Offre

Données et machine learning

Préparation, modèles, évaluation et suivi.

Décrivez votre objectif, vos utilisateurs et votre environnement actuel. Le périmètre et les livrables seront définis après qualification.

Groupes de points violets et cyan devant une courbe de tendance.

Bénéfices

Préparer des données utilisables et évaluer les modèles sur des critères adaptés.

Cas d’usage

Un service veut estimer sa charge à partir d’un historique dont la qualité varie.

Livrables

Analyse des données, référence de comparaison, rapport d’évaluation et plan de suivi.

Démarche

Cadrer le besoin, définir un premier périmètre, valider un prototype puis tester la mise en service.

Limites

Les délais et les intégrations dépendent des accès, de la qualité des données et du périmètre approuvé.