Formation au MLOps avec MLFlow pour acquérir les connaissances et les compétences nécessaires à la mise en œuvre de pratiques MLOps, en utilisant des outils tels que MLFlow. Exploration des aspects de la gestion du cycle de vie des modèles de machine learning, du développement à la production, à travers cinq chapitres.

Ce projet fournit le code nécessaire pour créer un tableau de bord de surveillance de la classification NACE (rev 2.1). Le tableau de bord, propulsé par les nouvelles fonctionnalités de Quarto, permet aux utilisateurs de suivre les performances du modèle, de visualiser les prédictions et de prendre des décisions éclairées basées sur des données quasi-en temps réel. Il est accessible à l'adresse [https://dashboard-ape.lab.sspcloud.fr/](https://dashboard-ape.lab.sspcloud.fr/).

Application interactive permettant d'analyser des produits alimentaires en scannant leur code-barres et d'afficher des informations nutritionnelles.