TensorFlow
Fondamental
Correction d’un modèle entraîné sans séparation train/test
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
data-leakage
evaluation
keras
bugfix
model-training
Scénario Technique
Contexte : Un modèle affiche des performances irréalistes proches de 100%. Le Problème : Le modèle est évalué sur les mêmes données que celles utilisées pour l’entraînement. Extrait logique actuelle : model.fit(X, y) model.evaluate(X, y) Contraintes : Introduire une séparation claire train/test. Éviter toute fuite de données. Recalculer les métriques. Livrable attendu : Corriger le pipeline afin d’obtenir une évaluation réaliste des performances.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.