Predictor de Demanda

A través de un modelo de Machine Learning, este proyecto nos da el top 10 de mejores productos a comprar en cuatro categorías, Notebooks, PCs, Tablets e Impresoras

Software Stack

Debian 11.6 Python 3.9.2 Base de Datos SQLite

Docker, Máquina Virtual, Sistema Operativa

Con una terminal situarse dentro del directorio raiz donde fue clonado este repositorio, por ej: ~/git/predictor/. Una vez situado en la raiz del proyecto, dirigirse al directorio docker y ejecutar lo siguiente para construir la imagen docker:

docker build -t predictor:version1.0 .

Una vez construida la imagen, lanzar un contenedor montando un volumen que contenga el código del repositorio

docker run -p 1438:1438 predictor:version1.0

Como instalar en servidor

Clonar el código de GitHub usando el siguiente comando

git clone git@github.com:CristopherQuintana/ML-Django.git

Instalar Python, pip y virtualenv

sudo apt install python3.9

sudo apt install python3-pip

sudo apt install virtualenv

Entrar a carpeta de proyecto

cd ML-Django

Instalar entorno virtual

virtualenv venv

Ingresar a entorno virtual

source venv/bin/activate

Instalar librerías

pip install -r requirements.txt

Ingresar a carpeta predictor, crear archivo .env

cd predictor

nano .env

Editar archivo .env con la siguiente línea de texto

SECRET_KEY=to9qy&jvn3&x55i(&q0!iyttpghq-7n@yd%#xw$$=zii-p@1ls

Volver a carpeta original

cd ..

Ejecutar código

python manage.py runserver 0.0.0.0:1438

Construido con

Django con ayuda de Jupyter Notebook