Déploiement facile via une API REST avec PyCaret / PYTHON

Déploiement d'un pipeline (préparation de données + modèle de machine learning) sous la forme d'une API REST avec le package PyCaret pour Python. Processus de modélisation en classification supervisée dans le cadre de PyCaret : entraînement et évaluation des algorithmes (régression logistique pour nous), détermination des bonnes valeurs des hyperparamètres en validation croisée, construction du classifieur définitif. Déploiement ensuite avec l'exportation du pipeline incluant le preprocessing et le modèle dans un fichier pickle (.pkl), puis création automatique d'un programme Python (.py) qui permet de générer le service web. Utilisation du service web : saisie des valeurs des variables prédictives, obtention de la classe prédite, mode gestion des valeurs manquantes par le dispositif. Page de cours : https://cours-machine-learning.blogsp... 00:00 La question du déploiement en machine learning 04:40 Déploiement via une API REST avec le package PyCaret 06:00 Schéma de travail et données utilisées 08:00 Démarrage du notebook, versions de Python et du package 10:00 Importation des données, suivi des fichiers générés 11:25 Création et paramétrage d'une expérimentation 13:25 Liste des algorithmes disponibles pour le classement 14:44 Entraînement du modèle sur le "train set" 16:32 Evaluation sur le "test set" 17:40 Optimisation - Détermination des valeurs des hyperparamètres 21:01 Apprentissage du modèle définitif (pipeline en réalité) 22:59 Déploiement via une API REST - Fichiers générés 25:54 Etude du code de l'application Python 27:23 Lancement de l'application via Powershell 30:00 Test de l'application + la question des valeurs manquantes