الوصف المفصّل

Je reprends le notebook et je le transforme en code structuré : préparation, entraînement, évaluation, prédiction, chacun testé. J’enregistre les expériences dans MLflow et les données dans DVC, puis j’expose le modèle via FastAPI dans un conteneur. Evidently compare chaque semaine les données reçues avec celles de l’entraînement. Je termine par un passage de relais avec la personne qui maintiendra le modèle. Basé à Mila, je reste joignable pendant toute la durée de la mission. Outils utilisés : DVC, FastAPI, Evidently, MLflow. Comptez environ 12 jours une fois le brief validé.

المشكلة التي يحلّها

Un data scientist a construit un modèle prometteur, mais il tourne à la main sur un ordinateur portable. Personne ne sait quand il a été entraîné ni avec quelles données.

النتيجة الموعودة

Un modèle servi par API, versionné avec ses données et ses paramètres, surveillé pour la dérive et réentraînable par une commande documentée.

الوظائف

• code d’entraînement restructuré et testé
• registre de modèles MLflow
• API de prédiction conteneurisée
• rapport de dérive hebdomadaire
• procédure de réentraînement

باختصار

مجال النشاط

أخرى

المنصات والتوافق

• واجهة برمجية
• لينكس

التقنيات

• Evidently
• DVC
• MLflow
• pytest
• Docker
• FastAPI

لغات الواجهة

الفرنسية · العربية

الولاية

ميلة

الثقة

• راجع فريق Elite.red البطاقة ووافق عليها

الشروط