Compétence · Machine learning · Cadrer, outiller, entraîner et reproduire des modèles de machine learning
Préparer un poste de data science reproductible : environnement conda épinglé et notebook Jupyter qui s'exécute de bout en bout
Installer Miniforge après avoir vérifié son empreinte SHA-256, créer et activer un environnement conda aux versions épinglées sur le canal conda-forge, l'exporter avec --from-history ou en fichier figé puis le recréer pour prouver qu'il se reproduit, lancer JupyterLab dans cet environnement, exécuter des cellules de code et de Markdown, reprendre la main sur le kernel, et prouver qu'un notebook s'exécute de haut en bas dans un kernel neuf avec jupyter nbconvert --execute.
Commencer la leçon 1Le domaine Machine learning
- 3 leçons
- ~1 h 10 de lecture
- 3 quiz
- 0 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
Cette compétence, pour vous
Préparer un poste de data science reproductible : environnement conda épinglé et notebook Jupyter qui s'exécute de bout en bout
Calcul en cours
Elle débloque · rien encore
Aucune autre compétence ne la demande : c'est une compétence de bout de chemin.
Le chemin des bases De la base la plus en amont jusqu'à cette compétence : ce qui est en place, ce qu'il reste à lire.
Leçons
Comment l'apprendre
3 leçons, soit ~1 h 10, dans l'ordre du programme. Chaque leçon se termine par son quiz.
Le programme
3 leçons · ~1 h 10
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
3 quiz
En fin de leçon : réussis à 70 %, ils confirment la compétence.
Pratiquer
Aucun lab guidé
Aucun lab guidé ne la fait encore pratiquer.
Épreuve
Aucune épreuve
Ni challenge, ni mission avec une preuve pour l'instant.
Test de positionnement
Préparation des questions…
Le détail de vos réponses
Pour chaque question posée : votre réponse, la bonne réponse, son explication et la page à relire.
Autour
Qui la demande, qui l'enseigne
Demandée par
Aucun métier publié ne la demande encore.
Enseignée par
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
- 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
- Versionner un jeu de données hors de Git et en retrouver une version exacte (DVC)
- 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)