credit_default_probability

La société Home Credit Group a besoin de prédire la probabilité qu'un prêt soit remboursé pour des clients avec peu d'historiques de prêt.
Nos objectifs sont les suivants:

• Créer un modèle expliquable pour prédire la probabilité de défaut;
• Déployer le modèle dans une API;
• Créer un tableau de bord permettant de visualiser les résultats pour un client.

Contenu du dépôt

• preprocessing.ipynb: Notebook créant la fonction de pré-traitement des données.
• save_preprocessed.ipynb: Notebook enregistrant les données pré-traitées sous-forme de csv.
• model.ipynb: Notebook testant plusieurs modèles de prédiction et les enregistrant au format joblib.
• create_api.ipynb: Notebook créant l'API du modèle retenu avec MLFlow. Pour lancer l'API: mlflow models serve -m mlflow_model/.
• app.py: Fichier lançant le tableau de bord.

Certains modules python, notamment, doivent être installés pour exécuter les notebooks. Un fichier requirements sera ajouté prochaînement.