Dans ce projet, les apprenants acquerront la compétence de construire et d'évaluer des modèles d'apprentissage automatique à l'aide des forêts de décision TensorFlow pour classer avec précision les espèces de pingouins sur la base de mesures physiques. Ils construiront un modèle d'apprentissage automatique complet sous la direction de l'instructeur. Les apprenants maîtriseront des compétences spécifiques, notamment le prétraitement et le nettoyage des données, la sélection des caractéristiques et l'analyse de l'importance, ainsi que l'évaluation des modèles à l'aide de mesures de performance. Ces compétences permettront aux apprenants de gérer efficacement les défis posés par les données du monde réel. L'avantage de suivre ce projet est qu'il fournit une expérience pratique et concrète de l'application des techniques d'apprentissage automatique à un ensemble de données du monde réel, améliorant ainsi la capacité des apprenants à développer des modèles précis et fiables à des fins écologiques et de conservation. Ce projet est adapté aux débutants TensorFlow ayant un contexte Python décent, y compris la connaissance des classes, des fonctions et une certaine expérience avec pandas ou numpy. Bien que des connaissances conceptuelles liées aux arbres décisionnels et aux forêts aléatoires soient utiles, elles ne sont pas nécessaires.