Formation au MLOps avec MLFlow pour acquérir les connaissances et les compétences nécessaires à la mise en œuvre de pratiques MLOps, en utilisant des outils tels que MLFlow. Exploration des aspects de la gestion du cycle de vie des modèles de machine learning, du développement à la production, à travers cinq chapitres.

Predicat est une API de classification de libellés de caisse conçue pour faciliter l'analyse sémantique de textes et aider à la catégorisation de dépenses. En lien avec l'application Product Labelling, Predicat permet de classer automatiquement les libellés de caisse en se basant sur des modèles de langue pré-entraînés.

Ce projet utilise des modèles d'intelligence artificielle pour analyser des images satellitaires et détecter des objets spécifiques. Il permet la surveillance de zones géographiques et le suivi de l'évolution de cultures, offrant ainsi des informations précieuses pour divers secteurs d'activité.

Le projet synthetic-data-sdc permet de générer des données synthétiques, respectant les contraintes et les exigences de confidentialité des données personnelles. Il facilite le développement et les tests en simulant des scénarios complexes et variés, tout en préservant la privacy des utilisateurs.

Ce projet offre toutes les fonctionnalités nécessaires pour déployer le modèle de classification APE (Activité Principale Exercée) en utilisant FastAPI et MLflow. Il permet d'exposer le modèle en tant qu'API, facilitant ainsi son intégration dans diverses applications et services.

Ce projet permet d'analyser des images satellites grâce à des algorithmes d'intelligence artificielle. Il est capable de détecter des anomalies et de surveiller des zones géographiques spécifiques.