Churn Prediction API: FastAPI-сервис предсказания оттока клиентов (CatBoost), контейнеризация, готовность к мониторингу.
Проект по выкату ML-модели в продакшен: контейнеризация, API, пайплайн доставки и мониторинг. Демонстрирует полный цикл от обученной модели до работающего сервиса.
Обеспечить доступ к предсказаниям модели в production-среде с приемлемой задержкой, надёжностью и возможностью мониторинга.
Бизнес-ценность:
- Предсказания доступны для продукта или аналитики
- Воспроизводимость и версионирование деплоев
- Контроль качества и деградации модели
Цель: Релиз модели в продакшен с использованием современных практик (Docker, API, при необходимости CI/CD и мониторинг).
Критерии:
- Сервис отдаёт предсказания по API
- Контейнеризация (Docker)
- Документация по запуску и деплою
git clone https://github.com/DataClasse/churn-prediction-api.git
cd churn-prediction-api
pip install -r requirements.txt
uvicorn app.churn_app:app --reload --port 8081 --host 0.0.0.0Документация API и тестовые запросы: http://127.0.0.1:8081/docs
API:
POST /api/churn/— предсказание оттока (user_id, model_params)GET /docs— Swagger
Путь к модели задаётся переменной окружения MODEL_PATH (по умолчанию models/catboost_churn_model.bin).
- Контейнеризация ML-сервиса (Docker)
- REST API для получения предсказаний
- Версионирование артефактов и воспроизводимость деплоя
- При необходимости — интеграция с CI/CD и мониторингом
- Python 3.8+, FastAPI — API
- CatBoost — модель оттока
- Docker — контейнеризация
- MLflow — артефакты и версии моделей
- При необходимости: Kubernetes, Grafana, Prometheus
Обученная модель (MLflow/S3)
↓
Загрузка в сервис
↓
FastAPI + Docker
↓
Production API
↓
Мониторинг (опционально)
Дмитрий Щербаков
- Код: github.com/DataClasse/churn-prediction-api
- Email: aiopendata@gmail.com
- GitHub: @DataClasse
Если проект был полезен, поставьте звезду!