Parfois, les gens gèrent des projets d’apprentissage automatique comme s’il s’agissait de projets de développement de logiciels. Parfois, ils utilisent des approches qui ont évolué et « fonctionnent simplement pour eux ». Et parfois ils ne les gèrent pas du tout ! Mais la communauté “au courant” a mis au point des approches et des techniques qui permettent d’éliminer les risques des projets ML et de créer des résultats de haute qualité sans épuiser des équipes précieuses dans le processus. J’ai écrit tout cela dans le livre Managing Machine Learning Projects: From Design to Deployment (Manning, 2022). Dans cet exposé, je donnerai un aperçu de la méthodologie et des motivations qui la sous-tendent. Les participants apprendront : – Comment démarrer un projet ; – Ce sur quoi l’équipe doit se concentrer dès le départ ; – D’où viennent les risques ; – Comment gérer le processus de développement du modèle ; – Pourquoi l’évaluation est fondamentale pour réussir; – Comment et pourquoi intégrer l’éthique dans le processus ; – Ce qui doit être pris en compte lors de l’intégration de ML dans les applications.
