{"id":25311655,"url":"https://github.com/rogeriols/eml_3.1_model_serving_com_mlserver","last_synced_at":"2026-01-21T17:32:17.455Z","repository":{"id":245034058,"uuid":"817065516","full_name":"RogerioLS/EML_3.1_Model_serving_com_MLServer","owner":"RogerioLS","description":null,"archived":false,"fork":false,"pushed_at":"2024-06-19T20:41:50.000Z","size":29,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-13T14:53:35.094Z","etag":null,"topics":[],"latest_commit_sha":null,"homepage":null,"language":"Makefile","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/RogerioLS.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-06-19T00:34:37.000Z","updated_at":"2024-06-19T20:41:53.000Z","dependencies_parsed_at":"2024-06-20T09:01:19.369Z","dependency_job_id":"cc18aa50-7378-4b11-abb2-faa3baab8d44","html_url":"https://github.com/RogerioLS/EML_3.1_Model_serving_com_MLServer","commit_stats":null,"previous_names":["rogeriols/eml_3.1_model_serving_com_mlserver"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/RogerioLS%2FEML_3.1_Model_serving_com_MLServer","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/RogerioLS%2FEML_3.1_Model_serving_com_MLServer/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/RogerioLS%2FEML_3.1_Model_serving_com_MLServer/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/RogerioLS%2FEML_3.1_Model_serving_com_MLServer/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/RogerioLS","download_url":"https://codeload.github.com/RogerioLS/EML_3.1_Model_serving_com_MLServer/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":247648974,"owners_count":20972945,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":[],"created_at":"2025-02-13T14:53:35.471Z","updated_at":"2026-01-21T17:32:17.423Z","avatar_url":"https://github.com/RogerioLS.png","language":"Makefile","funding_links":[],"categories":[],"sub_categories":[],"readme":"### *Projeto de Classificação de Flores Iris com MLServer*\n\nEste projeto demonstra como treinar um modelo de classificação utilizando o conjunto de dados Iris e servir esse modelo usando o MLServer. O modelo treinado é um classificador RandomForestClassifier do scikit-learn, e é servido através do MLServer para inferência.\n\nPré-requisitos\nDocker instalado na máquina local\nConhecimento básico de linha de comando\nPassos para Execução\n1. Clonar o Repositório\nClone este repositório para sua máquina local:\n\n```\ngit clone https://github.com/seu-usuario/iris-classification-mlserver.git\ncd iris-classification-mlserver\n```\n2. Treinar o Modelo\nDentro do diretório do projeto, execute o script de treinamento para treinar o modelo e gerar o arquivo .pkl:\n\n```\npython train_model.py\n```\n\nEste script utiliza o conjunto de dados Iris, treina um RandomForestClassifier e salva o modelo treinado como model/iris-model/iris_model.pkl.\n\n3. Construir e Executar o Contêiner Docker\nUtilize o Makefile fornecido para construir e executar o contêiner Docker que servirá o modelo:\n\n````\nmake build\nmake run\n````\nO comando make build construirá a imagem Docker com base no Dockerfile fornecido. O comando make run iniciará o contêiner Docker em segundo plano.\n\n4. Verificar o Status do Contêiner\nVerifique se o contêiner está em execução e sem erros. Você pode verificar o status usando o seguinte comando:\n\n````\nmake\n````\nCertifique-se de que o contêiner iris-model está listado e em execução.\n\n\n5. Executar Solicitações de Inferência\nVocê pode enviar solicitações de inferência para o modelo servido pelo MLServer usando qualquer cliente HTTP. Aqui está um exemplo simples usando curl:\n\n```\npython send_prediction.py\n```\n\n6. Parar e Limpar o Ambiente\nPara parar o contêiner e limpar o ambiente:\n\n````\nmake clean\n````","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frogeriols%2Feml_3.1_model_serving_com_mlserver","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Frogeriols%2Feml_3.1_model_serving_com_mlserver","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frogeriols%2Feml_3.1_model_serving_com_mlserver/lists"}