Série de Projetos de Backend com Machine Learning

Este repositório contém uma série de 15 projetos progressivos que demonstram a evolução de uma aplicação backend com foco em Machine Learning. Cada projeto adiciona novas funcionalidades e conceitos, permitindo um aprendizado gradual e estruturado de técnicas avançadas de integração de ML com sistemas backend.

Progressão dos Projetos

App 1: API Básica de Previsão de Preços

• API simples usando Flask
• Modelo básico de Regressão Linear
• Endpoints para treinar e fazer previsões
• Primeiro contato com integração de ML em API web

App 2: Refatoração e Melhorias Básicas

• Migração para FastAPI para melhor desempenho e documentação
• Estruturação do código em módulos
• Validação de dados de entrada com Pydantic
• Serialização/desserialização de JSON
• Documentação automática com Swagger/OpenAPI

App 3: Persistência e Gestão de Modelos

• Salvamento e carregamento de modelos treinados
• Versionamento de modelos
• Gestão de diferentes algoritmos de ML
• Métricas de avaliação de modelos
• Visualização básica de dados

App 4: Persistência de Dados

• Integração com SQLite via SQLAlchemy
• Armazenamento de histórico de previsões
• Modelos ORM para dados e metadados
• Consultas e filtragem de dados históricos
• Rastreamento de uso do modelo

App 5: Logging, Tratamento de Erros e Testes

• Sistema robusto de logging
• Tratamento avançado de erros
• Testes unitários para API e modelos
• Monitoramento básico da aplicação
• Rastreamento de requisições

App 6: API Completa com Autenticação

• Sistema de autenticação e autorização
• Diferentes níveis de acesso
• Proteção de endpoints
• Gestão de usuários e permissões
• Configuração avançada da aplicação

App 7: Performance e Escalabilidade

• Otimização de desempenho
• Implementação de cache
• Processamento em background
• Paginação e filtragem avançada
• Limitação de taxa de requisições

App 8: Features Avançadas de ML

• Múltiplos algoritmos de ML
• Hiperparâmetros configuráveis
• Validação cruzada
• Feature engineering
• Geração de visualizações mais complexas

App 9: Processamento Assíncrono

• Tarefas assíncronas com Celery e Redis
• Filas de processamento para tarefas de ML
• Status e rastreamento de tarefas
• Escalabilidade horizontal
• APIs assíncronas

App 10: Containerização e CI/CD

• Dockerização completa
• Orquestração com Docker Compose
• Pipeline CI/CD com GitHub Actions e Jenkins
• Monitoramento com Prometheus e Sentry
• Configurações para diferentes ambientes
• Deploy automatizado

App 11: Previsão de Preço de Casas (Fullstack)

• Sistema fullstack completo (FastAPI + React)
• Modelo de regressão linear para previsão de preços de casas
• Integração de frontend React com backend FastAPI
• Interface de usuário interativa para entrada de dados
• Persistência em PostgreSQL
• Orquestração com Docker Compose

App 12: Classificação de Feedbacks (NLP)

• Sistema de classificação de feedbacks em positivos/negativos
• Processamento de Linguagem Natural (NLP)
• Upload de textos e arquivos para processamento
• Visualização de confiança da classificação
• Interface moderna com React e Bootstrap
• Histórico de classificações realizadas

App 13: Sistema de Diagnóstico Preditivo

• Diagnóstico preditivo de saúde baseado em parâmetros do paciente
• Classificação em diferentes níveis de risco
• Dashboard com métricas e estatísticas do modelo
• Visualizações avançadas (matriz de confusão, importância de features)
• Treinamento e configuração de modelos pela interface
• Arquitetura completa de microserviços

App 14: Estimador de Tempo de Atendimento

• Previsão de tempo de atendimento baseado em tipo e complexidade
• Gerenciamento de tipos de solicitação
• Histórico de estimativas com tempos reais
• Visualizações avançadas por tipo de solicitação e complexidade
• Treinamento com dados históricos ou upload de CSV
• Interface intuitiva para operadores de atendimento

App 15: Sistema Multi-usuário de Previsões com JWT

• Autenticação completa com JWT
• Registro, login e perfis de usuários
• Modelos de classificação e regressão acessíveis por usuário
• Histórico de previsões por usuário
• Dashboard personalizado com estatísticas
• Interface React com React Bootstrap
• Proteção de rotas por tipo de usuário
• Logs de atividades de usuários

Tecnologias Utilizadas na Progressão

Tecnologia	Aplicações
Frameworks Web	Flask (App1), FastAPI (App2-15)
Machine Learning	scikit-learn, pandas, numpy, NLTK
Banco de Dados	SQLite (App4-8), PostgreSQL (App9-15)
Processamento Assíncrono	Celery, Redis (App9-10)
Frontend/UI	React, Bootstrap, Chart.js, Axios (App11-15)
Deploy/DevOps	Docker, Docker Compose, Nginx
Monitoramento	Prometheus, Sentry, Logging customizado
Autenticação	JWT, OAuth, Passlib/Bcrypt

Como Utilizar os Projetos

Cada pasta (app1, app2, etc.) contém um projeto completo e independente, com seu próprio README que explica:

• Funcionalidades específicas
• Instruções de instalação
• Como executar o projeto
• Endpoints disponíveis
• Conceitos de ML e backend ensinados

Recomendamos seguir a progressão numérica para um aprendizado gradual, mas cada projeto pode ser usado individualmente.

Requisitos Globais

• Python 3.7+
• Docker e Docker Compose (para projetos mais avançados)
• Node.js e npm (para projetos com frontend)
• Conhecimentos básicos de:
  • Programação Python
  • Conceitos de APIs REST
  • Fundamentos de Machine Learning

Contribuições

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues para reportar bugs ou sugerir melhorias. Pull requests são apreciados.

Licença

Este projeto está licenciado sob a Licença MIT.