TP6 : CI/CD, MLOps

 Préparation de l’environnement virtuel et lancement du

notebook :

 Sur Jupyter notebook :

On a lancé un notebook qu’on a appelé churn_training, et où on a installé les
bibliothèques : Pandas, Sklearn, Tensorflow et Keras.
  Importation de la Data :

 Importation des bibliothèques :

 Construction et Compilation du Modèle :

 Ajustement, prédiction et évaluation

L’accuracy est de presque 80%, on peut dire que notre modèle est
performant.
 Sauvegarde et versionning du modèle et de ses prérequis
 On voit que notre modelé a bien été enregistré, puis on est passés à la phase de
révision de code pour rendre l’entrainement des modèles ML auditable et reproductible.

 Préparation dans le dossier notebooks le code flask.

 Création d’une image dockerisée pour l’inférence du

modèle (model serving).
  Build et lancement de l’image sur docker :

Préparé par : BELKARKOR Chaimaa et AMALLAH Mohamed .