\[\definecolor{red}{RGB}{255,0,0}
\definecolor{purple}{RGB}{154,0,154}
\definecolor{blue}{RGB}{0,0,224}
\definecolor{green}{RGB}{0,187,0}
\definecolor{yellow}{RGB}{255,234,0}
\definecolor{pink}{RGB}{255,77,166}
\definecolor{orange}{RGB}{255,120,0}
\definecolor{grey}{RGB}{128,128,128}
\definecolor{black}{RGB}{0,0,0}
\definecolor{white}{RGB}{255,255,255}
\newcommand{\R}{\_mathbb{R}}
\newcommand{\Z}{\mathbb{Z}}
\newcommand{\N}{\mathbb{N}}
\newcommand{\P}{\mathbb{P}}
\newcommand\given[1][]{\:#1\vert\:}
\DeclareMathOperator{\Corr}{Corr}
\DeclareMathOperator{\Cov}{Cov}\]
Conception d’un modèle¶
Il s’agit de se poser un certain nombre de questions qui vont nous permettre de construire le meilleur modèle pour nos données.
TODO: Détailler et expliquer chaque étape sous forme de sous-chapitre
- L’objectif ?
- Classification
- Régression
- Les données ?
- Leur type ?
- Qualitatives
- Quantitatives
- Leur quantité ?
- Leur qualité ?
- A-t-on des annotations ?
- Leur type ?
- Choix du modèle ?
- Quelles sont les restrictions de l’environnement cible du modèle ? À quelle vitesse les prédictions doivent être faites ? Quelles restrictions Hardware (GPU ou pas) ? Etc.
- Par quel modèle commencer ? Mes données peuvent-elles permettre d’entrainer un modèle ?
- Le pré-processing ?
- Comment va-t-on stocker nos données, sous quel format, pour faire l’apprentissage ?
- Comment va-t-on stocker nos données, sous quel format, pour réaliser nos prédictions ?