1 Prérequis Cette compétence 1 Débloquées

Compétence · Machine learning · Cadrer, outiller, entraîner et reproduire des modèles de machine learning

Versionner un jeu de données hors de Git et en retrouver une version exacte (DVC)

Suivre un jeu de données avec DVC et lire le pointeur que dvc add écrit, déclarer un remote S3 dont les clés d'accès restent dans l'environnement et jamais dans le dépôt, commiter le pointeur puis pousser le contenu par dvc push, restituer le jeu sur un clone vierge par dvc pull et le vérifier par son empreinte, revenir à une version antérieure par git checkout puis dvc checkout, et contrôler par dvc status et dvc status -c que dépôt, cache local et remote sont synchronisés.

Commencer la leçon 1Le domaine Machine learning

• 1 leçon
• ~1 h 05 de lecture
• 1 quiz
• 1 lab de preuve

Le chemin

D'où elle vient, où elle mène

Ce qu'il faut savoir avant, où vous en êtes sur cette compétence, et ce qu'elle ouvre ensuite. Votre état se calcule dans votre navigateur, à partir de ce que vous avez lu et réussi.

Avant · 1 prérequis

• Collaborer sur un dépôt distant et débloquer un conflit

Cette compétence, pour vous

Versionner un jeu de données hors de Git et en retrouver une version exacte (DVC)

Calcul en cours

Elle débloque · 1 compétence

• Rendre un entraînement reproductible et le décrire en pipeline paramétré rejoué à l'identique (uv, DVC)

Leçons

Comment l'apprendre

1 leçon, soit ~1 h 05, dans l'ordre du programme. Chaque leçon se termine par son quiz.

Le programme

1 leçon · ~1 h 05

1. 1DVC : versionner ses données avec un stockage S3· 65 min

Au-delà des leçons

S'évaluer, pratiquer, passer l'épreuve

Lire une leçon ne confirme rien. Une compétence se confirme par un quiz réussi, se travaille en lab guidé, et se met à l’épreuve par un challenge ou une mission ; un résultat de lab importé n’est pas vérifié par le site.

S'évaluer

1 quiz

En fin de leçon : réussi à 70 %, il confirme la compétence.

Pratiquer

1 lab guidé

• Retrouver la version exacte d'un jeu de données

Épreuve

1 preuve pratique

• Épreuve : rendre un modèle reproductible et traçable

Une preuve pratique est un challenge, un capstone ou un lab déclaré.

Autour

Qui la demande, qui l'enseigne

Demandée par

Aucun métier publié ne la demande encore.

Enseignée par

• MLOps

Même bloc · Cadrer, outiller, entraîner et reproduire des modèles de machine learning

• Cadrer un problème de machine learning : choisir la famille d'apprentissage et situer le travail dans le cycle de vie du projet
• Préparer un poste de data science reproductible : environnement conda épinglé et notebook Jupyter qui s'exécute de bout en bout
• Entraîner une régression linéaire et l'évaluer sur un jeu de test (scikit-learn, R², RMSE)
• Regrouper des données sans étiquettes avec k-means et choisir le nombre de groupes (coude, silhouette)
• Entraîner un petit réseau de neurones sur CPU avec PyTorch et lire sa frontière de décision
• Rendre un entraînement reproductible et le décrire en pipeline paramétré rejoué à l'identique (uv, DVC)
• Tracer chaque entraînement sur un serveur de suivi et retrouver le run qui a produit un modèle (MLflow)
• Enregistrer un modèle, le versionner et le désigner par alias avec sa lignée (MLflow)
• Tester données et modèle avant promotion : schéma, bornes, seuil et non-régression face au champion (pytest)

×

📖 Voir la documentation →