Bilan d'ingénieur et suite

Ce que vous savez faire

Poser (x, y, décision), nettoyer sans fuite, choisir baseline et métrique, régler Ridge/Lasso/forêt/boosting, diagnostiquer résidus et matrices, réduire par PCA, entraîner MLP/CNN/encodeur en comprenant forward/backward, livrer pipeline + runs + limites.

Ce qui reste

Le tronc commun est terminé ici. Vous pouvez vous arrêter après vos quatre projets et continuer à pratiquer sur vos propres données. La partie « Approfondissements optionnels » (chapitres 27 à 34) est un menu : LLM/RAG, génératifs, séries temporelles, recommandation, causalité, scale ou audit. Choisissez un thème selon un problème qui vous intéresse ; aucun de ces chapitres ne conditionne la fin du cursus et tous restent accessibles.

Gardez le réflexe : entrée, sortie, ce qui est appris et comment c'est vérifié avant chaque nouvelle abstraction. Pour les outils, repartez des documentations de scikit-learn et PyTorch, que vous savez désormais lire.