Je vais concevoir des modèles d'IA explicables en ML

Je crée des modèles d'apprentissage automatique qui ne se contentent pas de prédire, ils expliquent pourquoi. En utilisant XGBoost, LightGBM et SHAP/LIME, je conçois des modèles à la fois précis et interprétables, ce qui est exactement ce dont la plupart des cas d'usage académiques et commerciaux ont besoin.

Mon projet phare, un système de scoring de crédit explicable (AUC 0,82+), a été présenté sous forme d'article IEEE lors d'une conférence internationale, donc ce n'est pas de la théorie, c'est un travail éprouvé.

Ce que je propose :

• Prétraitement des données et ingénierie des caractéristiques
• Construction de modèles (XGBoost/LightGBM/ensembles empilés)
• Optimisation des hyperparamètres avec Optuna
• Graphiques d'explicabilité SHAP/LIME
• Code Python propre et documenté
• Déploiement optionnel via API Flask

Que ce soit pour un projet universitaire, un article de recherche ou un cas d'usage professionnel, je livrerai un modèle que vous pourrez réellement expliquer à quelqu'un d'autre, pas une boîte noire.