Projet MLOps : Modèle de Scoring Crédit avec API et Déploiement Continu
Introduction du Projet
Ce projet présente une solution complète de scoring crédit qui intègre les bonnes pratiques MLOps pour assurer un déploiement fiable et une maintenance efficace du modèle en production. En réponse à une demande croissante d’automatisation dans le secteur bancaire, ce système permet d’évaluer le risque de crédit des clients de manière transparente et explicable.
Objectifs du Projet
Les objectifs clés de ce projet sont les suivants :
- Développer un modèle de machine learning robuste pour évaluer la probabilité de défaut de paiement des emprunteurs
- Créer une API REST fonctionnelle permettant aux applications clientes de consommer les prédictions du modèle en temps réel
- Mettre en place un pipeline de déploiement continu (CI/CD) pour garantir la fiabilité et la maintenabilité du modèle
- Développer une interface utilisateur interactive permettant aux analystes crédit de comprendre et interpréter les décisions du modèle
- Implémenter un système de monitoring pour détecter les dérives de données et maintenir les performances du modèle
Ressources du Projet
Vous trouverez ci-dessous les liens vers les principaux composants de ce projet :
💻 Technologies utilisées : Python, Jupyter Notebook, Flask, Streamlit, Docker, CI/CD, MLflow, Evidently
🌐 👉 Explorer le projet credit-scoring