La mise est production des modèles encore appélée déploiement est une étape très importante des projets de Data Science.

Le but de ce repositoire est de mettre en oeuvre une simulation de deploiement de modèles en cas réels. Dans la pratique un projet Data Science ne se limite pas à des modèles de machine learning. En effet, plusieurs opérations se sont succèdent avant et après l'entrainement comme le montre le schéma ci-dessous !

Les Types de déploiements :

• Process Equipe Data Science
• Intégration par les équipes IT
• Déploiement via Notebook pour un utilisateur final
• Application Voila
• Application Streamlit
• API FlasK
• Dockers et Kubernetes