Skip to main content

Семестровый проект по MLOps

Project description

Проект по MLOps

Проект по MLOps от VK Education x МГТУ им. Н. Э. Баумана (Весна 2025)

Установка пакета проекта

pip install mlops-project==0.0.1

Команды для поднятия проекта в registry

pip install build twine # Для сборки (build) и публикации проекта в PyPI (twine)
python -m build # (Создает дистрибутив проекта в папке ./dist будет исходный код и бинарный файл) 
twine upload dist/* # Выгрузка проекта (С использоанием API ключа PyPI)

Структура проекта

├── LICENSE            <- Лицензия с открытым исходным кодом, если она выбрана
├── Makefile           <- Makefile с удобными командами, такими как `make data` или `make train`
├── README.md          <- Основной README для разработчиков, использующих этот проект.
├── data
│   ├── external       <- Данные из сторонних источников.
│   ├── interim        <- Промежуточные данные, которые были преобразованы.
│   ├── processed      <- Окончательные, канонические наборы данных для моделирования.
│   └── raw            <- Исходные, неизменяемые данные.
│
├── docs               <- Стандартный проект mkdocs; подробности на www.mkdocs.org
│
├── models             <- Обученные и сериализованные модели, предсказания моделей или сводки моделей
│
├── notebooks          <- Jupyter notebooks. Соглашение по именованию: число (для порядка),
│                         инициалы создателя и краткое описание через `-`, например,
│                         `1.0-jqp-initial-data-exploration`.
│
├── pyproject.toml     <- Файл конфигурации проекта с метаданными пакета для 
│                         ml_project и настройками для инструментов, таких как black
│
├── references         <- Словари данных, руководства и другие справочные материалы.
│
├── reports            <- Сгенерированные аналитические отчеты в форматах HTML, PDF, LaTeX и т.д.
│   └── figures        <- Сгенерированные графики и изображения для использования в отчетах
│
├── requirements.txt   <- Файл зависимостей для воссоздания аналитической среды, например,
│                         созданный командой `pip freeze > requirements.txt`
│
├── setup.cfg          <- Файл конфигурации для flake8
│
└── ml_project   <- Исходный код для использования в этом проекте.
    │
    ├── __init__.py             <- Делает ml_project Python-модулем
    │
    ├── config.py               <- Хранит полезные переменные и конфигурацию
    │
    ├── dataset.py              <- Скрипты для загрузки или генерации данных
    │
    ├── features.py             <- Код для создания признаков для моделирования
    │
    ├── modeling                
    │   ├── __init__.py 
    │   ├── predict.py          <- Код для выполнения предсказаний с использованием обученных моделей          
    │   └── train.py            <- Код для обучения моделей
    │
    └── plots.py                <- Код для создания визуализаций

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

mlops_project-0.0.2.tar.gz (4.2 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

mlops_project-0.0.2-py3-none-any.whl (5.3 kB view details)

Uploaded Python 3

File details

Details for the file mlops_project-0.0.2.tar.gz.

File metadata

  • Download URL: mlops_project-0.0.2.tar.gz
  • Upload date:
  • Size: 4.2 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.3

File hashes

Hashes for mlops_project-0.0.2.tar.gz
Algorithm Hash digest
SHA256 f5254352a9b2758f8703725b105ca8b408cc1b24f17a50f5e322428cc355897b
MD5 1f57be27851650cc8919c213342ab5e6
BLAKE2b-256 4e60ee22a71f47ccc724fa0fbbdda717829921e03f51f18ba2c7e6d99c753607

See more details on using hashes here.

File details

Details for the file mlops_project-0.0.2-py3-none-any.whl.

File metadata

  • Download URL: mlops_project-0.0.2-py3-none-any.whl
  • Upload date:
  • Size: 5.3 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.3

File hashes

Hashes for mlops_project-0.0.2-py3-none-any.whl
Algorithm Hash digest
SHA256 b630c8f1bb90bd9c4fa58d69efe3952065563aaa12ca204dc3a270555ff0ed7d
MD5 a3ea2694a50ab60f1f45b4686fe613c0
BLAKE2b-256 8fa4bc3f9a1a6e56a693f1a643b63e25cd535aa8c32169742be717809ded4ea2

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page