TensorFlow
Fondamental
Correction d’un modèle sans normalisation des données d’entrée
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
preprocessing
normalization
keras
bugfix
training
Scénario Technique
Contexte : Un modèle TensorFlow converge lentement et donne des résultats instables. Le Problème : Les données d’entrée ne sont pas normalisées. Extrait logique actuelle : model.fit(raw_data, labels) Sans transformation préalable. Contraintes : Appliquer normalisation ou standardisation avant entraînement. Réentraîner modèle. Comparer convergence. Livrable attendu : Proposer une correction intégrant une étape de prétraitement adaptée.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.