Correction d’un pipeline d’entraînement sans séparation des artefacts

Scénario

Contexte : Les modèles, datasets et scripts sont stockés dans le même répertoire sans structure. Le Problème : La traçabilité et la maintenance deviennent complexes. Extrait logique actuelle : project/ model.pkl data.csv train.py Contraintes : Structurer répertoires (data, models, src). Séparer artefacts d’entraînement et code source. Documenter processus. Livrable attendu : Proposer une organisation claire et maintenable du projet MLOps.

Compétences ciblées