import pandas as pd REF_MEAN, REF_STD = 70.0, 10.0 # statistiques du jeu d'entraînement def controle_lot(df: pd.DataFrame) -> list[str]: erreurs = [] # 1. valeurs manquantes : à mesurer AVANT toute imputation if df["temp_c"].isna().mean() > 0.01: erreurs.append("trop de valeurs manquantes") # 2. plage physique hors_plage = ~df["temp_c"].dropna().between(0, 120) if hors_plage.mean() > 0.005: erreurs.append("valeurs hors plage") # 3. décalage de la moyenne, en écarts-types de référence if abs(df["temp_c"].mean() - REF_MEAN) > 0.5 * REF_STD: erreurs.append("moyenne décalée") return erreurs # dans la chaîne : la porte de déploiement assert not controle_lot(lot), "lot bloqué : ne pas déployer"
Statistiques, finance quantitative, machine learning, deep learning, LLM, agents IA, MLOps : 355 épisodes avec des simulateurs à manipuler, pas des vidéos.
Statistics, quantitative finance, machine learning, deep learning, LLMs, AI agents, MLOps: 355 interactive episodes with simulators to play with, not videos.