Xavier Charef
Data Scientist @ SNCF Connect & Tech
Paris, France
Actions
Data Scientist à SNCF Connect depuis plus de 3 ans, j'ai pu constater de nombreuses fois la difficulté de maintenir un bon niveau qualité concernant la donnée nécessaire à nos produits ML que ce soit lors de l'industrialisation d'un POC, ou lors de la maintenance en production d'un modèle utilisant une donnée dont je n'étais que consommateur.
Area of Expertise
Topics
My ML has Great Expectations !
La performance des systèmes ML (Machine Learning) dépend fortement de la qualité des données en entrée. Établir des tests de qualité de la donnée et limiter la "pipeline debt" font partie des enjeux et du suivi en production d'un produit ML (d'autant plus en mode DataMesh ou DataPlatform).
Si vous aussi vous rencontrez ces problématiques ? Alors la bibliothèque Great Expectations est peut-être faite pour vous.
Dans ce Tools In Action vous découvrirez l'implémentation de Great Expectations pour monitorer la qualité d'un projet. On mettra également au point des alertes efficaces en cas de perte de qualité en production.
Xavier Charef
Data Scientist @ SNCF Connect & Tech
Paris, France
Actions
Please note that Sessionize is not responsible for the accuracy or validity of the data provided by speakers. If you suspect this profile to be fake or spam, please let us know.
Jump to top