« Évaluer et remplacer des modèles en Java ML » est une formation pratique qui vous apprend à évaluer, comparer et remplacer en toute confiance des modèles d’apprentissage automatique dans des applications Java. Vous découvrirez pourquoi une précision élevée peut tout de même conduire à des échecs dans les systèmes réels, et comment des indicateurs tels que la précision, le rappel, le score F1 et l’AUC-ROC révèlent l’impact réel des décisions prises par les modèles, en particulier avec des ensembles de données déséquilibrés. Grâce à des tests de performance pratiques dans Weka ou Smile, vous comparerez plusieurs algorithmes (régression logistique, arbres de décision, SVM) et analyserez les compromis en fonction des conséquences métier, et non pas uniquement des résultats des classements.

Vous repenserez également votre architecture d’apprentissage automatique pour plus de flexibilité, en appliquant le développement piloté par les interfaces et le modèle de stratégie afin de rendre les modèles interchangeables sans modifier le reste du système. Enfin, vous mettrez en place des mesures de protection tout au long du cycle de vie des modèles, notamment la gestion des versions, les déclencheurs de réévaluation et des procédures de retour en arrière sécurisées, afin que les modèles déployés restent fiables à mesure que les données évoluent. Ce cours s’adresse aux apprenants disposant de compétences de base en Java et souhaitant évaluer, comparer et mettre à niveau en toute confiance des modèles d’apprentissage automatique dans des applications concrètes. Les apprenants doivent maîtriser les bases de la programmation Java et avoir une compréhension générale des concepts d’apprentissage automatique et des ensembles de données. À l’issue de cette formation, vous saurez comment sélectionner le modèle le mieux adapté à la tâche à accomplir aujourd’hui — et le mettre à niveau rapidement lorsque les besoins de demain évolueront.