Projet Complet Data&ML Engineering #1 : ETL Python - Fine-Tuning du Modèle de Fondation Chronos

Inscrivez-vous à ma newsletter : https://ia-ingenieur.beehiiv.com/subs... Suivez moi sur LinkedIn : www.linkedin.com/in/léonard-torossian-b69309131 Lien vers mon site avec les instructions détaillées pour terminer le projet de cette vidéo et 9 autres projets IA : https://www.fullstack-ai-engineer.com/ Bienvenue dans cette première vidéo d'une série de 4 vidéos dédiées à la création d'un projet complet de Data et ML engineering. Dans cette vidéo, nous allons aborder les étapes suivantes : Créer un ETL en Python pour récupérer les données de consommation d'électricité des Français via l'API de RTE, structurer les données récupérées et les enregistrer dans un fichier CSV. Utiliser le modèle de fondation Chronos (disponible sur GitHub : https://github.com/amazon-science/chr...) pour prédire la consommation future en mode "zéro shot" (sans ré-entrainer le modèle). Évaluer la performance de Chronos en mode zéro shot. Ré-entrainer Chronos avec les données récupérées grâce à notre ETL. -Évaluer la performance de Chronos après ré-entrainement. Nous verrons que le modèle ainsi obtenu atteint une qualité de prédiction très satisfaisante. Ce modèle sera mis en production dans la vidéo 4 de cette série. À l'issue de cette vidéo, vous serez capable de créer votre propre jeu de données en utilisant l'API de RTE, ou toute autre API similaire, et d'entraîner Chronos sur n'importe quel type de série temporelle pour obtenir rapidement un modèle de haute qualité. Cette approche générique vous permettra de développer de nombreux projets en Data Science et Machine Learning.