Aperçu
En quoi consiste ce défi.
Créez cinq variables dérivées, comparez trois modèles supervisés et améliorez la prédiction de la qualité du vin pour obtenir un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Le domaine ne dispose d'aucun outil objectif pour prédire la qualité d'un vin avant mise en bouteille, ce qui entraîne des lots déclassés tardivement et des pertes commerciales.
Earning criteria — what you'll demonstrate
- Concevoir et justifier des variables dérivées à partir de connaissances métier et d'analyse exploratoire
- Comparer rigoureusement plusieurs familles de modèles supervisés via la validation croisée (méthode qui entraîne le modèle sur plusieurs sous-ensembles des données pour estimer sa performance réelle)
- Interpréter les métriques d'évaluation (exactitude, F1-score, matrice de confusion) dans un contexte métier concret
- Structurer un pipeline de Machine Learning reproductible de bout en bout
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 référenceAnalyste de Données
Ce défi développe la capacité à transformer des données brutes en variables exploitables et à communiquer des résultats chiffrés, compétences centrales du quotidien d'un analyste de données dans l'agroalimentaire ou tout autre secteur.
Ce défi renforce
- feature-engineering
- model-evaluation
- classification-regression
Ingénieur en Apprentissage Automatique
La construction d'un pipeline reproductible de bout en bout, la comparaison systématique de modèles et la validation croisée sont des pratiques quotidiennes de l'ingénieur ML en environnement de production.
Ce défi renforce
- cross-validation
- classification-regression
- feature-engineering
Consultant en Science des Données
Traduire un besoin métier (prédire la qualité du vin) en un problème de modélisation, puis restituer les résultats de manière accessible, reflète exactement le travail d'un consultant data science auprès de PME.
Ce défi renforce
- model-evaluation
- feature-engineering
- cross-validation