allez créer un espècede tunnel entre le port 8501de votre machine haute,donc celle qui héberge le container,et le port8501 du container quevous avez créé.
00:56:12 :Avec cette commande, ici.Ici, là.Quand vous allez lancer votre container,voilà.Donc, si maintenant je faisdocker image ls,où est-ce qu'il est ?
00:56:30 :Titanic dashboard.OK. Donc là, maintenant,si je veux le lancer,je fais un Titanicdashboard.Titanicdashboard.Donc là, je mappebien le port 8501 de ma machinehaute avec le portdu container.
00:56:54 :Là, je lance.Vous voyez que ça marche bien,comme on a l'habitude de faire.Si je vais sur mon local host,et que je vaissur le port 8501,je suis bien dans mon applicationprimnit, mais il y aun docker container.
00:57:14 :Là, vous allez me dire,franchement, pourquoi on se fait chierà faire tout ça ?C'est un peu chiant, mais en fait,premièrement, ça nous permetjustement de ne pas avoir un scriptqui tourne en continu surnotre PC ou sur notre serveur,parce que ce n'est pas du tout robuste.
00:57:32 :Ici, un moindre problème,vous n'allez pas avoir un redémarragede votre application.En plus,là, vous avez vraimentimaginé que si jamaisvous vouliez exposer ça,vous devriez ouvrir le port8501 de votre ordinateur,alors qu'en fait,je ne vais pas rentrer dans les détails,parce qu'il faudraitavoir un reverse proxy pour pouvoir
00:58:00 :communiquer sans ouvrir de port.Là, vous avez vraiment une micro-applicationqui tourne toute seule,et si jamais vous aviez une base de donnéeset que vous vouliez la faire communiquer,il faudrait créer une image,et comme je vous l'avais dit,les bases de données existent.
00:58:18 :Il suffirait juste de lancer une imageet il faudrait mettre les deuxdockers sur un même réseau.Là, on peut le faire facilement avec Docker Compose,et comme ça, vos deux applications pourraientcommuniquer l'une avec l'autre.
00:58:30 :Au lieu de faire un importde fichiers CSV,on pourrait tout simplement direqu'ici, on va faire des requêtesSQL de notre base de données.
00:58:40 :Si ça vous intéresse,on peut faire ça la prochaine fois.Au lieu d'avoir ici un boutonBrowse File, on aurait directementdes requêtes vers notre base de donnéesqui seraient dans une autre image Docker.
00:58:52 :Non, ça,le Streamlit,j'avais posé la questionà l'équipe de développement,tu peux utiliser çaen serveur.En fait,c'est absolument pas sensibleStreamlit, parce que c'est juste une interface.
00:59:14 :C'est du dashboard.Donc en gros, il n'y a pas de données,tu n'as jamais de données qui transitentlà-dedans, donc ce n'est pas comme Djangooù tu as des données utilisateurs, etc. dans ton serveur.
00:59:24 :Là, c'est justede l'interface, doncil n'y a pas de risque.Tu vois,il n'y a pas de soucis.Voilà.Ce n'est pas une question qui sort du contexte,Moïse. Les autres,
00:59:52 :je ne sais pas ce que vous en pensez. J'ai déjàparlé de Docker, mais je ne pense pasque c'est le BABA.Oui, j'ai déjà fait,mais est-ce que vous pensez que j'ai déjàfait plus BABA que ce que j'ai faitlà, de A à Z ?
01:00:06 :Je ne me souviens plus exactement. Est-ce que j'ai faitexactement ?En fait, là,Moïse, ce que j'ai faitici, pour moi, c'est du BABAde Docker.
01:00:18 :On ne peut pas faire plus simple que commeimage. Après,c'est plus le conceptde Docker, peut-être qu'il faudraitrevoir, maisfranchement, je t'invite àregarder une vidéo YouTubesurest-ce que Docker, parce que ça expliquera beaucoupmieux que moi ce quefait Docker et pourquoi on l'utilise.
01:00:42 :Du coup, je vois queSeb, il a intéressé. Donc, la prochainefois, on fera ça. Onse créera une base de données qu'on feratourner dans un Docker et on fera un DockerCompose pour, en gros, déployerles deux containers, parce que vous verrezqu'il y a des petites subtilités pour que
01:01:04 :les containers discutent entre eux. Il fautmettre sur un même network, un networkDocker. Donc, on pourra faire çala prochaine fois.Comment installer Docker et le déployer ?
01:01:14 :Ouais, on pourra faireça.Toi, tu es sur Windows ou surun autreOS, Moïse ?Ubuntu, du coup.C'est simple, entre guillemets. Avec Ubuntu,
01:01:32 :avec le gestionnaire de paquets, tu peuxinstaller facilement Docker.Voilà, doncj'espère qu'il y a des chosesJe pense, Gabriel, mais c'est vrai quemoi, je crache pas du tout sur Windows,c'est très bien, maisc'est vrai que tu te rends compte, quand tu fais dudéveloppement, que c'est toujours un petit peu plus
01:02:00 :C'est un peu plus simpled'utiliser UbuntuMapOS, c'est un peu différent,mais c'est vrai qu'Ubuntuc'est pas malpour le développement.Ouais, c'est vraique c'est bien d'avoir les deux.
01:02:18 :Voilà, j'espèreque vous pourrez récupérer quelques trucs de cementorat, notamment la manipulationde data ici, avecle groupe By et puisvous voyez que c'est quand même hyper puissantce qu'on peut faire. On n'a pas fait de
01:02:32 :data visualisation, donc peut-être ce qu'on peut fairela prochaine fois, c'est améliorerun peu notre dashboard avecdes graphes un petit peu plus interactifset faire le lien avec une basede données sur un vrai serveuret puis faire du DockerCompose.
01:02:48 :Ok, bah merciGabriel. J'arrête departager l'écran.Voilà,dites-moi si vous avez desquestions, des remarques.Peut-être que vous comprendrezun petit peu mieuxavec la session de la semaine prochaineà quoi il sert le Docker.
01:03:20 :Parce que là,c'est vrai que...Une idée qui m'estvenue comme cela,c'est bienle mentorat,mais je me suis ditsi on est confronté à desprojetsdisonsdes projets personnelsou des projets en entreprisepour quelqu'un qui vient decommencer du développementweb,c'est un peucompliqué de voir,
01:04:00 :de comprendre à quoi il s'attend.Je ne sais pas sientre nous,on pourrait peut-êtrefaire un projetensemble, qu'on vadévelopper ensemble.Je ne sais pas,c'est une idée comme cela.
01:04:18 :Oui, oui, c'est une bonne idée.On pourraitétaler un même projetsur plusieurs sessions.Après,on pourrait faire ça.Après, c'est un peu ce que j'essaie de faire.
01:04:38 :Tu sais, quand je fais les mentorats,de faire des exemples un peuconcrets. Par exemple, on a fait dutraitement de data,mais quel genrede projet, toi tu disque tu aimerais avoir un projet typique en entreprise.
01:04:52 :Oui, un projet typique enentreprise.Quand tu vois ces projetsqueThibault etles projets du mois,comme cela,comment faire un siteje ne sais pas,d'e-commerceou quelque chosecomme cela. Un programme
01:05:16 :qui fait quelque chose.Comment faire duA à Z ?Quelles sont les questions qu'il fautse poser ?Quels sont les outils qu'il faut utiliser ?
01:05:30 :Oui, on peut faire ça.Après, on peut réfléchir.Dans le cadre deDocStream, ça pourrait êtreune application Djangoavec une API, etc.Moi, ça me fait plaisirde le faire, maiscomme je l'ai déjà fait une ou deux fois,je ne veux pas vousennuyer avec ça. Mais si vous me dites
01:05:54 :que ça vous intéresse qu'on refasse un projetdu début,il n'y a pas de souci.Je ne sais pas.Je pense quela semaine prochaine,on ferace qu'on a dit, c'est-à-direcontinuer sur ce projet-là,ce petit exercice où on déploieune base de données, etc. Et puis après,
01:06:26 :à partir de la semaine d'après, on pourrapendant deux semaines,on se donne deux ou trois sessionset puis on essaie d'aboutirà ce projet-là.
01:06:36 :Oui, peut-être que ça n'intéressepas les autres. Peut-être qu'on va aller surles débutants.C'est pour ça quesi je propose...Après, la sessionà la base du jeudi soir,c'était pourles débutants. Juste pour vous dire
01:06:56 :un peu l'historique, on venaitavec Thibault que le jeudi soir,ce serait les débutants.Et puis, lesderniers mois, on s'est rendu compte que les gensqui venaient, c'était des gensqui n'étaient pas considérés comme débutantsparce qu'ils avaient déjà pas mald'expérience, etc. Donc je me voyais
01:07:14 :refaire des bases avecles gens quivenaient. Et du coup,de fil en aiguille, on a vu des chosesun petit peu plus avancées. Et là,
01:07:24 :maintenant, c'est vrai que je me rends compte, dans lesmentorats, là, par exemple, ce soir, queil y a peut-êtreun peu plus de débutants que cequ'on faisait cesderniers mois. Donc, je peux
01:07:36 :adapter. On pourra faire ça laprochaine fois. Et puis, si les gens ne sont pas intéressés,c'est tout. Ils ne viendront pas à cette session-là.
01:07:42 :Ne t'inquiète pas, Maurice, je ne te dis pas« Ah oui, à cause de ma question,à cause de ma demande, on fait des trucsde A à Z. »
01:07:50 :Tout le monde peut êtreintéressé, même s'ils ont déjà vu les bases.Et puis, s'ils ne sont pas intéressés, les gens,ils ne viennent pas à cette session-là, en particulier.
01:07:58 :C'est probable.OK. Il n'y a plus la sallequi existaitlà, qui était à côtédu mentorat, justement, avant, sur Doxtrin,où on pouvait se retrouver pourposer. Je ne sais pas.
01:08:16 :Je veux voir avec Thibault. Je pensaisqu'elle existait toujours. Parce queje me dis que, des fois, justement,entre débutants,entre gens de notre niveaumoins débutants,c'est aussi un moyen de se retrouveret de voir des choses. Parce que là, c'est vrai
01:08:32 :que comme il n'y a qu'une séance de mentorat,tu vas te retrouver tout le tempsavec des vrais débutantset des non-débutants.Oui, c'est ça qui est un petit peuimportant.
01:08:44 :Moi, je ne veux frustrerpersonne.Et puis, voilà.Après, vous êtes tous hyper bienveillants,etc. Donc, je pense qu'il n'y ajamais personne qui dit « Ah, putain, fais chier, la sessionétait trop avancée ou pas assez. »
01:08:58 :Mais c'est vrai. Parfois,c'est compliqué de trouver le bon équilibre.Et...Voilà. Moi, c'est comme ça que je voisles sessions de mentorat. Même si on voit des trucs
01:09:08 :qui sont parfois très avancés ou pasavancés, l'idée, c'est juste de voir aussides choses, de découvrir.En fait, sur la plateforme, justement, Thibaultmet à disposition des projets.
01:09:18 :Donc...Voilà. On essaye ausside faire en sorte que le mentorat soit pasquelque chose...En fait, il faut que ça soit quelque chose de différentqu'est-ce qui existe déjà sur la plateforme. Sinon,
01:09:30 :ça va être la même chose.Je vais faire un projet devant vouset puis...Vous allez regarder et puis ça va presque êtreune vidéo YouTube. Enfin, en beaucoup
01:09:40 :moins de qualité, bien sûr. Mais ça va presqueêtre une vidéo YouTube sans interaction.L'idée, là, du truc,c'est que je présente des chosesque vous n'avez pas l'occasion de voirau quotidienet puis, après, on en parle.
01:09:54 :Mais après,on adaptera les sessions de mentoratcomme... C'est pour vous les...Enfin, c'est vos sessions. Du coup, on les adapteracomme vous voulez.Mais bon, c'est bien d'avoirvos retours. Comme ça, on a juste un petit peu...
01:10:08 :Il y a un truc, aussi, que j'aimerais voir.Ouais.C'est...J'essaie de faire un projet pour moi.Enfin, un truc bidon, hein, mais...En essayant d'organiserun peu mieux mon codeavec des fichiers.
01:10:24 :Avec quoi ?Plusieurs fichiers. Un fichier, par exemple,routeur, un fichier...Un fichier pour la vue, et ainsi de suite.Et des fois, je m'embrouille un peu.
01:10:34 :Donc, si un jour,il devrait y avoir une sectionun peu basée là-dessus,pour moi, quelqu'un organisela code pour avoir à faireun truc un peu complexe,ça sera intéressant.
01:10:48 :Ouais, et c'est par rapport... Parce que là, tu me parlesde vue, de routeur, c'était par rapport à Django,ou en global ?Là, j'étais vue processeur du bac.
01:10:56 :OK.Vue du Python.D'accord. Un projet... OK.Un projet... OK.OK.Merci, Moïse, pour tonretour.Et...Ben, voilà. Les autres,si vous avez d'autres remarques ou desdemandes, n'hésitez pas.
01:11:24 :Merci.Merci à vous.Si vous n'avez pas de questions,on va s'arrêter là, et puis...On reste en contact sur les questionset puis sur le serveur.
01:11:42 :Pas de soucis.Voilà.Ben, ouais, merci, Jean-Phil. C'est un peuce que j'essaie de faire dans les sessions de mentorat,c'est que chacun puisse piocher un petit peuun truc qui l'intéresse.
01:11:56 :Bonne soirée à tous,et puis à la prochaine.À bientôt.Salut tout le monde, salut Pierre.Salut.Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501Sous-titrage ST' 501
Aucune occurrence trouvée pour « ».
Bravo, tu es prêt à passer à la suite
