Vous avez entraîné votre premier modèle. Vous avez calculé les métriques. Le R2 tend vers 0,99.

Que fait un débutant typique ? Il se réjouit, court chez le client pour demander une prime et supplie de déployer cette merveille en production.
Que fait une personne expérimentée ? Elle grisonne, boit nerveusement son café et cherche où se trouve la fuite de données.

Dans le monde réel, les métriques parfaites sont presque inexistantes. Si votre modèle devine tout, c'est qu'il triche. Un modèle doit fonctionner sur des données nouvelles, jamais vues auparavant. Pour cela, il faut comprendre la logique de validation, et pas simplement copier-coller train_test_split par habitude.

Voici ce que nous allons étudier dans la nouvelle saison du Master Group en ML. Au programme :
🟢 5 sessions : des bases de l'apprentissage automatique jusqu'à la construction et la validation de modèles linéaires de base.
🟢 1 session — pratique en équipe. Assez de regarder passivement des cours. Vous résoudrez un problème pratique en équipe, puis nous analyserons ensemble les résultats (et verrons qui a fait des erreurs).
🟢 Les enregistrements et mes fichiers de code restent bien sûr avec vous. Vous les récupérez et les utilisez comme aide-mémoire dans votre travail.

🗓 La première session a lieu demain à 11h00, heure de Moscou.

Pour ceux qui mettent du temps à se lancer — les portes sont encore entrouvertes. Si vous êtes intéressé, écrivez-moi en privé @obulygin91 ◀️