Built site for gh-pages

.nojekyll

@@ -1 +1 @@
-adca36a0
+13428902

search.json

@@ -340,7 +340,7 @@
     "href": "slides/fr/index.html#application-5",
     "title": "Une introduction au MLOps avec MLflow",
     "section": "Application 5",
-    "text": "Application 5\n\n\n\n\nPartie 1 : Requêter votre modèle déployé\n\n\n\nCréez un fichier predict-api.py. Ce script doit :\n\nLire le fichier parquet disponible à l’adresse suivante :\n\nhttps://minio.lab.sspcloud.fr/projet-formation/diffusion/mlops/data/data_to_classify.parquet\n\nEffectuer des requêtes à votre API pour chaque libellé présent dans le fichier parquet.\nAfficher le résultats des prédictions\n\n\n\n\nCliquez pour voir le contenu du script \n\n\n\npredict-api.py\n\nimport pandas as pd\nimport requests\n\n\n# Fonction pour effectuer la requête à l'API\ndef make_prediction(api_url: str, description: str):\n    params = {\"description\": description, \"nb_echoes_max\": 2}\n    response = requests.get(api_url, params=params)\n    return response.json()\n\n\n# URL des données\ndata_path = \"https://minio.lab.sspcloud.fr/projet-formation/diffusion/mlops/data/data_to_classify.parquet\"\n\n# Charge le fichier Parquet dans un DataFrame pandas\ndf = pd.read_parquet(data_path)\n\n# Votre API URL\napi_url = \"https://<your_firstname>-<your_lastname>-api.lab.sspcloud.fr/predict\"\n\n# Effectue les requêtes\nresponses = df[\"text\"].apply(lambda x: make_prediction(api_url, x))\n\n# Affiche le DataFrame avec les résultats des prédictions\nprint(pd.merge(df, pd.json_normalize(responses),\n               left_index=True,\n               right_index=True))\n\n\n\nExécutez votre script predict-api.py.\n\n\n\nCliquez pour voir la commande \n\npython formation-mlops/src/predict-api.py\n\n\nDans ArgoCD, ouvrez votre application puis cliquez sur votre pod qui doit commencer par \"codification-api-...\". Observez les logs.\nQuelles informations détenez-vous ? Est-ce suffisant ?"
+    "text": "Application 5\n\n\n\n\nPartie 1 : Requêter votre modèle déployé\n\n\n\nCréez un fichier predict-api.py. Ce script doit :\n\nLire le fichier parquet disponible à l’adresse suivante :\n\nhttps://minio.lab.sspcloud.fr/projet-formation/diffusion/mlops/data/data_to_classify.parquet\n\nEffectuer des requêtes à votre API pour chaque libellé présent dans le fichier parquet.\nAfficher le résultats des prédictions\n\n\n\n\nCliquez pour voir le contenu du script \n\n\n\npredict-api.py\n\nimport pandas as pd\nimport requests\n\n\n# Fonction pour effectuer la requête à l'API\ndef make_prediction(api_url: str, description: str):\n    params = {\"description\": description, \"nb_echoes_max\": 2}\n    response = requests.get(api_url, params=params)\n    return response.json()\n\n\n# URL des données\ndata_path = \"https://minio.lab.sspcloud.fr/projet-formation/diffusion/mlops/data/data_to_classify.parquet\"\n\n# Charge le fichier Parquet dans un DataFrame pandas\ndf = pd.read_parquet(data_path)\n\n# Votre API URL\napi_url = \"https://<your_firstname>-<your_lastname>-api.lab.sspcloud.fr/predict\"\n\n# Effectue les requêtes\nresponses = df[\"text\"].apply(lambda x: make_prediction(api_url, x))\n\n# Affiche le DataFrame avec les résultats des prédictions\nprint(pd.merge(df, pd.json_normalize(responses),\n               left_index=True,\n               right_index=True))\n\n\n\nExécutez votre script predict-api.py.\n\n\n\nCliquez pour voir la commande \n\npython formation-mlops/src/predict-api.py\n\n\nDans ArgoCD, ouvrez votre application puis cliquez sur votre pod qui doit commencer par \"codification-api-...\". Observez les logs.\nQuelles informations détenez-vous ? Est-ce suffisant ?\n\n\n\n\n\n\n\nAvertissement\n\n\nNous avons ici réalisé une succession de requêtes GET car nous avons un seul point d’entrée vers notre API. Pour réaliser des requêtes en batch il est préférable de réaliser des requêtes POST."
   },
   {
     "objectID": "slides/fr/index.html#observabilité",

sitemap.xml

@@ -2,10 +2,10 @@
 <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   <url>
     <loc>https://github.com/InseeFrLab/formation-mlops/slides/fr/index.html</loc>
-    <lastmod>2023-11-20T17:18:42.691Z</lastmod>
+    <lastmod>2023-11-20T17:29:35.522Z</lastmod>
   </url>
   <url>
     <loc>https://github.com/InseeFrLab/formation-mlops/slides/en/index.html</loc>
-    <lastmod>2023-11-20T17:18:28.251Z</lastmod>
+    <lastmod>2023-11-20T17:29:25.526Z</lastmod>
   </url>
 </urlset>

slides/fr/index.html

@@ -1546,6 +1546,16 @@ <h2>Application 5</h2>
 </div>
 </div>
 </div>
+<div class="callout callout-warning no-icon callout-titled callout-style-default">
+<div class="callout-body">
+<div class="callout-title">
+<p><strong>Avertissement</strong></p>
+</div>
+<div class="callout-content">
+<p>Nous avons ici réalisé une succession de requêtes GET car nous avons un seul point d’entrée vers notre API. Pour réaliser des requêtes en <code>batch</code> il est préférable de réaliser des requêtes POST.</p>
+</div>
+</div>
+</div>
 </div>
 </section>
 <section id="observabilité" class="slide level2" data-background-image="background.svg" data-background-size="contain">