Ekinox
Victor is a Machine Learning Engineer at Ekinox in France. Over the year, he has been seeking to create valuable and maintainable Machine Learning applications by combining the relatively recent field of Data Science with the wisdoms of Software Craftmanship, Product and Systems thinking;
Twitter : @victorlandeau
Blog: https://blog.ekinox.io/
Alors que l'intelligence artificielle est de plus en plus intégrée dans les systèmes logiciels, le test de ces systèmes reste un défi complexe et souvent mal compris. Ces systèmes présentent un ensemble unique de difficultés, de leur nature probabiliste aux processus exploratoires et aux contextes en constante évolution inhérents au développement de modèles de Machine Learning.
Dans ce talk, nous discuterons des processus de développement logiciel que les Data Scientists et Machine Learning Engineers peuvent suivre pour assurer la fiabilité et la maintenabilité de leurs logiciels, tout en conservant la capacité d'explorer rapidement les moyens d'améliorer leurs modèles de Machine Learning en réponse aux dérives des données d'entrée ou aux changements des exigences fonctionnelles.
Les développeurs Python sont souvent confrontés au défi de gérer plusieurs projets qui nécessitent différentes versions de Python et de paquets. De nombreux outils ont été développés pour relever ce défi, parmi lesquels Anaconda est certainement le plus connu et le plus utilisé de nos jours. Néanmoins, en dehors de ses inconvénients connus d'être propriétaire et d'installer toute une jungle de bibliothèques inutiles sans vous demander votre avis, Anaconda et les autres outils traditionnels de gestion des dépendances ne font pas un bon travail pour vous aider à organiser et mettre à jour facilement les dépendances de vos projets.
