Deployment Of Ml Models As Web Applications.

Résumé: Le mémoire a été rédigé en vue de l'obtention du diplôme de fin d'études en informatique spécialité génie logiciel. Il traite des problèmes rencontrés lors de l'étape de déploiement de plusieurs algorithmes de Machine Learning sur le web. Pour implémenter les solutions, nous avons utilisé une méthode agile appelée SCRUM qui est basée sur l'UML comme langage de modélisation et le Modèle-vue-contrôleur comme modèle de conception. La mise en œuvre a été faite sur l'environnement de développement intégré Visual Studio Code utilisant plusieurs langages tels que Javascript, PHP et Python, et les frameworks de programmation ReactJS, Laravel et FastAPI, en ce qui concerne la création de machines virtuelles isolées, nous avons utilisé Docker et Google Colab. Nous avons utilisé NGINX afin de définir le serveur HTTP. En ce qui concerne les serveurs de déploiement, nous avons fait confiance au Google Cloud Engine et à Cloudways, et comme nous devions gérer des données, nous avons fait appel à une base de données relationnelle avec MySQL et à une base de données NoSQL avec MongoDB. Tandis que le but est d'exécuter les algorithmes de Machine Learning, nous avons donc été obligés de comprendre et de modifier les programmes, en particulier en ce qui concerne les entrées et les sorties de données. La couche de sécurité de l'application a été exposée par un certain nombre de mécanismes permettant d'augmenter l'atteinte des objectifs de sécurité (authentification, contrôle d'accès etc.)

Publié dans la revue: