📊Analyse de données

Gérer la dérive conceptuelle dans les modèles

Maintenir la performance du modèle dans le temps

Créer des caractéristiques textuelles avec le TAL

Extraire des caractéristiques de données textuelles

Optimiser les hyperparamètres avec Optuna

Optimiser les hyperparamètres d'un modèle

Implémentation du déploiement fantôme

Déployer de nouveaux modèles de ML en toute sécurité

Configurer la surveillance des modèles

Surveiller les modèles en production

Rédiger une fiche modèle

Documenter les modèles de ML de manière responsable

Générer des caractéristiques d'interaction

Découvrir les interactions entre caractéristiques

Analyser les motifs de données manquantes

Gérer stratégiquement les données manquantes

Expliquer les prédictions d'un modèle avec SHAP

Rendre les prédictions du modèle explicables

Encoder des variables catégorielles

Encoder des caractéristiques catégorielles

Appliquer la réduction de dimensionnalité

Réduire les données de haute dimensionnalité

Profilage de la latence d'inférence du modèle

Optimiser la vitesse d'inférence du modèle