Correction d’un modèle surapprenant sur corpus réduit

Scénario

Contexte : Un modèle NLP profond atteint excellente performance sur train mais chute sur validation. Le Problème : Le corpus d’entraînement est limité et le modèle trop complexe. Extrait logique actuelle : Dense(512) -> Dense(512) Sans régularisation. Contraintes : Introduire dropout ou réduction architecture. Mettre en place validation plus robuste. Comparer performances. Livrable attendu : Proposer une stratégie pour réduire l’overfitting dans un modèle NLP.

Compétences ciblées