Machine Learning Workbench

Description

Ce projet sert de Workbench pour expérimenter et rechercher différents algorithmes de Machine Learning. Il permet de tester, comparer et analyser différentes approches en utilisant des fichiers .csv comme source de données. L'application est exposée sous forme d'API pour faciliter l'interaction avec les modèles entraînés.

Technologies utilisées

• Python
• Pandas (pour la manipulation des données)
• Scikit-learn (pour l'entraînement des modèles)
• Flask (pour l'API)
• Docker (pour la conteneurisation de l'application)

Utilisation

1. Cloner le dépôt :

   git clone https://github.com/Mileristovski/MachineLearning-Workbench.git
   cd MachineLearning-Workbench

2. Installer les dépendances :

   pip install -r requirements.txt

3. Exécuter l'API :

   python app.py

Exécution avec Docker

1. Construire l'image Docker :

   docker build -t ml-workbench .

2. Exécuter le conteneur :

   docker run --rm -p 5000:5000 ml-workbench

Objectifs du projet

• Tester et comparer différents algorithmes de Machine Learning
• Expérimenter le prétraitement des données et l'ingénierie des features
• Visualiser les performances des modèles
• Servir de base pour de futurs projets ML