noeliaintriago / model_taws

Proyecto de presentación para proceso de ingreso a TAWS

Model_TAWS

Despliegue de modelo Machine Learning usando Python + FastAPI + Docker

Descripción

Para entrenar este modelo de clasificación, se usará el dataset Iris, el cual contiene las siguientes características:

• Longitud del sépalo en cm
• Ancho del sépalo en cm
• Longitud del pétalo en cm
• Ancho del pétalo en cm

Las observaciones podrán ser clasificadas en una de las siguientes 3 clases: Iris Versicolor, Iris Setosa e Iris Virginica.

La petición para obtener una predicción se la realizará mediante una API realizada con el framework FastAPI, el cual será desplegada en producción posteriormente con Docker.

Estructura de proyecto

model_taws/
|
|___ models/
|     |___ ml/
|     |    |___ classifier.py
|     |    |___ train.py
|     |    |___ iris_dt_vl.joblib
|     |___ Iris.py
|
|___ main.py
|___ Dockerfile
|___ README.md
|___ requirements.txt
|___ .gitignore

1. Instalar paquete para crear entorno virtual

$ pip install virtualenv

2. Crear un entorno virtual

$ virtualenv venv

3. Activar entorno virtual

$ <<ruta>>/venv/Scripts/activate

4. Instalar paquetes

$ pip install -r requirements.txt

5. Ejecutar aplicación web

$ uvicorn main:app --reload

6. Dockerizar aplicación web

$ docker build . -t iris_ml_docker
$ docker run -p 80:80 iris_ml_docker