Пайплайн по предсказанию кликов пользователя для мобильной Web рекламы. За основу взяты данные соревнования Kaggle Avazu CTR Prediction.
Структура пайплайна
make_dataset: чтение данных
features/build_transformers: обработки признаков, в которую входят
DeviceCountTransformer, UserCountTransformer: трансформы для расчета количества рекламных объявлений на пользователя или девайс
CtrTransformer: трансформы, с помощью которых кодируем категориальные переменные средним CTR
model_fit_predict: обучаем классическую модель Catboost `а на предсказание вероятности клика для данной сессии пользователя.
Установка
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
Обучение модели
python ctr_project/train_pipeline.py --configs configs/train_config.yaml
Юнит тестирование
pytest
Tools
DVC : для версионирования данных и артефактов при помощи Git синтаксиса
MLFlow: для логирования экспериментов над моделью.
Удаленное S3 объектное хранилище в VK Cloud
REST сервис в FastAPI
Grafana: инструмент для визуализации метрик
Prometheus: система мониторинга которая собирает метрики у приложения и передает их в Grafana
Метрики
predict_proba: значение вероятности клика с каждого предсказания
predicted_proba_hist: гистограмма вероятностей
http_predict_request_total: счетчик входящих запросов на endpoint /predict
├── LICENSE
├── Makefile <- Makefile with commands like `make data` or `make train`
├── README.md <- The top-level README for developers using this project.
├── data
│ ├── external <- Data from third party sources.
│ ├── interim <- Intermediate data that has been transformed.
│ ├── processed <- The final, canonical data sets for modeling.
│ └── raw <- The original, immutable data dump.
│
├── docs <- A default Sphinx project; see sphinx-doc.org for details
│
├── models <- Trained and serialized models, model predictions, or model summaries
│
├── notebooks <- Jupyter notebooks. Naming convention is a number (for ordering),
│ the creator's initials, and a short `-` delimited description, e.g.
│ `1.0-jqp-initial-data-exploration`.
│
├── references <- Data dictionaries, manuals, and all other explanatory materials.
│
├── reports <- Generated analysis as HTML, PDF, LaTeX, etc.
│ └── figures <- Generated graphics and figures to be used in reporting
│
├── requirements.txt <- The requirements file for reproducing the analysis environment, e.g.
│ generated with `pip freeze > requirements.txt`
│
├── setup.py <- makes project pip installable (pip install -e .) so src can be imported
├── src <- Source code for use in this project.
│ ├── __init__.py <- Makes src a Python module
│ │
│ ├── data <- Scripts to download or generate data
│ │ └── make_dataset.py
│ │
│ ├── features <- Scripts to turn raw data into features for modeling
│ │ └── build_features.py
│ │
│ ├── models <- Scripts to train models and then use trained models to make
│ │ │ predictions
│ │ ├── predict_model.py
│ │ └── train_model.py
│ │
│ └── visualization <- Scripts to create exploratory and results oriented visualizations
│ └── visualize.py
│
└── tox.ini <- tox file with settings for running tox; see tox.readthedocs.io
Project based on the cookiecutter data science project template. #cookiecutterdatascience