Deep Learning
Fondamental
Correction d’un réseau entraîné sans séparation train/test
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
data-leakage
classification
evaluation
neural-network
bugfix
Scénario Technique
Contexte : Un modèle de classification d’images affiche 99% de précision. Le Problème : Le modèle a été entraîné et évalué sur le même dataset. Extrait logique actuelle : model.fit(X, y) pred = model.predict(X) Contraintes : Introduire une séparation claire entre train et test. Éviter toute fuite de données. Réévaluer la performance uniquement sur le test. Livrable attendu : Corriger le pipeline pour garantir une évaluation réaliste des performances du réseau.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.