Concevoir des workflows de Machine Learning en Python

Dans ce chapitre, vous reverrez les bases d’un workflow d’apprentissage supervisé, avec l’ajustement, le réglage et la sélection des modèles, l’ingénierie et la sélection de caractéristiques, ainsi que les techniques de découpage des données. Vous comprendrez comment ces étapes d’un workflow dépendent les unes des autres, et verrez comment elles peuvent toutes contribuer à, ou au contraire lutter contre le surapprentissage : le pire ennemi du data scientist. À la fin du chapitre, vous serez déjà à l’aise avec l’apprentissage supervisé et prêt à aborder des notions plus avancées dans les chapitres suivants.

Au chapitre précédent, vous avez perfectionné votre maîtrise des workflows d’apprentissage supervisé standard. Dans ce chapitre, vous examinerez de manière critique la façon d’intégrer l’expertise métier dans l’apprentissage supervisé. Cela passe par l’identification de la bonne unité d’analyse, ce qui peut nécessiter de l’ingénierie de caractéristiques à partir de plusieurs sources de données, par le processus parfois imparfait d’étiquetage des exemples, et par la définition d’une fonction de perte qui reflète la vraie valeur métier des erreurs commises par votre modèle de Machine Learning.

Au chapitre précédent, vous avez intégré différents retours d’experts dans votre workflow et les avez évalués en cohérence avec la valeur métier. Il est maintenant temps de pratiquer les compétences nécessaires pour industrialiser votre modèle et garantir qu’il continue de bien performer ensuite, en l’améliorant de manière itérative. Vous apprendrez aussi à diagnostiquer un décalage de distribution des données (dataset shift) et à atténuer l’effet qu’un environnement changeant peut avoir sur la précision de votre modèle.

Dans les chapitres précédents, vous avez bâti une base solide en apprentissage supervisé, y compris le déploiement des modèles en production, mais en supposant toujours la disponibilité d’un jeu de données étiqueté pour votre analyse. Dans ce chapitre, vous relevez le défi de modéliser des données sans labels, ou avec très peu de labels. Vous explorerez la détection d’anomalies, une forme de modélisation non supervisée, ainsi que l’apprentissage fondé sur la distance, où des hypothèses sur la similarité entre deux exemples peuvent se substituer aux labels pour vous aider à atteindre une précision comparable à celle d’un workflow supervisé. À l’issue de ce chapitre, vous vous distinguerez nettement en sachant avec assurance quels outils utiliser pour adapter votre workflow et surmonter des défis courants du monde réel.