Aperçu IA et apprentissage automatique
L’Atelier 4 du parcours Ingénierie système (jour 11 de l’événement : « IA — traitement des données, modélisation ML ») couvre le traitement des données et la modélisation ML avec Python et PyTorch. L’atelier est enseigné de bout en bout à travers la compétition Kaggle RSNA Screening Mammography Breast Cancer Detection : environ 54 000 mammographies DICOM provenant d’environ 11 900 patientes, une cible fortement déséquilibrée (~2 % de positifs), et une métrique F1 probabiliste (pF1) qui note des probabilités prédites plutôt que des seuils durs.
Vous passerez d’images médicales brutes à un classifieur validé en croisé, puis vous améliorerez l’étape de prétraitement comme l’a fait l’équipe gagnante de la compétition.
Ce que vous allez construire
L’atelier est réparti en deux parties pratiques.
- Partie 1 : Base de référence mammographie — décodage et normalisation DICOM, recadrage de la ROI du sein par seuillage, augmentations spécifiques à la mammographie, un classifieur ConvNeXt-small, et une validation croisée à 4 plis stratifiée par patiente, notée avec pF1.
- Partie 2 : Pipeline de ROI YOLOX — l’amélioration du pipeline gagnant : entraîner un détecteur YOLOX-nano pour trouver la boîte englobante du sein, produire des recadrages plus propres et plus cohérents, puis réentraîner ConvNeXt et comparer à la base de référence.
Les deux parties partagent un seul et même carnet de travail. Chaque section se termine par des exercices TODO qui vous demandent d’étendre, de sonder ou de mesurer le pipeline plutôt que de simplement l’exécuter.
Récupérer le notebook
Le carnet de travail pratique complet (parties 1 et 2) avec les exercices TODO. À exécuter sur Kaggle ou une station de travail GPU.
Le jeu de données provient de la compétition Kaggle RSNA Screening Mammography Breast Cancer Detection. Vous avez besoin d’un compte Kaggle et devez accepter les règles de la compétition avant de pouvoir le télécharger. Les images sont volumineuses (2048×1024) et l’entraînement est gourmand en mémoire — un GPU est fortement recommandé.