Les modèles d'IA de l'ingénieur : Expliquer, régler et expérimenter prépare les gestionnaires de programmes et de projets à guider les projets d'IA au-delà du simple fonctionnement vers la confiance, l'explicabilité et la reproductibilité. Vous apprendrez comment l'ingénierie des caractéristiques et le réglage des hyperparamètres améliorent les performances des modèles, comment les méthodes d'explicabilité telles que SHAP et LIME renforcent la confiance des parties prenantes, et comment l'expérimentation structurée garantit des résultats fiables. Grâce à des scénarios concrets - de l'amélioration des scores F1-score pour la détection des fraudes à la présentation de modèles d'approbation de crédit aux comités de risque, en passant par la planification d'expériences dans Jupyter - vous acquerrez les compétences nécessaires pour poser les bonnes questions, guider les équipes techniques et traduire les résultats de modèles complexes en impact sur l'entreprise. À la fin, vous saurez comment faire passer les projets d'IA de la boîte noire au prêt à l'emploi.