ML-service

Данный проект представляет собой ML-сервис с биллинговой системой. Конечной целью сервиса является:

• для администраторов возможность загружать модели для предикта на тестовых данных пользователей, устанавливать стоимость одного предсказания конкретной модели
• для пользователей возможность покупать использования, выбирать модель из списка всех имеющихся, загружать в нее данные и получать на выходе предсказания

Как использовать сервис

Для получения предсказания, является ли описанный момент аномалией, пользователю необходимо зарегистрироваться в сервисе, выбрать ML-модель из списка загруженных администратором и загрузить .csv-файл с данными. В данный момент пользователи сами могут пополнять себе баланс, в дальнейшем такая возможность будет только у администратора.

По пути ./ipnbs/ML_services.ipynb можно ознакомиться с EDA и получением ML-моделей (LogisticRegression, SVC, KNeighborsClassifier). В папке ./models находятся модели в формате .pkl, а в папке ./data исходные данные для анализа.

Запуск сервиса

В папке проекта запустить PowerShell и выполнить команды:

• docker-compose build

• docker-compose up

Сервис будет доступен на 3000 порту http://localhost:3000

Swagger доступен по адресу http://localhost:8000/docs

Сервис в картинках

• Авторизация:
• 
• Регистрация:
• 
• ЛК администратора:
• 
• Страница с доступными моделями:
• 
• Покупка использований модели пользователем:
• 

Использованные технологии:

• Для предварительного анализа данных использовались библиотеки pandas и numpy, для визуализации seaborn и matplotlib, для обучения моделей библиотека sklearn
• Бэкенд: веб-фреймворк FastAPI, uvicorn
• Фронтенд: React, фреймворк Bootstrap
• Для работы с СУБД SQLite использовалась библиотека SQLAlchemy

Схема базы данных