Ik bouw python-machine-learningmodellen en mlops-pijplijnen

Ik heb een end-to-end ML & MLOps-project ontwikkeld om vertraagde leveringen te voorspellen met echte Olist e-commerce-gegevens.

WERKSTROOM VAN HET PROJECT & OUTPUTS

1. Gegevensintegratie | Python, Pandas
2. Samengevoegde gerelateerde tabellen om één dataset te creëren.
3. Doel-Engineering & Splitsing
4. Late/On-Time-labels en train/validatie/test-sets gemaakt.
5. EDA & Feature Engineering
6. Analyse van leverpatronen en opzetten van preprocessing-pijplijnen.
7. Modeltraining | Scikit-learn
8. Getrainde classificatiemodellen en evaluatie van voorspellingsresultaten.
9. MLflow | Experimentregistratie
10. Training runs, metrics en model-artefacten vastgelegd.
11. DVC | Versiebeheer
12. Beheer van data- en modelversies.
13. Great Expectations | Validatie
14. Data-kwaliteitscontroles en invoerbeperkingen gedefinieerd.
15. FastAPI | Modelservice
16. Endpoints /predict, /batch-predict, /health, /model-info en /metrics gebouwd.
17. Docker | Containerisatie
18. Dockerfile en Docker Compose geconfigureerd.
19. Pytest & GitHub Actions | CI/CD
20. Automatiseerde tests en CI-workflows voorbereid.
21. Monitoring & Logging
22. Verzoek, fout, latentie en voorspellingstracking toegevoegd.

OPLEVERINGEN

Python-code, getrainde modellen, evaluatieresultaten, API, tests en documentatie.

Laten we jouw ML-project bespreken!