Articles approfondis sur le machine learning, l'ingénierie IA et la data science en production
Étude d'un algorithme d'optimisation multi-objectif (PSO + Lexicographique) et de prévisions basées sur le Stacking de réseaux de neurones pour la gestion énergétique sous le code tarifaire marocain.
Une approche hybride combinant CNN et BiLSTM, optimisée par algorithme génétique, pour prévoir le PIB trimestriel réel du Maroc sous stratégie de fenêtre extensible.
Découvrez le fonctionnement interne de Random Forest, pourquoi il évite l'overfitting, et comment le construire avec Scikit-Learn en Python.
Évitez ces pièges courants en ML : de la fuite de données lors du prétraitement à l'évaluation avec de mauvaises métriques.
Découvrez les techniques les plus puissantes pour créer des variables qui boostent la performance de vos modèles sur données tabulaires.
Un cadre structuré pour choisir le bon algorithme selon la taille des données, le type, le besoin d'explicabilité et la latence.
Découvrez l'Accuracy, la Precision, le Recall, le F1-Score et la ROC-AUC, et quand utiliser chacun d'eux pour évaluer vos modèles.
Comprenez le compromis biais-variance et découvrez les principales techniques pour éviter l'overfitting de vos modèles.
Construisez des workflows ML propres et prêts pour la production avec les Pipelines et ColumnTransformer de Scikit-Learn.
Une vue d'ensemble des techniques de Explainable AI (XAI) comme SHAP et LIME pour rendre transparents les modèles boîte noire.
Apprenez à utiliser Optuna pour des recherches d'hyperparamètres efficaces basées sur l'optimisation bayésienne.
Découvrez comment la combinaison de plusieurs modèles faibles crée un modèle fort grâce au bagging, boosting et stacking.
Je construis des modèles ML sur mesure, des chatbots RAG, des pipelines de données et des APIs en production — de l'analyse au déploiement.