Bank Marketing — Pipeline MLOps de classification

Projet fil rouge du cours d'orchestration Machine Learning. On construit, séance après séance, un pipeline MLOps complet (de la donnée au déploiement) autour d'un problème unique de classification binaire.

Problématique

Un client va-t-il souscrire un dépôt à terme à la suite d'une campagne de télémarketing ?

Une banque portugaise mène des campagnes d'appels téléphoniques pour proposer un dépôt à terme (placement bloqué rémunéré). Chaque ligne du jeu de données décrit un client contacté et l'issue de l'appel.

• classe 1 : le client souscrit le dépôt à terme (y = "yes")
• classe 0 : le client ne souscrit pas (y = "no")

Pourquoi prédire cette cible est utile : en estimant avant d'appeler la probabilité qu'un client souscrive, la banque peut prioriser les appels sur les profils les plus prometteurs, et ainsi réduire le coût de la campagne (temps des téléconseillers) tout en maintenant le nombre de souscriptions.

Données

• Source : Bank Marketing — UCI Machine Learning Repository (téléchargeable publiquement, sans authentification).
• Variante utilisée : bank-full.csv — 45 211 lignes, 16 variables + la cible.
• Déséquilibre : environ 11,7 % de yes → on suit le ROC AUC plutôt que la simple accuracy.

La préparation (prepare_data.py) télécharge l'archive, mappe la cible y (yes → 1, no → 0) et retire la colonne duration (durée du dernier appel) : elle n'est connue qu'après l'appel, donc l'utiliser serait une fuite de données pour un modèle censé prédire avant d'appeler.

Variables retenues :

• Numériques : age, balance, day, campaign, pdays, previous
• Catégorielles : job, marital, education, default, housing, loan, contact, month, poutcome

Tout est centralisé dans config.py, seul fichier à adapter pour brancher le jeu de données ; data.py et features.py (split stratifié

• ColumnTransformer : StandardScaler / OneHotEncoder) lisent cette configuration automatiquement.

Mise en route

make install                          # installe les dependances (uv, Python 3.13)
python -m bank_marketing.prepare_data # genere data/dataset.csv
python -m bank_marketing.train        # entraine la baseline -> f1=... roc_auc=...

Les commandes s'exécutent depuis la racine (le Makefile fixe PYTHONPATH=src). Équivalents : make data, make train.

Baseline actuelle (régression logistique) : roc_auc ≈ 0.77 sur le jeu de test.

Structure

src/bank_marketing/
  config.py        configuration du dataset (cible, variables)   <- branchement
  prepare_data.py  telechargement + nettoyage -> data/dataset.csv
  data.py          chargement + split stratifie
  features.py      pre-processing (ColumnTransformer)
  train.py         entrainement de la baseline (LogisticRegression)
data/dataset.csv   jeu de donnees prepare
Makefile           cibles d'installation et du pipeline
pyproject.toml     dependances (uv)

Démarche

Le projet évolue séance par séance : à chaque étape on enrichit le pipeline (suivi d'expériences, optimisation d'hyperparamètres, conteneurisation, API, orchestration, CI/CD…). Le code est complété progressivement, au rythme du cours.