Merge branch 'improve-20231214'

slides/.gitignore

@@ -1,3 +1,4 @@
 background.svg
 favicon-32x32.png
 logo.svg
+mlruns

slides/fr/applications/_application3.qmd

@@ -1,15 +1,36 @@
-::: {.panel-tabset}
-## Déploiement manuel
 
 ::::{.callout-tip collapse="true" icon=false}
-## Déploiement manuel d'un modèle ML en tant qu'API
+## Exposer localement un modèle de ML en tant qu'API
 
 :::::{.nonincremental}
 
-
 1. Nous avons construit une API REST très simpliste à l'aide de FastAPI. Tous les fichiers sous-jacents se trouvent dans le dossier `app`. Consultez-les.
-2. Ouvrez le `Dockerfile` pour voir comment l'image est construite. L'image est automatiquement reconstruite et publiée via Github Actions, si vous êtes intéressé, jetez un coup d'œil à `.github/workflows/build_image.yml`. Dans le cadre de cette formation, nous allons tous utiliser cette même image.
-3. Ouvrez le fichier `kubernetes/deployment.yml` et modifiez les lignes surlignées comme suit :
+2. Déployez l'API localement en lançant les commandes suivantes dans un terminal :
+
+```shell
+export MLFLOW_EXPERIMENT_NAME="nace-prediction"
+export MLFLOW_MODEL_VERSION=1
+uvicorn app.main:app
+```
+
+3. Ouvrez la page de l'API à l'aide du bouton proposé par `VSCode`.
+4. Affichez la documentation de votre API en ajoutant `/docs` à votre URL.
+5. Testez votre API !
+
+:::::
+::::
+
+
+
+
+
+::::{.callout-tip collapse="true" icon=false}
+## Déploiement manuel d'un modèle de ML en tant qu'API
+
+:::::{.nonincremental}
+
+0. Ouvrez le `Dockerfile` pour voir comment l'image est construite. L'image est automatiquement reconstruite et publiée via Github Actions, si vous êtes intéressé, jetez un coup d'œil à `.github/workflows/build_image.yml`. Dans le cadre de cette formation, nous allons tous utiliser cette même image.
+1. Ouvrez le fichier `kubernetes/deployment.yml` et modifiez les lignes surlignées comme suit :
 
 ```{.yml code-line-numbers="7,9,11" filename="deployment.yml"}
 containers:
@@ -25,17 +46,15 @@ containers:
         value: "1"
 ```
 
-4. Ouvrez le fichier `kubernetes/ingress.yml` et modifiez (deux fois) l'URL du point de terminaison de l'API pour qu'elle soit de la forme `<votre_prénom>-<votre_nom>-api.lab.sspcloud.fr`.
-5. Appliquez les trois contrats `Kubernetes` contenus dans le dossier `kubernetes/` dans un terminal pour déployer l'API
+2. Ouvrez le fichier `kubernetes/ingress.yml` et modifiez (deux fois) l'URL du point de terminaison de l'API pour qu'elle soit de la forme `<votre_prénom>-<votre_nom>-api.lab.sspcloud.fr`.
+3. Appliquez les trois contrats `Kubernetes` contenus dans le dossier `kubernetes/` dans un terminal pour déployer l'API
 
 ```shell
 kubectl apply -f formation-mlops/kubernetes/
 ```
 
-6. Accédez à votre API en utilisant l'URL définie dans votre fichier `ingress.yml`.
-7. Affichez la documentation de votre API en ajoutant `/docs` à votre URL.
-8. Testez votre API !
-9. Réentrainez un nouveau modèle et déployez ce nouveau modèle dans votre API
+4. Accédez à votre API en utilisant l'URL définie dans votre fichier `ingress.yml`.
+5. Réentrainez un nouveau modèle et déployez ce nouveau modèle dans votre API
 
 <details>
 <summary>
@@ -52,18 +71,21 @@ kubectl apply -f formation-mlops/kubernetes/
 kubectl apply -f formation-mlops/kubernetes/
 ```
 
-5. Rafraîchissez votre API et vérifiez sur la page d'accueil qu'elle est désormais basée sur la nouvelle version du modèle.
+6. Rafraîchissez votre API et vérifiez sur la page d'accueil qu'elle est désormais basée sur la nouvelle version du modèle.
 
 </details>
 
 :::::
 ::::
 
 
-## Déploiement continu
+
+
+
+
 
 ::::{.callout-tip collapse="true" icon=false}
-## Déploiement continu d'un modèle ML en tant qu'API
+## Déploiement continu d'un modèle de ML en tant qu'API
 
 :::::{.nonincremental}
 
@@ -108,4 +130,3 @@ spec:
 
 :::::
 ::::
-:::