⚠⚠⚠ Super Conflict: DO NOT MERGE

!1 (closed) est super contradictoire avec tes 2 derniers changements je l'ai donc close:

Ne merge pas cette MR, rapporte les changements pertinents et close celle-ci à ta guise !

Le mieux c'est de checker ICI car les diff de ipynb c'est imcomprehensible !

J'ai fixé ton code par endroit; j'ai peut-être complexifier la syntax parfois pour des débutants mais je me suis retenu autant que j'ai pu!
J'ai essayé de clarifier les "logs" pour qu'on comprenne mieux l'état à chaque étape.
J'ai corrigé ou ajouté quelques typo.
J'ai fait un peu de formating en markdown
J'ai ajouté un des prédictons pour ton perceptron avec des vecteurs à 3 dimensions et un cas d'étude (l'exemple étudiant)
Je me suis permis de changer la vectorisation pour faire des exemples de données variées

Voilà, en éspérant que ça t'aide!

Il y a des concepts survolés: le bias, les fonctions d'activation.
Mais à la fois il y a peut-être trop de contenu pour un seul cours de 2h (je pense que mon premier perceptron on a 2 semaines pour le faire après avoir eu la théorie mais la tu donnes le code).
On aurait pu se passer de numpy!

dot_product = sum(x * w for x, w in zip(X, W))
sum_axis_0 = [x + w for x, w in zip(X, W)]

Je mettrais des conventions mathematique:
- Genre les vecteurs sont en CAPS genre X et W et les dimensions sont des minuscules y_1, x_a ou w_1

À bientot!

Edited May 27, 2024 by Enzo POGGIO