Classical Machine Learning Fundamentals: Baselines, Features, Metrics, and Leakage
A practical two-hour session on Classical Machine Learning Fundamentals, focused on Baselines, Features, Metrics, and Leakage. Attendees work through concrete engineering tradeoffs, review examples, and leave with a checklist they can apply in real team projects.
Description
section.descriptionUne session pratique de deux heures sur les fondamentaux de l'apprentissage automatique classique, axée sur les bases de référence (baselines), les caractéristiques (features), les métriques et les fuites de données (leakage). Les participants exploreront des compromis d'ingénierie concrets, examineront des exemples et repartiront avec une liste de contrôle qu'ils pourront appliquer dans leurs projets d'équipe réels.
Public cible : développeurs débutants et intermédiaires souhaitant une session d'ingénierie pratique, et non une présentation théorique.
Objectifs :
- Expliquer les limites pratiques des fondamentaux de l'apprentissage automatique classique
- Appliquer des bases de référence dans un petit exemple concret
- Appliquer des caractéristiques dans un petit exemple concret
- Appliquer des métriques dans un petit exemple concret
Format : deux heures comprenant une brève introduction, un exemple concret, une discussion sur les compromis et une liste de contrôle finale pour la mise en pratique.