Supports de cours sur le cycle de vie, la qualité, la gouvernance et la valeur des données.
Mes enseignements
Cours, TD & TP
Des supports structurés, reliés à leurs présentations Slidev, leurs exercices et leurs preuves attendues.
Navigation rapide
Aucun contenu ne correspond à ces critères.
Extension TD projetée sur les sources, la provenance, les droits d’utilisation et la valeur des données.
Travaux pratiques sur l’acquisition, l’exploration, le nettoyage, les indicateurs et la restitution.
Mettre en place une chaîne traçable, reproductible et vérifiable pour une expérience de machine learning.
Identifier les informations manquantes et proposer un manifeste minimal de reproductibilité.
Mettre en œuvre une chaîne minimale reliant code, données, paramètres et métriques.
Construire une chaîne Requests → réponse brute → BeautifulSoup/Pandas → CSV, avec une provenance vérifiable et un repli local.
Mettre en place un petit pipeline de machine learning versionné avec DVC, paramétré avec YAML et suivi avec MLflow.