Cette séance de cours couvre l'importance d'une validation croisée prudente dans les réseaux neuronaux profonds, y compris la division des données en ensembles d'entraînement, de validation et de test, ainsi que le concept de validation croisée K-fold. L'instructeur explique le processus de division des données et l'importance de ne jamais toucher les données de test jusqu'à l'évaluation finale. Des exemples utilisant l'ensemble de données MNIST sont fournis pour illustrer la mise en œuvre pratique d'une validation croisée prudente.