YouTube Transcript:
MATPLOTLIB - Graphiques Importants (15/30)
Skip watching entire videos - get the full transcript, search for keywords, and copy with one click.
Share:
Video Transcript
bonjour et bienvenue dans cette quinzième vidéo de la série python spécial machine learning c'est la vidéo 15 sur 30 ça veut dire qu'on a fait ensemble la moitié de cette formation alors pour fêter ça je vous propose de voir dans cette vidéo le top 5 des graphiques les plus utiles avec matt pète libre pour faire du mât chinois vous êtes prêt c'est parti alors en cinquième position on retrouve le graphique de classification avec plt scatter en machine learning pratiquement la moitié des problèmes sur lesquels on travaille sont des problèmes de classification par exemple on désire classe et un email en tant que spam ou no spam en fonction de plusieurs attributs que cet e-mail va avoir comme le nombre de fautes d'orthographe ou le nombre de liens internet qu'ils y a dans cet email typiquement dans ce problème on a deux classes une classe spam et une classe no spam et pour représenter un tel dataset le graphique plt scatter est un des meilleurs choix que vous couriez faire dans cette vidéo je vais vous montrer comment faire intel graphique avec un dat ass est très connu celui des fleurs d'iris ce dataset contient 150 exemple de fleurs d'iris répartis en trois classes et on dispose de quatre variables pour prédire à deux cas classe il sèche les variables sont la longueur et la largeur du pétale de la fleur et la longueur et la largeur du ses pales de la fleur donc j'ai ici le code qui m'a permis de charger ce dataset il nous vient du package cei kittler knock on verra plus tard dans cette série de vidéos si vous voulez pas louper cette vidéo est bien n'hésitez pas à vous abonner en attendant cette future vidéo je vais vous expliquer très rapidement comment fonctionne ce petit code à l'intérieur de sacs it l'orne on a un ensemble de dataset on a le dataset des fleurs d'iris à l'intérieur de ce data 7 on a des données qui sont un petit peu nos variable la longueur du pétale longueur du cépage etc et on a une target ça va être les différentes classes la classe 0 1 ou 2 donc j'enregistre ces deux tableaux dans un tableau x et un tableau y ces deux tableaux vont me servir lorsque je vais créer mes graphiques avec plt scatter si on voudrait on pourrait regarder x qui ressemble donc à ça donc on a 150 lignes et quatre colonnes et y quant à lui est bien contient 250 exemple et se sont tous soit des nombreux 0 1 ou 2 qui représente nos trois classes dans notre problème donc comme je vous le disais un des meilleurs choix que vous pourriez faire quand vous voulez visualiser intel data 7 c'est d'utiliser plt scatter comment ça fonctionne c'est très simple on écrit pelleter scatter puis on va faire passer en abscisses et en ordonnée deux parmi les quatre variables que l'on a dans notre problème par exemple on pourra choisir de faire passer la première variable ainsi que la deuxième variable donc pour ça à chaque fois je prends toutes les lignes c'est à dire les 150 lignes et ensuite je choisis un index parmi les quatre que j'ai à disposition à ce stade à si on se contente d'exécuter notre code on obtient le nuage de points suivants mais ce qui est très intéressant de faire c'est de colorier ces points-là suivant la nature de leur classe et pour ça tout ce qu'on a à faire c'est d'écrire sait qui est le paramètre qui définit la couleur est égal à y est y ce sont ces nombreux là qui sont soit égal à 0 1 ou 2 donc on va avoir trois couleurs différentes et la boum on peut voir nos différentes classes réparties selon deux de nos variable la variable x 0 est la variable x1 ces deux variables en l'occurrence c'est la longueur du ses pales et la largeur du ses pales de la fleur donc je rajoute ces deux variables sur mes axes comme ce que je vous ai montré dans la dernière vidéo est là on a déjà un graphique super intéressant qui peut nous apprendre beaucoup de choses sur le problème que l'on a à résoudre bien sûr une des limites de ce graphique c'est que l'on peut uniquement représenté deux des variables sur les quatre dont on dispose cependant je vais vous montrer une technique à à la fin de cette vidéo pour pouvoir représenter sur une seule et même figurent toutes les variables que l'on a dans notre problème de machine learning donc rester bien jusqu'à la fin de cette vidéo parce que cette technique est super utile croyez moi pour finir avec le graphique plt scatter et je vais vous livrer deux astuces personnel la première c'est d'utiliser un paramètre qui alpha et qui nous permet de contrôler la transparence de chacun des points de notre graphe pour finir une toute dernière astuce sur les graphes pelleter scatter c'est d'utiliser un dernier paramètre est ce qui nous permet de contrôler la taille de nos points par exemple on peut écrire st gall sans erreur nos points sont un peu plus gros que ce qu'ils étaient avant mais ce qui est vraiment intéressant c'est de contrôler la taille en fonction d'une des variables de notre problème donc on peut par exemple prendre la variable 3 est donc là dans notre dataset les points n'ont pas tous la même bataille plus ils sont gros plus le pétale est long et plus ils sont petits plus le pétale est petit [Musique] en quatrième position de notre classement on retrouve le graphique 3d ce type de graphique nous vient de mpl tout le kit ce qui est un des seul package demat'box libre donc vous l'aurez compris avec ça on peut faire des graphiques en trois dimensions ce qui peut être super utile quand on désire de visualiser plus de variables d'un seul coup sûr un seul et même graphique pour faire ce genre de choses il faut commencer par charge et les graphiques 3d qu'on a dans mpl toolkit donc en général on écrit from mpl tout le kit ce point m pilote 3d importe accises 3d une fois qu'on a chargé ce module il va falloir créer un objet axe avec la fonction accises que l'on a dans plt et cet axe on va le faire en 3d en écrivant projection égale 3d donc en écrivant cette ligne ont créé en réalité un objet axe sur lequel on va pouvoir travailler donc ce que je veux vous dire c'est qu'en fait lorsqu'on crée des graphiques 3d avec matt plus libre on est obligé d'utiliser la programmation orientée objet cependant vous en faites pas c'est vraiment pas compliqué tout ce qu'on a à faire c'est écrire axe point scatter et à l'intérieur de ce capteur on va au lieu d'écrire deux variables donc x 0 x1 on va en écrire trois par exemple on va écrire x 0 x1 et virgule x2 comme ça on aura trois variables et là si on n'affiche tout ça est bien comme avant on obtient juste un nuage de points bleus donc ce qu'on peut faire c'est faire c'est égal y ait là on obtient un nuage de points avec plusieurs couleurs et ce graphique vous pouvez le visualiser en 3d en vous baladant à l'intérieur en zoom ans ou en deux ou man si vous exécutez ce qu au delà dans spider ou bien pas de charme mais vous pouvez également le voir dans jupiter si vous commencez votre code en écrivant pourcentage matt vote libre ce que j'aime également faire avec des graphiques 3d c'est visualiser des surfaces et des fonctions mathématiques que l'on aurait modélisés c'est super pratique par exemple imaginons qu'on crée une fonction f2 xy qui est égal à 6 2 x + caussinus 2x plus inc cette fonction on la crée avec lambda qui notre générateur de fonction anonyme dans python on l'a vu dans la toute première vidéo de cette série donc allé la voir si vous savez pas ce que c'est lambda et après si on veut observer f2 xy en fonction de x et de y dans un graphique 3d comme cela est bien ce qui va d'abord falloir faire c'est créer deux vecteurs d'une pie x et y par exemple allant de zéro jusqu'à 5 pour les deux et ensuite on va devoir créer une sorte de grille en utilisant une des fonctions du bail que j'avais pas présenter parce que c'était pas nécessaire dans les vidéos d'une paille cette fonction c'est la fonction lp mais grid qui nous permet de créer une grille à partir de deux axes x et y doc ce qu'on va faire c'est créer une grande variable x qui est égal à np points line space 2 0 jusqu'à 5 et disons qu'on va faire 100 points puis on va faire la même chose pour y ait ensuite qu'on va faire ce qu on va recréer x/y en disant qu'ils sont égales amp point mèche que reed 2x virgules y une fois qu'on a fait ça on peut injecter nos variable x et y à l'intérieur de notre fonction f et on va dire que ça c'est un résultat z qui est donc égale à f2 x virgule y maintenant qu'on a à z et bien raide on peut on vérifier par exemple les dimensions donc on a 200 lignes sans colonne ce qui va donc nous permettre de tracer quelque chose sur tout cet espace est pour visualiser tout ça comme avant on va commencer par créer un objet axe en projection 3d puis on va faire axe point pelote surface et à l'inter de ça on va faire passer une variable x une variable y on va faire passer notre variable z et ensuite on peut choisir éventuellement une couleur pour notre surface et ça ça nous donne comme résultat est bien la courbe qu'on a vu juste avant maintenant en troisième position de notre classement on retrouve l'histogramme ce graphique est juste indispensables à connaître en machine learning et en data signs il nous permet de voir la distribution des données avec lesquels on travaille et c'est important de comprendre si nous donner suivent une distribution normale ou non ou bien c'est la distribution est symétrique ou asymétriques ou bien de visualiser où se situe la moyenne etc etc ça c'est très important en machine learning par exemple pour reprendre notre data 7 avec les fleurs d'iris et bien on peut décider de visualiser comment sont distribuées nos quatre variables donc pour ça on va faire passer dans la fonction liste de maths clottes libre une des quatre variables que l'on a et ceci nous donne la distribution pour la variable 02 toutes nos fleurs d'iris alors si vous êtes un petit peu perdues je vous explique ce que ça représente vraiment sur l'axé des abscisses on a là toutes les valeurs que peuvent prendre la longueur d'un cepal dans notre flore d'iris donc le cépage le plus petit qu'on a dans d'autres dates à sète il fait environ 4,5 cm est le cépage le plus long il fait environ 8 cm ensuite ce qu'on a sur l'axé des ordonnées ce tout simplement le nombre d'apparitions pour chacune de ces catégories quand par exemple dans notre data 7 il ya environ 25 fois un ses pales qui est aux alentours de 5,5 cm maintenant à l'intérieur de cette fonction histogramme et bien on peut choisir de modifier un paramètre qui s'appelle beans et qui détermine le nombre de sections que l'on désire avoir dans notre histogramme donc par défaut il semble qu'on en a dix et on peut très bien choisir d'en avoir 30 par exemple donc là on aura un histogramme beaucoup plus détaillé et si l inverse on crée un histogramme qui contient une seule ça une seule colonne bien sûr ça n'a aucun intérêt mais c'est juste pour vous montrer que et bien le nombre totale d'éléments qui tombe dans une seule colonne une seule catégorie à berne ses 250 tout simplement parce qu'on aura 150 exemple dans notre dataset de fleurs d'iris maintenant sur une seule et même figure on peut créer deux histogramme en même temps par exemple un histogramme pour notre valeur zéro notre variable 0 et un histogramme pour notre varia le 1 mai le graphique avec les histogrammes dans ma culotte slip ça ne s'arrête pas là parce qu'on peut également tracé des histogrammes en 2d pour visualiser la distribution des taux dès lors ce qu'elles suivent deux variables et ça c'est super intéressant pour ça c'est très simple il suffit d'utiliser pelleter point kyste et là on voit qu'on a un liste 2d qui apparaît donc à l'intérieur de satisloh g là on va tout simplement faire passer deux variables par exemple notre variable x 0 ainsi que notre variable x1 alors afin de bien comprendre à quoi correspond cette histogramme on n'oublie pas de rajouter des titres sur nos différents axes et ça nous donne alors l'histogramme suivant que si l'on veut bien comprendre on va aussi rajouter ce qu'on appelle une colo rebar c'est à dire une sorte de légende qui nous indique à quoi correspondent les différentes couleurs sur nos tristes g les couleurs jaune nous montre les fréquence d'apparition les plus élevées tout qu'on voit qu'on obtient environ 10 fleurs iris qui ont une longueur de ses pales qui sont aux alentours des 6 25 m et une largeur de ses pales qui est aux alentours des 3 donc là on va vraiment trouver la majorité de fleurs d'iris dans cette catégorie est l inverse une combinaison qui n'apparaît presque jamais sarah par exemple être et bien ce carré tout là-haut dans lequel on a une longueur de ses pales de 5,5 cm avec et bien une largeur qui est aux alentours des 4 et demi et bien sûr pour les rendre un peu plus attirants tous ces graphiques et bien on peut leur ajouter une couleur comme ce que j'avais fait avant et puis voilà ça nous donne d'autres couleurs en clair pour finir sur les histogrammes il ya une dernière utilité super intéressante c'est lorsqu'on les utilise pour faire l'analyse d'une image typiquement quand on veut faire l'analyse d'une image en noir et blanc on peut créer un histogramme dans lequel beans est égal à 255 pourquoi 255 et bien c'est parce que une image ça comprend en général 255 valeur de pixels 0 représentant le noir et 255 représentant le blanc donc ici notre image on l'a importée depuis syfy on l'a enregistré dans un tableau numérique qui s'appelle faith et ce tableau si on l'appela ti avec la fonction révèle qu'on avait vu qui est très importante dans le module une paille eh bien on peut ainsi en faire l'analyse en observant et bien la fréquence d'apparition des différentes couleurs de pixels donc on voit qu'il ya une majorité de pixels qui sont entre 100 et 150 on a très peu de pixels qui sont très claires et on a quand même pas mal de pixels qui sont dans les noirs [Musique] allez on enchaîne maintenant avec les graphiques contours pelote qui occupe la deuxième place de notre top 5 ces graphiques sont super utile quand vous voulez visualiser un modèle qui occupe trois dimensions en vue du dessus typiquement en intelligence artificielle on cherche souvent à résoudre des problèmes d'optimisation comme par exemple trouver le minimum d'une fonction coup ou bien maximiser des revenus etc et c est bien ce type de graphique peut jouer un rôle majeur dans votre compréhension du problème d'optimisation sur lequel vous travaillez typiquement tout à l'heure on a créé une fonction f qui est égal à 6 12 2 x + caussinus 2x plus y est on l'avait visualiser en 3d et bien si on veut avec contour pelote on peut la visualiser en vue du dessus pour ça c'est très simple tout ce qu'on a à faire c'est utiliser plt point contours et là on va faire passer x virgule y virgule 7 et ça s'arrête là ce que ça nous donne comme résultat c'est notre contours pelote en vue du dessus alors si on veut le rendre un petit peu plus lisible ce graphique on peut en modifier le nombre de niveaux par exemple on peut créer 20 niveaux donc ça va augmenter la précision d'affichage qu'on a sur notre graphique et pour le rendre encore plus lisible on peut aussi jouer avec les couleurs en écrivant colors et là on a beaucoup de couleurs à disposition par exemple on peut tout simplement créé ce graphique en noir et blanc et là tout ce qui va être positif ça va s'afficher en continu et tout ce qui est négatif c'est sa fiche est bien en petit irait donc typiquement si vous travaillez en économie en ingénierie en logistique ou en fait quel que soit le secteur dans lequel vous travaillez si vous avez une fonction un peu plus complexe à optimiser et bien les contours pelote ça peut vraiment vous aider à y voir clair dans un champ de possibilités comme celui ci donc par exemple on voudra atteindre le maximum de notre fonction en visant ce point là ou bien on pourra atteindre le minimum deux d'un coup en visant ce point là etc etc maintenant petite astuce pour les contours pelote il existe une autre fonction qui est la fonction contours f dans laquelle on va également faire passer x y et z et cette fois ci on va faire passer une colonne et là ça nous donne une graphique un petit peu plus sympa qu'on va détailler un petit peu plus on en écrivant 20 et si on veut on peut rajouter une sorte de légende encore une fois en écrivant pl t.co leur bar et avec ça on peut comprendre quelles sont les valeurs de nos différents gradient sur d'autres contours pelote très très utile [Musique] hymne à chaud c'est sans conteste le graphique à la tête de ce classement parce qu'on peut juste faire des choses incroyables avec alors bien sûr la toute première utilité c'est de visualiser une image comme l'image fait ce que l'on avait chargé auparavant mais en fait l'utilisation de im chaud ça va beaucoup plus loin que simplement afficher des images rappelez vous d'une chose fays c'est un tableau d'une paille qui contient les différents pixels de notre image dr fait la fonction i m so elle nous permet d'afficher n'importe quel tableau nîmes paille et c'est là l'intérêt absolument génial qu'on a à utiliser im chaud on va pouvoir afficher n'importe quel matrix par exemple on va pouvoir tracer des matrices de corrélation on pourra analyser un problème d'optimisation en mettant tous les chemins possibles dans une matrice on va pouvoir visualiser un masque avant de s'en servir dans du boulet à nina xing bref on peut faire énormément de choses avec im chaud par exemple avec im chaud on peut tracer la matrice de corrélation pour notre data 7 des fleurs d'iris danse dataset rappelez vous on a quatre variables et 150 exemple donc pour tracer intergraphic refaire passer à l'intérieur de im chaud la fonction np corps coeff qui nous retourne une matrice de corrélation pour notre tableau x rappelez vous c'est une des fonctions qu'on a vu dans la vidéo 12 sur 32 cette série à l'inter de ça on va faire passer la transposer 2 x parce que nous ce qui nous intéresse c'est la corrélation entre les colonnes et pas les lignes et ça nous produit la matrice de corrélation qui nous permet de voir où se situent les différentes corrélation dans notre data 7 maintenant quand on travaille avec des dates sas est beaucoup plus larges comme par exemple le data 7 sur les données du cancer du sein et qu'on a beaucoup plus de variables ici en l'occurrence on a 30 variable et bien ce genre de graphiques et super informatif pour comprendre quels sont les variables qui ont des fortes corrélations les unes avec les autres voilà on pourrait encore parler très longtemps deuxième show mais pour terminer cette vidéo on va simplement parlé des problèmes d'optimisation dans lesquels avons utilisé tours pelote et bien cette fois ci tout ce qu'on a à faire c'est de passer le tableau z qui est donc un tableau de dimensions sans ligne par sans colonne à l'intérieur de im chaud et donc on a la matrice z deux dimensions sans ligne et sans colonne qui nous est représenté avec im chaud ok voici maintenant la réponse à l'exercice de la vidéo 14 sur 30 dans laquelle je vous avais demandé de créer une fonction graphique qui va nous permettre d'afficher sur une seule et même figurent tous les résultats de différentes expériences qui serait enregistrée dans un dictionnaire qui si on appelait dataset pour créer une telle fonction on va devoir utiliser dans une boucle fort la fonction pelleter seul pilote qui nous permet à chaque fois de créer un mini graphique sur une grande figure donc ce qu'on voudra faire déjà c'est à voir autant de sauts pilotes que l'on a d'expérience dans notre dictionnaire c'est à dire qu'on voudra mesurer la longueur de notre dictionnaire donc le dictionnaire d'attin ensuite ce qu'on va faire c'est qu'on va commencer par créer une figure donc on va créer une figure on va la faire d'une certaine taille est maintenant dans cette figure on va créer différentes se pilote grâce à une boucle fort donc si on procède étape par étape ce qu'on va faire c'est qu'on va vouloir créer les seuls pilotes il y aura n ce pilote peut être qu'on va les faire sur aisne ligne puisque nc ma longueur de monde est assez et on va les faire sur une seule et même colonne et ensuite on voudra traiter chaque splot tour par tour donc c'est l'entente qu'on va mettre l'élément de notre boucle fort par exemple éléments et donc aux affaires for i in french jusqu'à le nombreux haine qu'on a dans notre data 7 mais réfléchissons un petit peu sur une autre boucle fort en fait dans cette boucle fort on veut à la fois le nombre d'expériences mais on veut aussi avoir le contenu de notre dictionnaire et pour ça ce qu'on va faire c'est qu'on va utiliser la fonction zee qui rappelez-vous nous permet de procéder allitérations de deux structures de données en parallèle l'une de l'autre donc ce qu'on va faire c'est qu'on va faire fort qu'à virgule in zip et on va faire passer notre dictionnaire donc data point qu'ils ce qui va me permettre dit terré à travers les différentes clés de mon dictionnaire donc donc ça ça va nous donner qu'à et ensuite pour obtenir y est bien tout ce qu'on va faire ce qu'on va faire orange et on va aller de 1 à n + 1 parce que si vous réfléchissez bien et que vous écrivez simplement for french n est bien matt potes il va vous dire que la position zéro ça n'existe pas du coup il va vous retourner une erreur vous faites bien attention à ça ce qu'on va faire c'est de 1 jusqu'à n plus tôt que cette boucle fort elle est prête donc sa pelletée on va le mettre à l'intérieur et dans pld pelote ce qu'on va faire c'est qu'on va retirer les données qui se situe à la clé cas c'est à dire la clé qu'on est en train d'avoir dans cette boucle fort donc ça ça va nous afficher nos données et en sus ce qu'on pourrait faire c'est rajouter 20 titres à ce graphique et pour ça eh bien on va utiliser la clé on va utiliser comme titre expérience 0 puis expérience un puits expérience de etc etc alors ensuite on pourrait rajouter des abscisses des légendes etc mais bon vous avez compris l'exercice il s'arrête là on termine en écrivant pelleter points chauds et le résultat de ce code ça nous donne donc une figure sur laquelle on a nos différentes expériences qui sont affichées et je vais vous dire un truc ce code il est extrêmement utile retenez le bien vous pourrez l'utiliser tout plein de fois dans votre carrière de datacenter est parce qu il est super flexible si maintenant on passe à six expériences et bien on va avoir siggraph qui vont être affichés et si les graphiques commence à être un petit peu petit bain on augmente la taille de notre figure par exemple on l'a fait passer à 12 30 et donc voilà on a nos différents graphiques qui affiche nos différentes expériences et là où c'est encore mieux c'est que maintenant si dans chaque date à 7 je collecte en réalité plusieurs variables disons trois variables différentes eh bien j'ai ces trois signaux qui seront affichées sur chacune de mes expériences et c'est là que ce code commence vraiment être très puissant et très intéressant d'ailleurs l'exercice pour cette vidéo ça serait d'utiliser ce code de le transformer un tout petit peu afin d'afficher sur une seule et même figurent les différentes variables que l'on a pour notre dataset de l'iris voilà vous avez ici la petite technique secrète que j'avais mentionné au début de la vidéo donc je vous souhaite bon courage pour cet exercice et comme d'habitude je vous donnerai la réponse dans la vidéo suivante voilà c'est la fin de ce classement des 5 graphiques les plus utiles avec makhlouf libre pour faire du machine learning est ce que vous êtes d'accord avec ce classement où est ce qu'à votre avis est bien incertain graphique mérite une autre place dans ce classement n'hésitez pas à me le faire savoir dans les commentaires parce que je suis très curieux de savoir ce que vous pensez à ce sujet autre chose si vous avez bien aimé ce format de vidéo dans lequel je fais un top 5 ou un top 10 pensez à me le dire également dans les commentaires comme ça j'essaie de faire plus souvent ce genre de vidéos enfin comme d'habitude si vous avez aimé cette vidéo merci de licques et la partager avec un ami si ce n'est pas déjà fait penser à vous abonner je vous dis à très vite pour la prochaine manche [Musique]
Share:
Paste YouTube URL
Enter any YouTube video link to get the full transcript
Transcript Extraction Form
How It Works
Copy YouTube Link
Grab any YouTube video URL from your browser
Paste & Extract
Paste the URL and we'll fetch the transcript
Use the Text
Search, copy, or save the transcript
Why you need YouTube Transcript?
Extract value from videos without watching every second - save time and work smarter
YouTube videos contain valuable information for learning and entertainment, but watching entire videos is time-consuming. This transcript tool helps you quickly access, search, and repurpose video content in text format.
For Note Takers
- Copy text directly into your study notes
- Get podcast transcripts for better retention
- Translate content to your native language
For Content Creators
- Create blog posts from video content
- Extract quotes for social media posts
- Add SEO-rich descriptions to videos
With AI Tools
- Generate concise summaries instantly
- Create quiz questions from content
- Extract key information automatically
Creative Ways to Use YouTube Transcripts
For Learning & Research
- Generate study guides from educational videos
- Extract key points from lectures and tutorials
- Ask AI tools specific questions about video content
For Content Creation
- Create engaging infographics from video content
- Extract quotes for newsletters and email campaigns
- Create shareable memes using memorable quotes
Power Up with AI Integration
Combine YouTube transcripts with AI tools like ChatGPT for powerful content analysis and creation:
Frequently Asked Questions
Is this tool really free?
Yes! YouTubeToText is completely free. No hidden fees, no registration needed, and no credit card required.
Can I translate the transcript to other languages?
Absolutely! You can translate subtitles to over 125 languages. After generating the transcript, simply select your desired language from the options.
Is there a limit to video length?
Nope, you can transcribe videos of any length - from short clips to multi-hour lectures.
How do I use the transcript with AI tools?
Simply use the one-click copy button to copy the transcript, then paste it into ChatGPT or your favorite AI tool. Ask the AI to summarize content, extract key points, or create notes.
Timestamp Navigation
Soon you'll be able to click any part of the transcript to jump to that exact moment in the video.
Have a feature suggestion? Let me know!Get Our Chrome Extension
Get transcripts instantly without leaving YouTube. Install our Chrome extension for one-click access to any video's transcript directly on the watch page.