Modelo regressivo desenvolvido orientado à objetos e seguindo boas práticas da Engenharia de Software e deployment.
O time de negócio da marca Piat deseja agrupar os veículos da empresa que tenham uma menor pegada de carbono, facilitando assim ações de marketing com este subgrupo.
- User Story: "Como diretor de marketing, quero realizar a previsão de emissão de CO2 para saber o acumulado de emissão de poluente de cada veículo e decidir se ele pertence à classe de veículos sustentáveis da Piat".
O Co2 predictor é um software desenvolvido para gerar estes resultados para o time, a partir de um modelo de Machine Learning selecionado com AutoML.
Uso: caso seja necessário re-treino do modelo
-executar script run_pipeline.py, que performará a ordem de execução abaixo:
-loader.py (realiza a ingestão dos dados)
-pre_processor.py (pre-processamento dos dados)
-model_trainning.py (seleção e treinamento do melhor modelo com base na métrica r-quadrado)
-model_export.py (exporta o melhor model em arquivo pickle)
-model_evaluator.py (retorna o desempenho do modelo)
Uso: execução mensal passando o arquivo com novos dados.
-executar script run_prod_pipeline.py, que performará a ordem de execução abaixo:
-loader.py (ingestão dos dados)
-deploy_pre_processor.py (pre-processamento dos dados)
-deploy_load_model.py (carrega o modelo treinado)
-deploy_generate_output.py (gera as predições de carbono dos novos dados e exporta em .csv)