Modèle substitut et incertitude pour le contrôle d'une fermentation
Aperçu
En quoi consiste ce défi.
Construisez un modèle substitut avec incertitude pour le contrôle d’une fermentation et obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment prédire la trajectoire thermique d'une cuve en fermentation, avec une incertitude fiable, pour décider quand la refroidir ?
Earning criteria — what you'll demonstrate
- Construire un modèle substitut d'un procédé physique couplé à partir de données de capteurs
- Réaliser une analyse exploratoire de séries temporelles pour comprendre un système dynamique
- Quantifier l'incertitude d'une prévision par simulation de Monte-Carlo
- Évaluer la calibration d'intervalles de confiance via leur taux de couverture réel
- Traduire un résultat de modélisation scientifique en recommandation opérationnelle simple
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 référenceApplied AI Scientist
Vous reliez données de capteurs, dynamique physique et quantification d'incertitude calibrée, puis vous traduisez le résultat en décision : cette chaîne complète est exactement ce qu'un scientifique en IA appliquée doit maîtriser pour rendre un modèle utile à un métier.
Ce défi renforce
- monte-carlo-simulation
- uncertainty-quantification
- exploratory-data-analysis