Esse projeto foi um estudo desenvolvimento para implementar o deploy de um modelo machine learning usando bentoml, e publicando no heroku, todavia decidir por não publicar no heroku, e usar somente o streamlit para uma interação amizagavel com o modelo.
PS: Para implementar no streamlit não é necessário utilizar o bentoml
.
src
: consists of Python scriptsconfig
: consists of configuration filesdata
: consists of dataprocessors
: consists of all scikit-learn's transformers used to process the new input
Clone este repositório específico (branch bentoml_demo
):
git clone https://github.com/espeditoalves/deploy-ml-bento.git
Depois de configurar o ambiente virtual com Poetry, instale todas as dependências listadas no arquivo pyproject.toml (gerenciado pelo Poetry) com o comando:
poetry install
Para ativar o ambiente virtual recém-criado, use o comando:
poetry shell
- Baixe o conjunto de dados em: https://www.kaggle.com/datasets/imakash3011/customer-personality-analysis
- Salve o conjunto de dados em
.data/raw
- O nome do arquivo deve ser: 'marketing_campaign.csv'
- Com o ambiente virtual ativo rode o código
sr/train_model.py
- Ative o ambiente virtual
- Rode o código
bentoml serve src.bentoml_app:service --reload
- Acesse o link indicado no terminal ou use: http://127.0.0.1:3000/
- Ative o ambiente virtual
- Rode o código
streamlit run src/streamlit_app.py
O link de acesso será fornecido ou abrirá automaticamente