Policy Price AI

Contexte

Réalisé dans le cadre de la formation Ecole Microsoft by SIMPLON

Contributeurs

• Louis Moises
• Grégory Martin

🛠️ Install

Réalisé avec Python 3.11

L'installation est classique:

• cloner le dépôt distant

git clone https://github.com/GMartin-Data/PolicyPriceAI.git

• réaliser un environnement virtuel pour le projet:

python -m venv venv

• l'activer
  • source venv/bin/activate (sur Linux)
  • .\venv\scripts\activate (sur Windows)
• installer les bibliothèques et dépendances nécessaires:

python -m pip install -r requirements.txt

Description

Objectif

Il s'agissait de répondre à un cas réel qui était le suivant:

Une compagnie d'assurance française souhaite investir le marché américain. Pour ce faire, elle réalise un appel d'offre afin de développer une solution d'IA capable de prédire, à partir de données récoltées, les souscriptions de ses utilisateurs.

Il s'agissait également de réaliser une Analyse Exploratoire des Données (i.e. EDA) pour ce client.

Contenu

Le dépôt contient notamment:

• 5 notebooks, préfixés séquentiellement.
  • un prévu pour le nettoyage 1_cleaning.ipynb
  • deux pour l'EDA, 2_eda.ipynb et 2_eda_final.ipynb contenant, pour le premier, une exploration "tous azymuts" et, pour le second, une approche plus résumée, centrée sur la présentation client.
  • deux pour le ML, sur le même schéma.
• 2 scripts Python
  • build_model.py autorise un QuickStart sans passer par les Notebooks, en résumant les étapes essentielles finalisées de ces derniers.
  • main.py contient la logique de l'application Streamlit permettant de saisir les données utilisateurs et de réaliser la prédiction.
• Une structure de dossiers permettant de recueillir:
  • les graphes de l'EDA,
  • les fichiers csv utiles.

Lancement

L'application streamlit se lance suivant la procédure habituelle avec streamlit run main.py