ML API

Uma API que disponibiliza um modelo de Regressão já treinado, fornecendo um valor contínuo referente à previsão de um curso ser concluído.

---

Populate Database

Geração de dados a partir da API IMO para serem trabalhados

🔗 https://github.com/imofatec/imo/blob/feature/PopulateDB/backend/src/main/java/com/imo/backend/config/mongodb/populate/Populate.java

ETL (Extração, Transformação e Carga)

Acessa a base de dados gerada pelo Populate Database e realiza o beneficiamento dos dados

🔗 https://github.com/imofatec/etl

Notebook

Mecanismo utilizado para treinar o modelo de regressão

🔗 https://colab.research.google.com/drive/19p-ufk-Zx7fs0KHsadd8O9nlzmhtjHyt?usp=sharing

Instalação e Configuração

Windows

Clone o repositório:

git clone https://github.com/imofatec/modeloML-IMO.git

Acesse a pasta do projeto:

cd modeloML-IMO
cd mlp_api

Instale o Poetry:

pip install poetry

Crie e ative uma virtual environment com Poetry:

poetry env use python
poetry shell

Ou, se preferir usar venv nativo do Python:

python -m venv .venv
.\venv\Scripts\activate

Instale as dependências:

poetry install

Execute a API em desenvolvimento:

poetry run dev

---

Linux/Mac

Clone o repositório:

git clone https://github.com/imofatec/modeloML-IMO.git

Acesse a pasta do projeto:

cd modeloML-IMO
cd mlp_api

Instale o Poetry:

pip install poetry

Crie e ative uma virtual environment com Poetry:

poetry env use python
poetry shell

Ou, se preferir usar venv nativo do Python:

python -m venv .venv
source .venv/bin/activate

Instale as dependências:

poetry install

Execute a API em desenvolvimento:

poetry run dev

---

Testando a API

Via Swagger

Acesse:

http://localhost:8000/docs

Fazer uma Predição

Acesse o endpoint:

http://localhost:8000/predict

Envie um request POST com o seguinte JSON:

Request:

{
    "course_level": "BEGINNER",
    "lessons_count": 1,
    "course_categories": "DATA",
    "user_academic_level": "NONE",
    "user_level": "BEGINNER",
    "user_available_time": "ONE_TO_TWO_HOURS",
    "user_interest_categories1": "DEV_WEB",
    "user_interest_categories2": "CLOUD",
    "lessons_watched": 1
}

Response:

{
  "predict": 0.67
}

Setup Front

Envs

Crie um arquivo em modeloML-IMO/frontend chamado .env e adicione neles as variáveis de ambiente necessárias

Necessário para conexão com backend

Exemplo:

VITE_BASE_URL=http://127.0.0.1:8000

Run

Inicie o projeto e acesse http://localhost:5173

cd frontend
npm install 
npm run dev