Código personalizado do Projeto de deploy no Curso Deep Learning II da Data Science Academy.
Neste repositório disponibilizo meu código personalizado para o projeto de previsão do total de vendas de seguros de viagem de uma empresa de seguros.
Refiz o projeto da DSA usando Pytorch, aplicação Flask para o deploy do modelo treinado e interface gráfica usando streamlit.
Durante o desenvolvimento foram utilizadas funcionalidades para criação de dataset personalizado no Pytorch, uso de tensorboard para registrar os modelos e métricas do Pytorch durante o processo de treino, modularização de código, salvamento do scaler do sklearn com dump, etc.
O dataset contém informações sobre o total de vendas e o valor unitário do seguro, além de informações relativas ao seguro, como por exemplo se há cobertura para maiores de 65 anos, se o seguro sobre despesas dentárias, se o seguro cobre esportes radicais, se o seguro é internacional, etc.
Inputs: media_aval_cliente, seguro_internacional, cobertura_dentaria, cobertura_maior_65, reembolso_despesas_medicas, cobertura_esportes_radicais, capital_segurado, inclui_bonus, valor_unitario
Output: total_vendas
modelo_pytorch.py é o arquivo de treinamento do modelo. Nele está implementado todo o processo de construção do dataset, criação, treinamento, validação e gravação do modelo no disco.
loadNetwork.py é o módulo que irá carregar o modelo na memória durante a etapa de inferência.
app.py é o código responsável pela criação da aplicação para deploy do modelo treinado com flask.
test.py é o código de teste para realiza a inferência usando uma chamada request.
test_streamlit.py é o dódigo de teste com uma interface gráfica usando streamlit.
Excute o arquivo app.py para gerar a aplicação com flask e deixar o modelo disponível para inferência. Depois execute o arquivo test_streamlit.py para realizar as predições com a interface gráfica.