Cours
Surveiller le Machine Learning en Python
AvancéNiveau de compétence
Actualisé 05/2025
PythonMachine Learning3 h11 vidéos38 Exercices2,800 XP3,981Certificat de formation
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprécié par des utilisateurs provenant de milliers d'entreprises
Former une équipe ?
Essayez pour les entreprisesDescription du cours
Découvrez comment surveiller vos modèles ML dans Python.
La surveillance des modèles d'apprentissage automatique garantit le succès à long terme de vos projets d'apprentissage automatique. Le suivi peut s'avérer très complexe, mais il existe des packages Python qui nous aident à comprendre les performances de nos modèles, à identifier les données qui ont changé et qui ont pu entraîner une baisse des performances, et à nous fournir des indications sur les mesures à prendre pour remettre nos modèles sur la bonne voie. Ce cours couvre tout ce que vous devez savoir pour créer un système de surveillance de base en Python, à l'aide du célèbre package de surveillance nannyml.Comprendre le processus de surveillance optimal
La surveillance des modèles ne consiste pas seulement à calculer les performances des modèles en production. Malheureusement, ce n'est pas aussi simple. Particulièrement lorsque les étiquettes sont difficiles à obtenir. Ce cours vous permettra d'acquérir des connaissances sur le processus de surveillance optimal. Cela vous permettra de toujours détecter les défaillances des modèles, d'éviter la fatigue liée aux alertes et d'identifier rapidement la cause du problème.Découvrez comment identifier la cause profonde des problèmes de performance des modèles.
L'analyse des causes profondes constitue un autre élément important de la surveillance des modèles. Ce cours abordera en détail l'utilisation des techniques de détection des dérives de données afin d'identifier la cause profonde des problèmes de performance des modèles. Vous apprendrez à utiliser des techniques de détection de dérive des données univariées et multivariées afin d'identifier les causes potentielles des problèmes liés aux modèles.Prérequis
Monitoring Machine Learning Concepts1
Préparation des données et estimation des performances
Dans ce chapitre, vous découvrirez la bibliothèque NannyML et ses fonctions essentielles. Vous apprendrez d’abord à préparer des données brutes pour créer des ensembles de référence et d’analyse prêts pour le monitoring en production. Comme exemple pratique, vous étudierez la prédiction du montant du pourboire pour des courses de taxi à New York. En fin de chapitre, vous verrez aussi comment estimer les performances du modèle de prédiction des pourboires avec NannyML.
2
Surveillance des performances et valeur métier
Dans ce chapitre, vous découvrirez les calculateurs de performance réalisée utilisés lorsque la vérité terrain devient disponible. Vous verrez des méthodes plus avancées pour exploiter les résultats, notamment filtrer, tracer, les convertir en data frames, les regrouper par blocs (« chunking ») et définir des seuils personnalisés. Enfin, vous appliquerez ces notions pour calculer la valeur métier d’un modèle entraîné sur le jeu de données de réservations d’hôtel.
3
Analyse des causes racines et résolution des problèmes
Après avoir détecté une dégradation des performances du modèle de réservation d’hôtel, vous apprendrez à identifier le problème sous-jacent qui en est la cause. Dans ce chapitre, vous serez initié aux méthodes de détection de dérive multivariée et univariée. Vous verrez également comment identifier des problèmes de qualité de données et comment corriger les causes profondes détectées.
Surveiller le Machine Learning en Python
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant
Rejoignez plus de 19 millions d'utilisateurs et commencez Surveiller le Machine Learning en Python dès aujourd'hui !
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprenez où que vous soyez avec l'application DataCamp
Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.