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==0.0.2

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-0.0.3.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-0.0.3-py3-none-any.whl (5.3 kB view details)

Uploaded Python 3

File details

Details for the file mlops_project-0.0.3.tar.gz.

File metadata

  • Download URL: mlops_project-0.0.3.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-0.0.3.tar.gz
Algorithm Hash digest
SHA256 951e60032155217c941bec825d962caba9cb6dc6f2740e5885ea8552588f6d2f
MD5 88b207368212b8204e6872eec9a6fa5e
BLAKE2b-256 65537b1fc97d3aac5ce18113044a786d0eb300dd67f630a79dbcd4ede9acfcfb

See more details on using hashes here.

File details

Details for the file mlops_project-0.0.3-py3-none-any.whl.

File metadata

  • Download URL: mlops_project-0.0.3-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-0.0.3-py3-none-any.whl
Algorithm Hash digest
SHA256 1785131ae62cee446b51ce15464bff54d6ae116b2694a20acba80a6bb10d85ca
MD5 af7bcb3df4b90ce0da62b177600275e1
BLAKE2b-256 fd7cbee7a3a92e9a32c88602e757b780623de8a41146e255b1fd5cbde95cc67b

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