Vous développerez des paquets Python testables et conformes aux normes pour des applications d'apprentissage automatique. Vous organiserez les dépendances, mettrez en œuvre des tests unitaires et préparerez les paquets en vue de leur intégration dans des pipelines d'apprentissage automatique en production.

Vous mettrez en œuvre un système de contrôle de version, des processus de révision du code et des pipelines CI/CD afin de garantir la qualité du code d'apprentissage automatique. Vous mettrez en place des contrôles automatisés visant à faciliter la collaboration et à assurer la préparation à la mise en production.

Vous serez amené(e) à créer des composants logiciels modulaires et des API destinés à la mise en service de modèles d'apprentissage automatique. Vous devrez concevoir et mettre en œuvre une interface de service structurée permettant un déploiement évolutif des modèles.

Vous appliquerez des pratiques de rédaction claires pour documenter les architectures des modèles, les schémas de données, les procédures d'entraînement et les résultats d'évaluation. Vous structurerez la documentation de manière à améliorer la reproductibilité et la clarté technique.

Vous rédigerez une documentation destinée aux développeurs, qui définira les schémas des requêtes et des réponses, fournira des exemples d'utilisation et proposera des conseils d'intégration. Vous produirez une documentation structurée facilitant la prise en main et la maintenance à long terme du système.

Vous évaluerez un pipeline d'apprentissage automatique en concevant des cas de test complets couvrant des scénarios de tests unitaires, d'intégration et de vérification sommaire. Vous définirez des stratégies de validation permettant de détecter les dérives et les baisses de performances.

Vous créerez des suites de tests de régression automatisés afin de valider les résultats des modèles par rapport à des ensembles de données de référence. Vous configurerez des workflows de test reproductibles permettant un déploiement stable et fiable des modèles.

Dans le cadre de ce projet, vous allez transformer la logique de prédiction du taux de désabonnement en un service d’apprentissage automatique de type production, structuré, testable et plus facile à utiliser pour les autres développeurs. Vous simulerez le travail d’un ingénieur en apprentissage automatique accompagnant une équipe d’analyse produit qui souhaite opérationnaliser les prédictions de risque de désabonnement pour des applications internes. Au lieu de fournir un simple script expérimental, vous structurerez la logique de prédiction en modules Python réutilisables, mettrez en place des tests automatisés pour valider le comportement du système et documenterez l’utilisation du service de prédiction. Au lieu de fournir un simple script, vous devrez : Organiser la logique de prédiction en modules réutilisables Définir une interface de service claire Mettre en place la validation des entrées et la gestion des erreurs Créer des tests automatisés Mettre en œuvre au moins deux pratiques Python avancées (par exemple, la journalisation structurée, les décorateurs, les générateurs, la conception pilotée par la configuration) Documenter le fonctionnement du système, y compris la logique du modèle, la compréhension des données et les résultats d’évaluation Le livrable final démontre comment les fonctionnalités d’apprentissage automatique peuvent être intégrées dans un code structuré sur lequel d’autres applications peuvent s’appuyer. Votre projet achevé représentera un service d’apprentissage automatique de petite envergure mais réaliste, capable de générer des prédictions de désabonnement à partir des données d’engagement des utilisateurs. Le livrable final est un projet d’ingénierie prêt à être intégré à un portfolio, qui reflète les travaux courants de mise en œuvre de l’apprentissage automatique dans des environnements professionnels.