Correction d’un modèle TensorFlow surapprenant par architecture excessive

Scénario

Contexte : Un modèle Dense profond atteint 99% sur train mais chute sur validation. Le Problème : L’architecture contient trop de couches et de paramètres. Extrait logique actuelle : Dense(512) -> Dense(512) -> Dense(256) Sans régularisation. Contraintes : Réduire complexité ou ajouter dropout. Comparer performance train/validation. Maintenir stabilité. Livrable attendu : Proposer une correction architecturale réduisant l’overfitting tout en conservant performance.

Compétences ciblées