L’apprentissage automatique dans la vraie vie

Introduction

1. Remerciements
2. Pour qui ?
3. Pourquoi ?
4. Comment ?
5. Garder l’esprit ouvert
6. Que signifie mettre un modèle en production ?
7. Dans quelle mesure doit-on s’inspirer du développement logiciel classique ?
8. Clarifications lexicales
9. L’idée de mise en production doit être présente dès le début du projet

Automatiser un système prédictif

1. Quelle part d’automatisation est souhaitée et acceptable dans le machine learning ?
2. Construire un socle solide avec des données pérennes
3. Automatiser l’entraînement
4. Automatiser l’inférence

Tirer profit du machine learning en production

1. Maîtriser son impact et détecter des bugs avec le monitoring
2. Les spécificités du monitoring en data science
3. Passer à l’échelle

Conduire le succès d’un système prédictif

1. Donner confiance dans le modèle
2. Organiser son équipe

Conclusion

1. Aperçu d’autres formes de machine learning
2. Le mot de la fin

Les resources qui m’ont aidé à écrire ce guide