or
Cet exercice fait partie du cours
Dans ce premier chapitre, vous aborderez les étapes fondamentales de tout projet de Machine Learning : la conception d’un cas d’usage de bout en bout, l’analyse exploratoire des données et la préparation des données. À la fin du chapitre, vous aurez une compréhension solide des premières étapes d’un projet de Machine Learning, de la définition du cas d’usage à la préparation des données pour les traitements ultérieurs et l’entraînement du modèle.
Ce chapitre explore en profondeur les processus essentiels d’entraînement et d’évaluation des modèles. Il comprend quatre leçons complètes, axées sur différents aspects de l’ingénierie et la sélection des features, l’entraînement du modèle, la journalisation des expériences et l’évaluation du modèle.
Ce chapitre aborde les éléments essentiels du déploiement de modèles, une phase clé du cycle de vie du Machine Learning. En commençant par les tests, il se poursuit avec les composants d’architecture, en mettant l’accent sur les feature stores et les registres de modèles. Nous explorerons ensuite l’empaquetage et la conteneurisation. Le chapitre se termine par une vue d’ensemble de l’intégration continue et du déploiement continu (CI/CD).
Dans le chapitre final, vous aborderez les subtilités de la surveillance des modèles, une phase déterminante du cycle de vie du Machine Learning.
Exercice en cours