📊Analyse de données

Implémentation du déploiement fantôme

Déployer de nouveaux modèles de ML en toute sécurité

Détecter la dérive de données

Surveiller la dérive des données d'entrée du modèle

Rédiger une note d'analyse de données

Partager formellement les résultats d'une analyse

Traduire des métriques techniques pour les parties prenantes

Expliquer les métriques du modèle aux équipes métier

Construire un pipeline d'ingénierie de caractéristiques

Créer des pipelines de prétraitement reproductibles

Sélectionner des caractéristiques à l'aide de plusieurs méthodes

Sélectionner les caractéristiques les plus prédictives

Concevoir un pipeline d'entraînement ML

Automatiser les pipelines d'entraînement ML

Optimiser les hyperparamètres avec Optuna

Optimiser les hyperparamètres d'un modèle

Expliquer les prédictions d'un modèle avec SHAP

Rendre les prédictions du modèle explicables

Analyser les motifs de données manquantes

Gérer stratégiquement les données manquantes

Configurer la surveillance des modèles

Surveiller les modèles en production

Créer un tableau de bord Streamlit

Créer des tableaux de bord ML interactifs