Data Science

Tu es un expert en fine-tuning de LLMs. Je veux entraîner un modèle sur [DONNÉES: DOCUMENTS TECHNIQUES, SUPPORT CLIENT, CODE SPÉCIFIQUE...]. Pipeline complet de fine-tuning: 1. **Dataset Preparation** : Tokenization, formatting, deduplication, quality filtering 2. **Model Selection** : Base model choice (Llama, Mistral, Falcon) vs training from scratch 3. **Training Setup** : LoRA vs QLoRA vs full fine-tuning, hyperparameter optimization 4. **Hardware Requirements** : GPU memory calculation, batch size optimization, multi-GPU training 5. **Training Process** : HuggingFace Trainer, wandb logging, checkpoint management 6. **Evaluation Metrics** : Perplexity, BLEU, ROUGE, human evaluation 7. **Inference Optimization** : Quantization (INT8/FP16), ONNX export, GPU vs CPU deployment 8. **Deployment** : Ollama, vLLM, FastAPI serving, load balancing 9. **Safety & Alignment** : Content filtering, prompt engineering, bias detection 10. **Continuous Improvement** : Active learning, feedback loops, model versioning Génère les scripts Python complets, les configurations de training, et le pipeline d'inférence.

Tu es un expert en IA pour jeux vidéo. Je veux développer des IA pour [TYPE DE JEU] avec [COMPLEXITÉ]. Système IA de jeu complet: 1. **NPC Behavior Design** : Personality traits, emotional states, learning capabilities, adaptive behaviors 2. **Decision Making** : Behavior trees, state machines, utility AI, goal-oriented action planning 3. **Pathfinding & Navigation** : A* algorithm, navigation meshes, obstacle avoidance, crowd simulation 4. **Perception Systems** : Vision cones, hearing simulation, environmental awareness, information processing 5. **Combat AI** : Tactical positioning, skill usage, teamwork coordination, difficulty scaling 6. **Social AI** : Group dynamics, conversation systems, relationship modeling, faction behaviors 7. **Learning & Adaptation** : Reinforcement learning, neural networks, genetic algorithms, player modeling 8. **Performance Optimization** : LOD systems, update frequencies, memory management, multithreading 9. **Testing & Balancing** : AI behavior testing, difficulty tuning, playtesting integration, analytics 10. **Integration Framework** : Game engine integration, debugging tools, visual editors, runtime monitoring Fournis le système IA complet, les outils d édition, les scripts de comportement et les stratégies d optimisation.

Tu es un expert en applications IA génératives. Je veux développer une application [TYPE D APPLICATION GENERATIVE] avec [MODELES IA]. Application IA Générative complète: 1. **Model Selection** : GPT variants, Claude, Gemini, LLaMA, diffusion models, multimodal architectures 2. **Prompt Engineering** : System prompts, few-shot learning, chain of thought, structured prompting 3. **Fine-tuning Strategy** : Domain adaptation, instruction tuning, PEFT methods, data preparation 4. **Content Generation** : Text generation, image synthesis, audio generation, video creation, multimodal outputs 5. **Safety & Moderation** : Content filtering, bias detection, hallucination mitigation, alignment techniques 6. **User Experience** : Interactive interfaces, real-time generation, feedback loops, personalization 7. **Performance Optimization** : Model quantization, inference acceleration, caching strategies, cost management 8. **Integration Architecture** : API design, microservices, event streaming, database integration 9. **Monitoring & Analytics** : Usage metrics, quality assessment, A/B testing, user behavior analysis 10. **Compliance & Ethics** : Data privacy, copyright compliance, ethical guidelines, transparency Fournis l'architecture complète, les modèles fine-tunés, les APIs et les stratégies de déploiement.

J'ai un tableau de données de ventes (Date, Vendeur, Région, Montant). Guide-moi pour créer un Tableau Croisé Dynamique (Pivot Table) qui montre : 1. Le total des ventes par Région. 2. Le détail par Vendeur sous chaque Région. 3. Un filtre (Slicer) pour sélectionner l'année.

J'ai besoin d'une macro VBA pour Excel. Tâche à automatiser : [DESCRIPTION, EX: FUSIONNER TOUTES LES FEUILLES EN UNE SEULE, ENVOYER LA FEUILLE ACTIVE PAR MAIL EN PDF]. Fournis : 1. Le code VBA complet et commenté. 2. Les instructions pour l'insérer (Alt+F11).

Génère un jeu de données de test au format [JSON / CSV]. Nombre d'entrées : [NOMBRE, EX: 10]. Champs requis : - id (UUID) - nom (Nom complet) - email (unique) - role (Admin, User, Guest) - created_at (date récente) Assure-toi que les données ont l'air réalistes.

Je conçois une base de données pour [DESCRIPTION APP : EX: BLOG, E-COMMERCE, RÉSEAU SOCIAL]. Génère le code SQL (DDL) pour les tables principales. - Utilise les types de données appropriés (VARCHAR, INT, DATETIME, JSON). - Définis les Primary Keys et Foreign Keys. - Ajoute les index nécessaires pour la performance. - Ajoute des commentaires sur les colonnes importantes. SGBD cible : [MySQL / PostgreSQL].

Tu es un ingénieur MLOps expert. Déploie ce modèle en production : [MODÈLE ML + INFRASTRUCTURE + CONTRAINTES + VOLUME PRÉVU] Pipeline MLOps complet : 1. **Model packaging** : containerisation, versioning, registries 2. **CI/CD pipeline** : automated testing, deployment, rollback 3. **Infrastructure as code** : Terraform, Kubernetes, scaling 4. **Monitoring system** : performance, drift, alerts, logging 5. **Data pipeline** : feature store, data validation, quality 6. **Model governance** : explainability, fairness, compliance 7. **Disaster recovery** : backup, failover, business continuity Fournis l'architecture complète avec code exemples.

Tu es un expert en plateformes IoT. Je veux créer une plateforme de gestion pour [TYPE D APPAREILS IoT]. Plateforme IoT complète: 1. **Device Provisioning** : Onboarding workflows, certificate management, device authentication, registration 2. **Communication Protocols** : MQTT, CoAP, LoRaWAN, WebSocket, protocol translation 3. **Device Management** : Remote configuration, firmware updates, OTA deployment, rollback mechanisms 4. **Data Collection** : Telemetry ingestion, data normalization, time-series storage, edge processing 5. **Monitoring & Alerting** : Device health monitoring, anomaly detection, predictive maintenance, alerting 6. **Security Framework** : Device authentication, data encryption, secure boot, access control 7. **Scalability Architecture** : Horizontal scaling, load balancing, data partitioning, edge computing 8. **Analytics Platform** : Real-time analytics, historical analysis, machine learning integration, dashboards 9. **Integration APIs** : REST APIs, webhooks, third-party integrations, custom connectors 10. **Edge Computing** : Edge gateway management, local processing, offline capabilities, synchronization Fournis l'architecture complète, les microservices, les configurations et les stratégies de déploiement.

Tu es un data scientist expert avec 12 ans d'expérience en recherche appliquée et modélisation prédictive. Ta tâche est de mener des projets de recherche data science complexes et de développer des modèles prédictifs avancés. Tu maîtrises le machine learning, le deep learning, et les statistiques avancées. Analyse le problème de recherche fourni, développe une méthodologie rigoureuse, et implémente des solutions innovantes. Explique comment valider les modèles, interpréter les résultats, et communiquer les findings à des parties prenantes non techniques.

Crée un pipeline MLOps complet pour un modèle de classification d'images. Composants du pipeline : 1. **Data versioning** : DVC pour le versioning de datasets 2. **Training** : MLflow tracking + Hyperparameter tuning 3. **Validation** : Tests automatisés + Data drift detection 4. **Packaging** : Docker + Model registry 5. **Deployment** : Kubernetes + Canary releases 6. **Monitoring** : Prometheus + Grafana dashboards 7. **Retraining** : Automated retraining triggers Fournis le code complet avec GitHub Actions, configurations K8s et monitoring setup.

J'utilise encore VLOOKUP (RechercheV). Explique-moi pourquoi **XLOOKUP** est meilleur. Donne-moi la syntaxe pour : 1. Chercher une valeur dans la colonne A et renvoyer la colonne B. 2. Gérer l'erreur "Non trouvé" directement dans la formule. 3. Faire une recherche inversée (du bas vers le haut). Donne un exemple concret.

Je veux modéliser un réseau social dans Neo4j. Définis les Nœuds (Nodes) et les Relations (Edges) pour : - Utilisateurs, Postes, Groupes. - Relations : AMI_AVEC, A_POSTÉ, MEMBRE_DE, A_LIKÉ. Écris une requête Cypher pour trouver : "Les amis de mes amis qui ont liké ce poste".

J'ai un modèle de classification binaire. Explique-moi la différence entre **Accuracy**, **Precision**, **Recall** et **F1-Score**. Dis-moi quelle métrique privilégier pour ces 2 cas : 1. Détection de spams (Mieux vaut laisser passer un spam que de bloquer un mail important). 2. Détection de cancer (Mieux vaut une fausse alerte qu'un cancer raté).

Tu es un expert en NLP et analyse de texte. Je veux développer une solution [TYPE DE SOLUTION NLP] pour [LANGUE/DOMAINE]. Solution NLP complète: 1. **Text Preprocessing** : Tokenization, stemming, lemmatization, normalization, cleaning 2. **Feature Engineering** : Embeddings, TF-IDF, word2vec, contextual embeddings, feature selection 3. **Model Architecture** : Transformers, BERT, GPT, custom architectures, ensemble methods 4. **Task-Specific Models** : Classification, regression, generation, translation, summarization 5. **Fine-tuning Strategies** : Transfer learning, domain adaptation, few-shot learning, prompt engineering 6. **Evaluation Metrics** : BLEU, ROUGE, F1-score, perplexity, custom metrics, human evaluation 7. **Deployment & Scaling** : Model serving, batch processing, real-time inference, optimization 8. **Multilingual Support** : Language detection, cross-lingual models, translation integration 9. **Explainability & Interpretability** : Attention visualization, feature importance, error analysis 10. **Production Pipeline** : Data pipelines, model monitoring, continuous learning, A/B testing Fournis le modèle NLP, les scripts de traitement, les APIs et les stratégies de déploiement.