OpenClassrooms · P8 · Validated project
Deploying and monitoring scoring
Moving the scoring solution from a notebook to a monitored, tested application.
Model→API→Monitoring
The work
Prolonger le scoring par une chaîne de service, de déploiement et de surveillance du modèle, en analysant la dérive et les contraintes d’inférence.
- API conteneurisée, pipeline CI/CD GitHub Actions, journalisation des prédictions et interface de monitoring.
- Analyse de data drift avec outils statistiques et Evidently ; propositions de maintenance et suivi du cycle de vie.
Available results
- Le benchmark sauvegardé annonce environ 57,7× d’accélération et un écart de probabilités de 7,31e-8 sur son protocole local.
- Cette comparaison oppose des chemins de calcul différents et ne mesure pas une requête HTTP complète, le démarrage cloud ni la charge concurrente.
Results and feedback preserved in the 9 October 2026 audit. They were not reproduced while preparing this portfolio.
What I take away
Une solution ML continue de vivre après le déploiement : versions, observabilité, dérive, coûts et décisions de maintenance font partie du produit.
Limitations and next steps
- Même dépôt et même cas métier que P6 : deux validations pédagogiques, une seule solution de portfolio.
- La documentation et le benchmark doivent préserver le périmètre des chiffres. La configuration de seuil utilisée par le service reste à relier à la version exportée.
- Aucun état de déploiement ou de drift actuel n’a été contrôlé pendant l’audit.