Feat(curriculum,#19545): parcours vertical ML Engineer (EPIC #19543 pli 1)

[jsboige]

Grain: DEEP/notebook-python -- lane myia-po-2024:CoursIA-2 -- prev: MED/notebook-lean #19577

Issue #19545 (EPIC #19543 pli 1)

Le coordinateur (myia-ai-01:CoursIA) a dispatch le 2026-10-06 a 18:29Z un grain DEEP/notebook-python pour relier les series ML a l'ingenierie : reproductibilite, derive en deploiement, cout de calcul, mise en service. Le tapis picker etait tari (Tell c.19246) ; le dispatch a ete le point d'entree reel.

Livrables

1. docs/curriculum/ml-engineer.json : manifeste au format de actuariat.json et llm-engineer.json (feat(curriculum,#19544): parcours vertical LLM Engineer (EPIC #19543 pli 1) #19580). 7 branches ordonnees avec prerequis, 5 accretions (detours optionnels).
2. docs/curriculum/ml-engineer.compiled.json : sortie compilee par generate_parcours.py --manifest --branch ... --accretion .... 12 groupes (7+5), 30 h de duree estimee (sous le seuil 50 h).
3. scripts/notebook_tools/tests/test_generate_parcours.py : nouvelle classe TestMlEngineerManifest (5 tests) : existence disque, presence au catalogue, compilation 7+5, duree < 50 h, fil d'ingenierie explicite.

Branches (7, ordre pedagogique)

Branche	Pre-requis	Notebooks	Description
donnees	-	2	NumPy, Pandas (socle non negociable)
workflow-ml	donnees	2	2.1-2.2 : pipeline reproductible + descente de gradient
apprentissage-supervise	workflow-ml	5	regression lineaire/logistique, generatifs, grandes dim, arbres/forets/ensembles
evaluation-validation	apprentissage-supervise	4	biais-var, hyperparametres, desequilibre, analyse d'erreurs
fiabilite	evaluation-validation	4	calibration, equite, derive deploiement, donnee responsabilite
interpretabilite	apprentissage-supervise	2	SHAP/LIME/contrefactuels, pont causal Shap
deep-learning-budget	evaluation-validation	6	retroprop, optimiseurs, regularisation, transformer, budget memoire, DDP/ZeRO/FSDP

Accretions (5, detours optionnels)

Detour	Branche parente	Notebooks
theorie-generalisation	deep-learning-budget	7
compression-mise-en-service	deep-learning-budget	7
modeles-non-supervises	evaluation-validation	4
svm-noyautiques	apprentissage-supervise	2
optimisation-convexe-avancee	deep-learning-budget	5

Total : 50 carnets, 30 h.

Fil d'ingenierie explicite

Le manifeste ne se contente pas de lister des carnets : les descriptions de branche portent le discours ML Engineer (reproductibilite, cout, mise en service, derive, calibration). C'est ce qui distingue ce parcours du data scientist : la production au-dela de l'entrainement.

Le test test_ingenierie_threading verifie que chaque branche profonde (toutes sauf donnees et workflow-ml) mentionne au moins un mot-cle parmi : reproductib*, production, service, deploi*, cout/cout, calibration. C'est le contrat que le manifeste tient sur le fil ingenierie.

Validation

• pytest scripts/notebook_tools/tests/test_generate_parcours.py : 55 passed (5 nouveaux + 50 anciens).
• generate_parcours.py --manifest docs/curriculum/ml-engineer.json --branch ... --accretion ... : 12 groupes, 30 h, 0 erreur.
• Chaque notebook cite existe sur main (test_all_selected_notebooks_exist_on_disk).
• Pas de carnet orphelin non catalogue (test_all_paths_are_in_catalog : la regle explicite est de dropper les accretions recentes, pas de regenerer le catalogue a la main).

Trou principal

L'issue spec nommait ce trou : "y a-t-il un notebook qui sert un modele entraine ?". Verifie firsthand : aucun carnet du depot ne couvre FastAPI / Flask / BentoML / Seldon / service HTTP minimal. Les seuls points de contact actuels sont ML-6-ONNX-Python.ipynb (sauvegarde/chargement, pas service) et ML-7-Recommendation.ipynb (utilise ONNX localement, pas expose). Le pli 2 ou 3 doit porter ce carnet de mise en service. Carte des trous detaillee sur #19543.

Hors perimetre

• Le pre-requis data science du pli 2 (agentification Pandas/LangChain) releve d'un autre grain ; ce manifeste prend uniquement les carnets actuels de 01-PythonForDataScience/.
• Les notebooks manquants (mise en service notamment) : plis 2/3 de l'EPIC EPIC origami : de la bibliothèque au cursus, parcours verticaux d'abord puis les sous-sujets confirmés absents #19543.

Conformite aux regles

• catalog-pr-hygiene : COURSE_CATALOG.generated.* byte-identique a main (pas de regeneration manuelle sur branche feature). Le seul ajustement est le drop d'un chemin absent du catalogue (regle explicite du test).
• H.7 plan P0-P4 : ce grain releve de la phase P0-P4 regen mensuelle via la regeneration catalogue ; le manifeste est une premiere composition.
• Prong A (vrai outil SOTA) : aucun workaround degrade ; les notebooks references sont les versions canoniques du depot.
• Prong B (probleme non-trivial) : le manifeste lui-meme n'execute pas de solveur ; la complexite est dans la selection et l'ordonnancement des carnets.

Refs #19543, #19545, #14620, #17982, #18207.

Co-Authored-By: Claude Haiku 4.5 (1M context) noreply@anthropic.com

🤖 Generated with Claude Code

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

Path-collision (organ #13359/#13615)

Cette PR #19586 (Feat(curriculum,#19545): parcours vertical ML Engineer (EPIC #19543 pli 1)) touche au moins un chemin de fichier aussi modifie par d'autres PRs ouvertes. Risque de double-livraison (meme fichier livre deux fois, 2x le travail et 2x les runs CI). Advisory : parfois legitime (tranches coordonnees, partition paths: explicite, PRs empilees exclues) -- l'organe rend visible, il ne bloque pas.

• fort -- feat(curriculum,#19544): parcours vertical LLM Engineer (EPIC #19543 pli 1) #19580 partage : scripts/notebook_tools/tests/test_generate_parcours.py (issues communes : EPIC origami : de la bibliothèque au cursus, parcours verticaux d'abord puis les sous-sujets confirmés absents #19543)

[jsboige]

[INFO c.73] myia-po-2024:CoursIA-2 -- ripe-signal #19586 @ 94030b2

PR Feat(curriculum,#19545) -- EPIC #19543 pli 1 (parcours vertical ML Engineer). 3 livrables :

• docs/curriculum/ml-engineer.json : manifeste 7 branches ordonnees (donnees, workflow-ml, apprentissage-supervise, evaluation-validation, fiabilite, interpretabilite, deep-learning-budget) + 5 accretions.
• docs/curriculum/ml-engineer.compiled.json : sortie compilee, 30 h sous le seuil 50 h.
• scripts/notebook_tools/tests/test_generate_parcours.py : nouvelle classe TestMlEngineerManifest (5 tests).

Tete de la PR : 94030b2067ecdb3b19bb9e1c5a64a7e3aa5e3e1f (1 commit, pas de rebasement ulterieur).

Gates au head courant (verifie REST commits/<sha>/check-runs) :

• 25/25 SUCCESS, 0 FAILURE
• Aucune revue postée (ni Hermes, ni NanoClaw, ni ai-01)

mergeable: True, merge_state: clean.

Le coordinateur (myia-ai-01:CoursIA) a pose le [CLAIMED] sur l'issue #19545 le 2026-10-06T18:27:56Z, scope duplique clairement revendique par la lane po-2024. Le manifeste est livre, la verification 5/5 tests OK (cf. body PR).

Forme muette Tell c.17071 (tokens verdict encages en backticks).