Apprentissage appliqué

Des campagnes de machine learning réelles, racontées et enseignées de bout en bout : le problème, les données, les méthodes — celles qui ont marché et celles qui ont échoué, avec les chiffres des deux.

Là où la catégorie Modèles analyse des systèmes construits par d'autres, celle-ci documente des systèmes construits ici, avec accès complet aux expériences, aux erreurs et aux mesures.

Recherches disponibles

Prédire les matchs de CS2

Un cours complet (~8-10 h de lecture) tiré d'une campagne d'août 2026 : prédire l'issue des matchs professionnels de Counter-Strike 2 avec des probabilités calibrées. Systèmes de rating (Elo, Glicko, TrueSkill, pi-ratings), régression logistique contre gradient boosting, ingénierie de features sous contrainte d'intégrité temporelle, acquisition de données (Cloudflare, archives, APIs tierces), et une méthodologie expérimentale éprouvée par ses propres incidents. De 56 % à 67,9 % de réussite, mesurés sur 1 146 matchs jamais vus.