Partie 1
Les solutions qui existent déjà
Bonne pratique du cours : avant de construire, chercher si une solution similaire existe déjà. Trois pistes sont évaluées avec la grille des contraintes.
| Contrainte | Henry Zhu | Pandascore (base DeepLeague) | Kevin Napoli |
|---|---|---|---|
| 1 Hz | ok sur la plupart des machines | parfois | parfois |
| Configurations modestes | bof | nope | nope |
| Coûts | gratuit | gros dataset, bof | gros dataset, bof |
| Dépendance technologique | faible | ok | ok |
| Adaptation aux champions | 8 h, mauvais | bof, 6 h | bof, 6 h |
| Précision | bon tracking | géographique : 95 % | géographique : 95 % |
| POC en 5 jours | oui, même s'il faut reconstituer un dataset avec les icônes actuelles | non précisé dans la fiche | |
Pandascore est « basé sur DeepLeague, reprise du dataset ». Les fiches de Pandascore et de Kevin Napoli sont identiques dans le cours.
Vérifie que tu as compris
Sur quelle base repose la solution Pandascore ?
Vérifie que tu as compris
Quel est le principal point faible de la solution de Henry Zhu selon la grille ?
Que retenir ?
Aucune solution n'est parfaite sur toutes les contraintes : chacune a au moins un « bof », un « nope » ou un « mauvais ». C'est pourquoi on ne se contente pas de la réutiliser telle quelle. Le cours de méthode (partie 2) dit que le but de ces recherches n'est pas forcément de reproduire une solution à l'identique, mais de réduire l'incertitude.