Vous évaluerez la qualité des données, leur traçabilité et les pratiques de gouvernance afin de garantir la reproductibilité des flux de travail d'apprentissage automatique. Vous mettrez en place des contrôles de validation et des normes de documentation favorisant la traçabilité et la confiance.

Vous mettrez en œuvre des techniques de jointure, d'agrégation et de transformation des données à l'aide de SQL et de Pandas. Vous préparerez des ensembles de données structurés permettant une analyse et une visualisation précises.

Vous évaluerez les conclusions analytiques à la lumière des hypothèses et traduirez les résultats en informations claires, sous forme visuelle et écrite. Vous communiquerez les tendances et les implications de manière à faciliter la prise de décision des parties prenantes.

Vous analyserez les résultats de l'analyse exploratoire des données afin d'orienter les décisions relatives à l'ingénierie des caractéristiques. Vous identifierez des tendances, des différences entre les segments et des signaux statistiques permettant d'améliorer les données d'entrée du modèle.

Vous évaluerez les performances du modèle et son impact sur l'activité à l'aide de tests A/B. Vous interpréterez les résultats des expériences et établirez un lien entre les variations de performances et les résultats mesurables en termes de retour sur investissement.

Vous analyserez des problèmes complexes liés à l'apprentissage automatique en les décomposant en sous-tâches modulaires et réutilisables. Vous identifierez les composants essentiels du système et définirez des limites claires entre eux.

Vous créerez des représentations abstraites, telles que des organigrammes et du pseudocode, afin de guider la mise en œuvre de solutions d'apprentissage automatique. Vous concevrez des artefacts favorisant la clarté, l'évolutivité et la cohérence technique.

Dans le cadre de ce projet, vous devrez concevoir et mettre en œuvre un pipeline de données d’apprentissage automatique de type production, capable de transformer des données brutes structurées en un ensemble de données prêt à être utilisé par un modèle et de générer des informations exploitables. Vous simulerez le travail d’une équipe d’ingénieurs en IA chargée de préparer les données pour la modélisation prédictive et de communiquer les résultats aux parties prenantes. Votre pipeline ingérera les données brutes, effectuera le prétraitement et l’ingénierie des caractéristiques, entraînera un modèle d’apprentissage automatique simple et évaluera ses performances à l’aide de métriques appropriées. Au-delà de la mise en œuvre du pipeline, vous analyserez les résultats du modèle et rédigerez un bref rapport d’analyse expliquant les principales conclusions, les implications en termes de performances du modèle et les améliorations potentielles à apporter au pipeline. Le livrable final est un script ou un notebook Python prêt à être intégré à votre portfolio, accompagné d’une analyse structurée démontrant votre capacité à construire des pipelines de données fiables et à communiquer des informations issues de l’IA dans un contexte professionnel.