train-model

name	train-model
description	Train an ML model in the QuantConnect ML-Training-Pipeline with thermal-safe GPU usage and rigorous validation. Arguments: <architecture|script> [--dry-run] [--seeds 0,1,7,42,99] [--folds 5] [--bg]

Train Model

Entrainer un modele ML du pipeline MyIA.AI.Notebooks/QuantConnect/ML-Training-Pipeline/ avec securite thermique GPU et validation rigoureuse. Couvre l'Epic #1454 (Training & Post-Training : RL/PPO, Decision Transformer, GenAI fine-tuning/LoRA).

Pour les cycles longs/batch, deleguer a l'agent training-specialist en async (run_in_background: true).

Arguments

• <architecture|script> : nom court (lstm, transformer, mamba, patchtst, itransformer, moe, gnn, dqn-rl, decision-transformer) ou nom de script train_*.py.
• --dry-run : smoke test CPU via validate_training_package.py --dry-run, sans GPU. Toujours commencer par la.
• --seeds 0,1,7,42,99 : seeds pour le multi-seed (defaut >=4 parmi 0/1/7/42/99).
• --folds 5 : walk-forward folds (defaut 5).
• --bg : lancer le training en background (recommande pour les longs runs).

Process

Phase 0 — Environnement + grounding

1. Activer l'env : & "C:\Users\MYIA\miniconda3\envs\coursia-ml-training\python.exe".
2. Lire REGISTRY.md + CURRICULUM.md : le modele est-il deja un keeper valide ? deprecated ? Ne pas refaire.

Phase 1 — Dry-run CPU (HARD avant tout GPU)

python validate_training_package.py --dry-run   # smoke test, pas de GPU

Si le dry-run echoue : reparer (pas contourner). Ne pas passer en GPU sur un package casse.

Phase 2 — Verifier le watchdog thermique (HARD)

python -c "from gpu_training import batch_thermal_check, get_gpu_temp; print('temp:', get_gpu_temp())"

• Temperature non nulle => watchdog actif (MAX_TEMP=80C, cool_sleep=30, AMP).
• ImportError ou temp 0 => protection thermique en no-op silencieux (gpu_training.py absent). NE PAS lancer un long run GPU sans protection : restaurer le module ou monitorer nvidia-smi manuellement. Documenter.

Phase 3 — Training

• Lancer python scripts/train_<arch>.py (via env coursia-ml-training), en --bg pour les longs runs.
• Noter l'ID du BG + nature attendue. Pendant le run, avancer une 2e track (2 tracks min, cf CLAUDE.md operations longues).
• Check a intervalles utiles : tail -50 <log> | grep -E "FINAL|RESULT|ERROR|temp". Pas event-par-event.

Phase 4 — Validation rigoureuse (gate PR)

• Walk-forward 5-fold (WalkForwardSplitter), pas single split.
• >=4 seeds ; edge >= 2sigma cross-seed, sinon flag "noise".
• DM significance (dm_test.py / diebold_mariano.py).
• Comparaison majority_class_baseline + couts de transaction (5bps SPY, 10bps crypto).
• Pas de FAANG/Mag7 en training set.
• Verdict honnete : BEATS / NO BEATS / INCONCLUSIVE. Jamais "promising". Single-seed => [POC] explicite.

Phase 5 — Registry + livrable

• python registry_update.py pour mettre a jour REGISTRY.md.
• Checkpoints .pt volumineux/transients : ne pas stager dans la PR.
• Rapport (metriques par seed/fold, verdict, DM p-value) sur le dashboard, pas dans un fichier du repo.
• PR : un sujet, body avec WF + seeds + edge + baseline + tx costs + verdict (sinon CHANGES_REQUESTED).

Anti-patterns interdits

• Sauter le dry-run et lancer direct en GPU.
• Lancer un long run GPU sans verifier le watchdog importable (Phase 2).
• Claim "BEATS" sans multi-seed + DM significance.
• Python systeme au lieu de coursia-ml-training.
• Stager des .pt lourds.

Voir aussi

• .claude/agents/training-specialist.md — orchestrateur async
• docs/archive/ml-trading-state.md — anti-FAANG, multi-seed, walk-forward
• .claude/rules/pr-review-discipline.md C — gate ML PR