MVP del curso Machine Learning Práctico de Pablo Zivic. El plan es construirlo de forma colaborativa. Partimos del código que fue desarrollando y explicando en las clases Tendremos por un lado los archivos limpios del curso Por el otro los desarrollos de: /arquitectura /modelado /presentación
Dentro de la carpeta Arquitectura podemos encontrar la ssiguientes carpetas:
- data: Donde depositamos los files de input.
- model: Carpeta donde podremos guardar los modelos serializados (pkl).
- prediction_output: Files de salida con predicciones.
- training_scripts: scripts de entrenamiento.
- lib: Carpeta con los transformers y scripts de armados de los dataframes.
- notebooks: Notebooks de prueba para probar scripts, bajar files o hacer predicciones. Basado en los notebooks del curso.
Dentro de la carpeta Arquiectura encontramos un file de requirements.txt con las versiones necesarias para correr los primeros modelos.
Ejecutar en una consola (En linux)
Ver si tienen estas librerias
sudo apt install -y apparmor apturl
sudo apt-get install swig
Luego creamos el enviroment
virtualenv ml_env
source ml_env/bin/activate
Instalamos las librerias correspondientes (de usar una nueva, actualizar la lista).
pip install -r requirements.txt --use-feature=2020-resolver
Si así lo desean pueden copiar este procedimiento para el resto de las etapas, en cada notebook (por el momento 2), tenemos para usar las libs de feature engineering importándolas con el código adaptado para el proyecto o simplemente desde cualquier script de python copiando la misma lógica de los notebooks.
Desde el raíz de proyecto tenemos otra forma de trabajar
python setup.py develop
Luego desde cualquier jupyter notebook van a poder hacer esto
from mlp_mvp.transformers import CrewFeatures
-
Hacé un checkout del branch develop:
git checkout develop -
Asegurate de estar al día:
git pull origin HEAD -
Crea un branch nuevo con un nombre descriptivo. Si vas a hacer el modelo de rating podrías poner:
git checkout feature/rating_prediction -
Hacé tu trabajo pusheando en ese branch:
git push origin HEAD -
Crea un pull request de tu branch al branch
develop -
Para ver un pull requests de ejemplo mira acá