4 Domaines avant Machine learning 0 Domaines ensuite
Compétences · Machine learning
Machine learning
10 compétences à acquérir.
Commencer · Cadrer un problème de machine learning : choisir la famille d'apprentissage et situer le travail dans le cycle de vie du projetToutes les compétences
- 10 compétences à acquérir dans ce domaine
- 1 étape dans l’ordre où on les apprend
- 0/10 acquises selon votre progression, dans ce navigateur
- 4 domaines prérequis à connaître avant d’entrer ici
Votre chemin
Les étapes du domaine
Dans l'ordre où on les apprend : chaque étape s'appuie sur la précédente. Votre état est calculé dans votre navigateur, à partir de ce que vous avez lu et réussi (quiz, labs).
-
Cadrer, outiller, entraîner et reproduire des modèles de machine learning
Voir les 10 compétences
- 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
- 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)
Aucune compétence ne correspond à ce filtre.