🧪 MLflow Tracking
Suivi des expériences, métriques d'entraînement, comparaison des runs et registre des modèles. Accès authentifié.
📦 Dépôt GitLab
Code source, CI (prétraitement & tests), notebook d'entraînement et documentation des étapes.
🎓 Moodle
Dépôt des prédictions CSV GXLN.csv à chaque lot et accès aux énoncés.
Feuille de route (projet 2)
- Étape 1 — Analyse & prétraitement : analyse des lots (couverture d'annotation, classes), extraction précise du poisson (seuil de fond + composantes connexes), recadrage, niveaux de gris, export lot 0 (
outputs/lot0_v1, 100 images). - Étape 2 — Architecture CNN :
FishCNN, un tronc convolutif et une tête par attribut, masque des labels manquants (-100). - Étape 3 — Entraînement notebook :
notebooks/02_entrainement_mlflow.ipynb, suivi MLflow, augmentation légère, courbes de validation. - Briques bonus en cours : DVC (versionnement données), Optuna (HP), appli web.