MLOps
Avancé
Correction d’un déploiement sans gestion de configuration centralisée
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
configuration-management
reproducibility
pipeline
bugfix
best-practices
Scénario Technique
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.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.