Shots
Séquences gratuites
Mini-cours PRO
Mini-cours PRO
Tous les mini-cours
Bonnes pratiques d’ingénierie
ML classique et Deep Learning
DataXp
FAQ
Rechercher
Se connecter
S’abonner
Fiabilité et Transparence des Prédictions
Interprétabilité des modèles : maîtriser les PDP et les ICE plots
Ton modèle a-t-il vraiment un problème sur cette classe ?
L'étape que la plupart des Data Scientists sautent après la cross-validation
Precision et Recall : la technique du Mindset
Validation out-of-bag : évaluer un Random Forest, avantages et pièges
Calibration des modèles ML (Partie 2) : techniques et limites de l'ECE
Calibration des modèles ML (Partie 1) : tes réseaux de neurones sont-ils trop sûrs d'eux ?
Protège tes modèles en production : maîtrise l'erreur de reconstruction
Maîtriser l'incertitude en Machine Learning avec la Prédiction Conforme
Le piège du Covariate Shift Multivarié dans tes modèles ML
Covariate Shift multivarié : ce que les tests univariés ratent
Et si le meilleur moyen de mesurer l’importance des features était de tout mélanger ?
Tu utilises (probablement) mal tes ensembles train / validation / test
Ne te trompe plus jamais avec TP, TN, FP et FN !
Précision et Rappel : Arrête de te tromper !
Tes embeddings te mentent-ils ? L'erreur à ne jamais commettre.
5 techniques de validation croisée expliquées visuellement
Évaluer une forêt aléatoire sans ensemble de validation
Permutation Feature Importance : mesure l'impact de tes features
Le cheat sheet ultime des métriques de performance en Machine Learning
Accuracy et Loss : le paradoxe de l'entraînement expliqué
Vrais/faux positifs et négatifs : un guide pas à pas avec exercice
