Docker fastapi

README.md

@@ -1,7 +1,8 @@
-Project Name
+MLOps project - Car accident
 ==============================
 
-This project is a starting Pack for MLOps projects based on the subject "movie_recommandation". It's not perfect so feel free to make some modifications on it.
+This project is realized during the formation "MLOps" at Datascientest. It aims to develop and test a machine learning model and create an API to access the model and make real time predictions.
+The raw data is loaded in data/raw (added to gitignore because of the total size) before being processed.
 
 Project Organization
 ------------

data/raw/login_data.json

@@ -0,0 +1,4 @@
+{
+    "user1": "password1",
+    "user2": "password2"
+}

docker/Dockerfile

@@ -0,0 +1,11 @@
+# Étape 1 : Choisir l'image de base
+FROM python:3.9-slim
+# Étape 2 : Définir le répertoire de travail dans le container
+WORKDIR /app
+# Étape 3 : Copier les fichiers requirements et installer les dépendances
+COPY requirements.txt requirements.txt
+RUN pip install --no-cache-dir -r requirements.txt
+# Étape 4 : Copier le reste du code de l'application dans le répertoire de travail
+COPY . .
+# Étape 5 : Spécifier la commande de démarrage
+CMD ["uvicorn", "src.api.app:app", "--host", "0.0.0.0", "--port", "8000"]

docker/docker-compose.yml

@@ -0,0 +1,20 @@
+version: '3.8'
+
+services:
+  registry:
+    image: registry:2
+    ports:
+      - "5000:5000"  # Expose le registre sur le port 5000
+
+  api:
+    build:
+      context: ../  # Le contexte est tout le répertoire "models"
+      dockerfile: docker/Dockerfile 
+    image: localhost:5000/api:latest  # Image nommée et taggée pour le registre local
+    ports:
+      - "8000:8000"  # Expose l'API sur le port 8000
+    depends_on:
+      - registry
+    environment:
+      - PYTHONUNBUFFERED=1  # Variable d'environnement pour ne pas buffer les logs Python, affiche logs en console en temps réel
+

models/KNN250_performance.json

@@ -0,0 +1 @@
+{"accuracy": 0.5146269690150597, "f1_score": 0.49333974682631226, "recall": 0.5146269690150597, "precision": 0.4996245809185517}