Outils pour utilisateurs
Outils du site
site:enseignement:master:bdle:tmes:projet2020
Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente | ||
|
site:enseignement:master:bdle:tmes:projet2020 [27/11/2020 11:14] amine [Projet 2] |
site:enseignement:master:bdle:tmes:projet2020 [14/12/2020 09:47] (Version actuelle) amine [Modalités] |
||
|---|---|---|---|
| Ligne 26: | Ligne 26: | ||
| Le notebook des réponses devra contenir les informations suivantes : | Le notebook des réponses devra contenir les informations suivantes : | ||
| - | * Nom(s) et prénom(s) du groupe | + | * Nom(s) et prénom(s) du groupe (monôme ou binôme mais pas au delà) |
| * Description des données utilisées | * Description des données utilisées | ||
| - | * Source : lien | + | * Source : lien vers la source publique des données ou lien de téléchargement si pas de lien publique |
| * Taille : en MB et en nb_lignes | * Taille : en MB et en nb_lignes | ||
| - | * Description breve : domaine, variable à prédire | + | * Description breve des données, quelle est la variable à prédire |
| + | * L'argumentaire demandé dans chacune des taches décrites ci-dessous | ||
| ==== Modalités ==== | ==== Modalités ==== | ||
| - | Rendre un lien vers un **notebook** Databricks + petit compte-rendu (suivant **trame**) | + | Rendre |
| - | Date de remise : **10-12-2020** (voire plus tard si les circonstances ne le permettent pas, mais pas au delà du *20-12-2020*) | + | - un document pdf avec lien vers un **notebook** Databricks contenant **code source** et **informations** décrites ci-haut |
| + | - un document HTML obtenu en exportant votre **notebook** | ||
| + | Date de remise : à partir du **10-12-2020** jusqu'au **20-12-2020 23h59** sur | ||
| + | [[https://moodle-sciences.upmc.fr/moodle-2020/course/view.php?id=3209|Moodle]] | ||
| - | Le sujet traité est la réalisation d’un pipeline ML pour entrainer un arbre de décision pour la *régression* à l’aide de l'API Spark ML décrite en cours, | + | Le sujet traité est la réalisation d’un pipeline ML pour entrainer un arbre de décision pour la *régression* à l’aide de l'API Spark ML décrite en cours, Le langage utilisé est **Scala**. |
| L'objectif principal est d'être confronté à des problématiques réelles rencontrées lorsqu'on traite des données "brutes". | L'objectif principal est d'être confronté à des problématiques réelles rencontrées lorsqu'on traite des données "brutes". | ||
| Vous être libre d'utiliser le dataset de votre choix dont la taille sera entre 10 MB et 50 MB. | Vous être libre d'utiliser le dataset de votre choix dont la taille sera entre 10 MB et 50 MB. | ||
| Ligne 62: | Ligne 66: | ||
| A titre d'exemple, pour un dataset avec des attributs timestamps, envisager une opération roll-up vers le mois ou l'année. | A titre d'exemple, pour un dataset avec des attributs timestamps, envisager une opération roll-up vers le mois ou l'année. | ||
| - | Construire une paire 30%-70%d de jeux de test et d'entrainement. | + | Construire une paire 30%-70% de jeux de test et d'entrainement. |
| Lancer l'entrainement de l'arbre de décision puis afficher ses paramètres. | Lancer l'entrainement de l'arbre de décision puis afficher ses paramètres. | ||
site/enseignement/master/bdle/tmes/projet2020.1606472099.txt.gz · Dernière modification: 27/11/2020 11:14 par amine
Outils de la page
Sauf mention contraire, le contenu de ce wiki est placé sous les termes de la licence suivante : CC Attribution-Noncommercial-Share Alike 3.0 Unported
