Итоговый проект (пример) курса "Машинное обучение в бизнесе"
Стек:
ML: sklearn, pandas, numpy API: flask Данные: с kaggle - https://www.kaggle.com/shivamb/real-or-fake-fake-jobposting-prediction
Задача: предсказать по описанию вакансии является ли она фейком или нет (поле fraudulent). Бинарная классификация
Используемые признаки:
- description (text)
- company_profile (text)
- benefits (text)
Преобразования признаков: tfidf
Модель: logreg
$ git clone https://github.com/fimochka-sudo/GB_docker_flask_example.git
$ cd GB_docker_flask_example
$ docker build -t fimochka/gb_docker_flask_example .
Здесь Вам нужно создать каталог локально и сохранить туда предобученную модель (<your_local_path_to_pretrained_models> нужно заменить на полный путь к этому каталогу)
$ docker run -d -p 8180:8180 -p 8181:8181 -v <your_local_path_to_pretrained_models>:/app/app/models fimochka/gb_docker_flask_example