Retour aux cas pratiques
MLOpsAvancé
Correction d’un déploiement sans gestion de configuration centralisée
Scénario
Contexte : Les hyperparamètres sont codés en dur dans le script d’entraînement. Le Problème : Les modifications nécessitent changement manuel du code. Extrait logique actuelle : learning_rate = 0.01 batch_size = 32 Contraintes : Externaliser configuration dans fichier dédié. Permettre modification sans changer le code. Assurer traçabilité des paramètres utilisés. Livrable attendu : Proposer une gestion de configuration claire et maintenable pour pipeline ML.
Compétences ciblées
configuration-managementreproducibilitypipelinebugfixbest-practices