1
Leçons publiées sans module
11 leçon(s) · 55 min
Aucun résultat de remplacement : la page est en cours de chargement.
Cours · Ouverture des cours et des parcours disponibles
Capstone complet : data → features → ML → API → CI → monitoring → storytelling → post-mortem.
Données pédagogiques publiées
Aucun objectif pédagogique n’est publié pour ce cours. Les titres de leçons ne sont pas transformés automatiquement en promesses d’apprentissage.
Structure publiée
1 module(s) · 11 leçon(s)
11 leçon(s) · 55 min
Analyse exploratoire des données (EDA) et baseline
Explorer les données de manière structurée pour comprendre leurs propriétés et établir une première référence analytique (baseline).
Pipeline de données & qualité
Structurer un pipeline reproductible et garantir la qualité des données avant toute modélisation.
Feature engineering : transformer l’information en signal
Créer, transformer et sélectionner des variables pertinentes pour rendre l’information exploitable par un modèle.
Modélisation et évaluation : apprendre sans se tromper
Choisir un modèle adapté, l’entraîner correctement et évaluer ses performances de manière rigoureuse.
Interprétabilité, biais et limites du modèle
Comprendre ce que le modèle apprend réellement, détecter les biais et identifier les limites avant toute mise en production.
Exposition du modèle : API et mise à disposition
Transformer un modèle entraîné en un service exploitable via une API, en conservant cohérence, sécurité et traçabilité.
Déploiement, monitoring et dérive des données
Mettre un modèle en production, surveiller son comportement dans le temps et détecter les dérives de données ou de performance.
Capstone final — Projet Data end-to-end
Réaliser un projet Data complet et réaliste, de la problématisation au monitoring, en mobilisant l’ensemble des notions du cours.
Storytelling exec
Recommandations actionnables + limites.
Post-mortem
Analyse des risques, dette technique, next steps.
Les ressources du cours sont disponibles après validation de l’accès au contenu.