Cette liste de contrôle vous guidera tout au long de vos projets de Machine Learning. Ceux-ci se dérouleront en huit étapes principales :

1. Cerner le problème et rechercher une vision d'ensemble.
2. Récupérer les données.
3. Explorer les données pour mieux les comprendre.
4. Préparer les données pour mieux exposer leurs structures sous-jacentes aux algorithmes d'apprentissage automatique.
5. Essayer beaucoup de modèles différents et constituer une liste restreinte des meilleurs d'entre eux.
6. Régler finement les modèles et les combiner en une solution finale performante.
7. Présenter votre solution.
8. Lancer, surveiller et maintenir votre système.

Bien sûr, vous pouvez librement adapter cette liste à vos besoins.

Cernir le problème et rechercher une vision d'ensemble

1. Définir l'objectif professionnel.
2. Comment votre solution sera-t-elle utilisée ?
3. Y a-t-il actuellement des solutions ou contournements ?
4. Comment formuleriez-vous le problème (apprentissage supervisé/non supervisé, en ligne/groupé) ?
5. Comment la qualité des résultats sera-t-elle mesurée ?
6. La mesure de performance choisie s'accorde-t-elle à votre objectif professionnel ?
7. Quelle est la performance minimale permettant d'atteindre votre objectif professionnel ?
8. Existe-t-il des problèmes comparables ? Pouvez-vous profiter de cette expérience ou de ces outils ?
9. Existe-t-il une expertise humaine sur la question ?