Metadata-Version: 2.1
Name: pymlscaffold
Version: 0.1
Summary: Une bibliothèque pour générer des structures de projet ML prêtes à l'emploi
Home-page: https://github.com/mahalmadane
Author: Ton Nom
Author-email: touremahalmadane250@gmail.com
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.6
Description-Content-Type: text/markdown

pymlscaffold

pymlscaffold est une bibliothÃ¨que Python permettant de crÃ©er rapidement une structure de projet standardisÃ©e pour les projets de Machine Learning. Elle gÃ©nÃ¨re tous les dossiers et fichiers nÃ©cessaires pour dÃ©marrer ton projet ML de maniÃ¨re organisÃ©e.

Installation
1. Installer via pip :
pip install pymlscaffold

2. Installation depuis le code source :
git clone https://github.com/ton-utilisateur/pymlscaffold.git
cd pymlscaffold
pip install .

Utilisation
CrÃ©er un projet ML

Une fois le package installÃ©, tu peux crÃ©er une structure de projet comme suit :

from pymlscaffold.create_project import create_project_structure

# CrÃ©er un projet appelÃ© "mon_projet_ml"
create_project_structure("mon_projet_ml")


Cela va gÃ©nÃ©rer une arborescence de rÃ©pertoires pour un projet ML complet.

Structure du projet

AprÃ¨s avoir exÃ©cutÃ© la commande ci-dessus, ton projet aura la structure suivante :

mon_projet_ml/
â”‚
â”œâ”€â”€ README.md                  # Explication du projet
â”œâ”€â”€ requirements.txt           # Liste des dÃ©pendances
â”œâ”€â”€ setup.py                   # Script d'installation
â”œâ”€â”€ .gitignore                 # Fichiers Ã  ignorer par Git
â”‚
â”œâ”€â”€ data/                      # DonnÃ©es
â”‚   â”œâ”€â”€ raw/                   # DonnÃ©es brutes
â”‚   â”œâ”€â”€ interim/               # DonnÃ©es traitÃ©es
â”‚   â””â”€â”€ processed/             # DonnÃ©es prÃªtes pour l'entraÃ®nement
â”‚
â”œâ”€â”€ notebooks/                 # Notebooks d'expÃ©rimentation
â”‚   â”œâ”€â”€ 01_exploration.ipynb
â”‚   â”œâ”€â”€ 02_preprocessing.ipynb
â”‚   â””â”€â”€ 03_model_training.ipynb
â”‚
â”œâ”€â”€ src/                       # Code source
â”‚   â”œâ”€â”€ data/                  # Chargement et prÃ©traitement des donnÃ©es
â”‚   â”œâ”€â”€ features/              # IngÃ©nierie des features
â”‚   â”œâ”€â”€ models/                # EntraÃ®nement et Ã©valuation des modÃ¨les
â”‚   â”œâ”€â”€ utils/                 # Fonctions utilitaires
â”‚   â””â”€â”€ pipelines/             # Pipelines pour ZenML, MLflow, etc.
â”‚
â”œâ”€â”€ tests/                     # Tests unitaires
â”‚   â”œâ”€â”€ test_data.py
â”‚   â””â”€â”€ test_model.py
â”‚
â”œâ”€â”€ reports/                   # Graphiques et mÃ©triques
â”‚
â”œâ”€â”€ configs/                   # Fichiers de configuration
â”‚
â”œâ”€â”€ scripts/                   # Scripts d'exÃ©cution du projet
