Le cours « Choisir rapidement des algorithmes d’apprentissage automatique rentables » vous apprend à évaluer et à comparer les algorithmes d’apprentissage automatique en fonction de leur utilisation des ressources, et pas seulement de leur précision. Dans les pipelines d’apprentissage automatique réels, le temps d’entraînement, l’empreinte mémoire et le coût de calcul déterminent si un modèle peut fonctionner de manière fiable à grande échelle. Au cours de cette formation courte et pratique, vous examinerez l’impact de la conception des algorithmes sur leur efficacité, apprendrez à comparer équitablement les modèles et à interpréter les journaux pour mettre en évidence les tendances en matière de coûts. Vous réaliserez un atelier pratique consistant à comparer XGBoost et Random Forest sur un vaste ensemble de données, à représenter graphiquement le temps d’entraînement et l’utilisation de la mémoire, puis à formuler une recommandation claire quant à l’option la plus rentable. À l’issue de ce cours, vous saurez sélectionner des algorithmes qui répondent à vos objectifs de performance tout en restant efficaces, prévisibles et prêts à être déployés en production.