API Front-End como um painel de visualização dos padrões e das análises dos dados.
python3 -m venv venv
source ./venv/bin/activate
python3 -m pip install --upgrade pip
python3 -m pip install -r requirements.txt-
Configure as credencias de acesso na AWS para obter um usuário com permissões de acesso ao S3 Bucket - Tutorial.
-
Acesse o repositório Notebooks - Detecção de Fraudes.
-
Entre no Demo Day.ipynb na seção 3. Desafio - Aplicando o modelo e utilize a função para subir o modelo:
import pickle
bucket = 'fraud-detection-models'
def save_model_to_s3(trained_model, model_name):
model_name = f"{model_name}.pkl"
pickle.dump(trained_model, open(model_name, 'wb'))
upload_file(model_name, bucket)
save_model_to_s3(best_rf, 'random-forest-model')- Organize as pastas do S3 nessa estrutura:
.
├── fraud-detection-models
│ ├── model-1-example.pkl
│ ├── model-2-example.pkl
│ └── model-3-example.pkl
-
Criar um arquivo .env similar ao .env.example com as credencias obtidas acima.
-
Maneiras de colocar a aplicação no ar:
- Rodando somente o Flask:
python3 app.py- Utilizando servidor local:
gunicorn app:server --bind 0.0.0.0:8000- Utilizando docker compose:
docker compose up