Deep Learning
Avancé
Correction d’un déséquilibre de classes dans un réseau profond
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
imbalanced-data
classification
deep-learning
evaluation
bugfix
Scénario Technique
Contexte : Un modèle de détection d’anomalies comporte une forte majorité de données normales. Le Problème : Le réseau apprend principalement la classe majoritaire. Extrait logique actuelle : model.fit(X_train, y_train) Sans pondération des classes. Contraintes : Introduire class weights ou sur-échantillonnage. Adapter métriques (recall, F1). Comparer résultats. Livrable attendu : Corriger l’entraînement afin d’améliorer la détection de la classe minoritaire.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.