add readme

Dockerfile

 FROM python:3.10
 
-ADD /app/ .
-
+ADD requirements.txt .
 RUN pip install -r requirements.txt
 
+ADD /app/ .
+
 CMD ["python", "main.py"]
\ No newline at end of file

README.md

+# Exercice de Deployement d'application ML sur edge dans l'environement Azure
+
+## Description de l'application
+
+Un model de machine learning XGBoost à été entrainé avec les données d'un capteur de puissance electrique consommé.
+
+Caracteristiques du dataset d'entrainement :
+
+- 2 semaines de mesures
+- interval de 1min entre chaque valeur de puissance
+- puissance actives pour chacune des 3 phases
+
+Ce model est enregistré dans le fichier "model_xgboost.json"
+
+Le programme principale utilise un dataset de test d'une durée de 1 jour, et effectue une prediction pour chaque mesure.
+
+### Test du programme
+
+```console
+docker build -t app_ml_edge .
+docker run -it app_ml_edge
+```

app/main.py

@@ -39,7 +39,7 @@ def predict(df, reg = None):
         reg.load_model("model_xgboost.json")
 
     df, x, y = prepare_feat(df)
-
+    print(f'\nTimestamp,     [prediction], real value, {bcolors.OKGREEN}percentage error{bcolors.ENDC}\n')
     for i in range(len(x)):
         tmp = x.iloc[i].to_frame().T
         predictions = reg.predict(tmp)
@@ -62,5 +62,5 @@ if __name__ == "__main__":
     df = pd.read_csv('159_2023-01-11_1d.csv')
     df['timestamp'] = pd.to_datetime(df['timestamp'])
     df = df.set_index('timestamp')
-    print('predict')
+    
     predict(df)

app/requirements.txt → requirements.txt

 pandas
-matplotlib
 xgboost
 scikit-learn
-exoscale
 importlib-metadata
 bson
-#matplotlib gui :
-pyqt5
+