J’ai parlé avec Razi Raziuddin, le PDG de FeatureByte, de la meilleure façon de préparer les données pour les modèles de ML ; il a également expliqué certains des problèmes les plus courants liés à l’ingénierie des variables.
Parmi les sujets abordés :
- Le processus qui consiste à transformer des données brutes en variables — afin d’entraîner des modèles de ML et de prédire les résultats futurs — s’appelle l’ingénierie des variables. Pourquoi l’ingénierie des variables est-elle si difficile pour les entreprises ?
- Quels conseils donnez-vous aux entreprises sur la meilleure façon de préparer les données pour les modèles de ML ?
- Comment FeatureByte répond-elle aux besoins de ses clients en matière d’ingénierie des variables ?
- Quel avenir pour la préparation des données et les modèles de ML ? Est-ce que cela deviendra plus facile ?
Écoutez le podcast :
Également disponible sur Apple Podcasts
Regardez la vidéo :


