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.

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.