Authentifier un lot de vin contesté grâce à un modèle de densité
Aperçu
En quoi consiste ce défi.
Entraînez un modèle de densité sur des lots authentiques, calculez un score d'anomalie pour un lot contesté et obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Construire un modèle de densité générative sur les profils chimiques authentiques pour juger si les mesures du lot contesté sont statistiquement compatibles avec la production légitime du domaine.
Earning criteria — what you'll demonstrate
- Entraîner un modèle de flux de normalisation pour l'estimation de densité sur des données tabulaires continues
- Distinguer estimation de densité et simple détection de valeurs aberrantes par seuils
- Quantifier l'incertitude d'un score de vraisemblance et l'exprimer avec prudence dans un jugement écrit
- Comparer les compromis entre flux de normalisation, VAE et méthodes classiques de détection d'anomalies
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceData Analyst
Traduire un score statistique complexe en verdict compréhensible pour une direction commerciale est une compétence quotidienne d'un Data Analyst confronté à des litiges qualité ou fournisseurs.
Ce défi renforce
- analytical-reasoning
- assumption-analysis
- ai-assisted-analysis
Risk Analyst
Ce défi entraîne directement à quantifier un risque de fraude à partir de données continues et à produire un jugement chiffré et prudent, cœur du métier d'analyste risques.
Ce défi renforce
- anomaly-detection
- assumption-analysis
- analytical-reasoning
Machine Learning Engineer
L'implémentation d'un modèle de flux de normalisation pour l'estimation de densité prépare à des rôles d'ingénieur en apprentissage automatique manipulant des modèles génératifs sur données tabulaires sensibles.
Ce défi renforce
- normalizing-flows
- anomaly-detection
- ai-assisted-analysis