Viticulture prédictive: une approche basée sur l'apprentissage automatique pour évaluer la qualité du vin

Dans le cadre de ce projet, un système de prédiction de la qualité du vin a été développé afin de prédire la qualité du vin en fonction de diverses propriétés physico-chimiques. Le système s'appuie sur le langage de programmation Python et la bibliothèque Scikit-learn pour la mise en ¿uvre d'algorithmes d'apprentissage automatique. Un classificateur de type ' forêt aléatoire ' (Random Forest) a été utilisé pour obtenir des prédictions précises et efficaces. Le projet utilise Pandas et NumPy pour le prétraitement des données et l'analyse exploratoire des données, tandis que Matplotlib et Seaborn ont été utilisés pour la visualisation des tendances et des modèles présents dans l'ensemble de données. L'ensemble de données utilisé pour ce projet provient du référentiel UCI Machine Learning Repository. Le processus de développement a suivi le modèle de cycle de vie itératif du développement logiciel, garantissant une mise en ¿uvre et des tests systématiques des fonctionnalités. Le projet est structuré selon les principes de conception modulaire, ce qui améliore sa maintenabilité et son évolutivité.