Auto-évaluation: C5 - N2

C5. Concevoir le programme d’intelligence artificielle adapté aux données disponibles afin de répondre aux objectifs fonctionnels du projet, à l’aide des algorithmes, outils et méthodes standards, notamment de machine learning et de deep learning

                Niveau 1


    Groupe d'actions à réaliser

Contexte professionnel

J'exécute plusieurs modèles préparés et analyse les résultats.

Actions à réaliser

Argumenter les choix d'algorithmes, outils et méthodes par rapport à un besoin

    Critères d'évaluation

Critères de validation

L'argumentation est correcte au regard des données et du besoin fonctionnel.

Eléments à fournir

Algorithme, outils et méthode proposée pour un cas métier

                Niveau 2  


    Groupe d'actions à réaliser

Contexte professionnel

J'améliore un la conception d'un programme d'IA, en adaptant ou changeant un modèle ou en proposant un outil plus adapté.

Actions à réaliser

Proposer et argumenter un changement d'algorithme  
Proposer et argumenter des outils plus adaptés  
Proposer et argumenter une méthode d'entrainement alternative


    Critères d'évaluation

Critères de validation

L'algorithme alternatif est pertinent et bien argumenté  
L'outil alternatif est pertinent et bien argumenté  
La méthode alernative est pertinente et bien argumentée

Eléments à fournir

Demande client  
Process à adapter  


                Niveau 3


    Groupe d'actions à réaliser

Contexte professionnel

Je conçois un modèle d'IA répondant à un besoin exprimé et des données fournies.

Actions à réaliser

Justifier le choix d’un algorithme (par exemple de machine learning ou de deep learning) au regard des objectifs du projet et des données disponibles,

Sélectionner les outils adaptés à l’implémentation de l’intelligence artificielle.

Formaliser, dans le cas d’un algorithme de machine learning ou de deep learning, la méthode d'entraînement et/ou de surentraînement.

    Critères d'évaluation

Critères de validation

Le choix de l’algorithme est justifié : le type d’algorithme est cohérent avec les données disponibles et le besoin fonctionnel,  
Le choix des outils est pertinent au regard des fonctionnalités, des données, et du besoin en prédiction, interprétation et/ou classification,  
La méthode d'entraînement, dans le cas d’un algorithme de machine learning est complète et comprend toutes les étapes nécessaires à l’apprentissage : partitionnement des données, méthode de validation.

Eléments à fournir

Expression du besoin  
Données préparées

1 - Outils: Bibliothèque sklearn

2 - question clefs. Algo le mieux adapté pour répondre à la problématique

3 - deep learning non abordé a ce jour

4 - N2