Machine Learning : 5 métriques supplémentaires pour éviter les modèles performants mais inutilisables

Quickie

Room: Paris 243

Scheduled at : Friday 13:00 13:15

Abstract

Vous êtes data scientist ou concepteur/conceptrice de modèles d'Intelligence Artificielle ? Vous avez sans doute l'habitude des Precision/Recall, des matrices de confusion et autres courbes ROC & AUC. Vous êtes au bon endroit pour voir comment aller plus loin pour un projet qui ne s'arrête pas au POC : les performances du modèle c'est important, mais ce n'est pas suffisant.

Vous êtes plutôt dév et ne connaissez rien de tout ça ? Vous êtes aussi au bon endroit. Si vous voulez utiliser un service d'IA ou un modèle existant, vous allez voir dans ce talk d'autres indicateurs permettant de faire une évaluation pour réussir l'intégration à votre application... et challenger vos interlocuteurs.

Marie-Alice Blete

Marie-Alice Blete

Architecte logiciel et Data engineer, Marie-Alice travaille actuellement dans le département R&D de Worldline. Elle prêche les bonnes pratiques d'ingénierie à ses collègues Data Scientists, et s'interesse particulièrement aux problématiques performance et latence associée au déploiement de solutions d'IA.

Speaker's bio
Presentation type Quickie
Track Big Data, Machine Learning, Analytics
Presentation level Intermediate
Keywords Machine learning performance monitoring Artificial Intelligence

Room Paris 243