
288
Annexe B Liste de contrôle de projet de Machine Learning
LANCER EN PRODUCTION !
1. Préparer votre solution pour la mettre en production (la raccorder
aux sources de données de production, écrire les tests unitaires, etc.).
2. Écrire le code qui vériera à intervalles réguliers les résultats fournis
par votre système en fonctionnement et déclenchera des alertes en
cas de problème.
– Rester attentif à la dégradation progressive: les modèles tendent à
«vieillir» avec l’évolution des données.
– Prévoir éventuellement un pipeline humain pour la mesure des
performances (p. ex. via un service de crowdsourcing).
– Surveiller également la qualité ...