Tweet Classifier

Projet de classification automatique de tweets suspects utilisant des techniques de Machine Learning.

Fonctionnalités

• Prétraitement des tweets
• Analyse exploratoire des données (EDA)
• Vectorisation TF-IDF
• Entraînement de plusieurs modèles
  • Naive Bayes
  • Logistic Regression
  • Linear SVM
• Sélection automatique du meilleur modèle
• Optimisation par Grid Search
• Évaluation complète
  • Accuracy
  • Precision
  • Recall
  • F1-score
  • Matrice de confusion
  • Courbe ROC
  • AUC
• Déploiement avec Streamlit
• Versionnement des données avec DVC
• Suivi des expérimentations avec MLflow
• Pipeline CI/CD avec GitHub Actions

---

Structure du projet

TweetClassifier
│
├── .github/
│   └── workflows/
│       └── ml_pipeline.yml
│
├── data/
│   ├── raw/
│   └── processed/
│
├── models/
│
├── notebooks/
│
├── reports/
│
├── src/
│   ├── preprocess.py
│   ├── train.py
│   ├── evaluate.py
│   ├── optimize.py
│   └── predict.py
│
├── app.py
├── dvc.yaml
├── dvc.lock
├── requirements.txt
└── README.md

---

Installation

Créer un environnement virtuel :

python -m venv .venv

Activation :

Windows

.venv\Scripts\activate

Installer les dépendances :

pip install -r requirements.txt

---

Prétraitement

python src/preprocess.py

---

Entraînement

python src/train.py

---

Évaluation

python src/evaluate.py

---

Optimisation

python src/optimize.py

---

Prédiction

python src/predict.py

---

Interface Streamlit

streamlit run app.py

---

MLflow

Lancer l'interface MLflow :

mlflow ui

Puis ouvrir :

http://127.0.0.1:5000

---

DVC

Reproduire le pipeline :

dvc repro

Envoyer les données vers le stockage DVC :

dvc push

---

GitHub Actions

Le pipeline CI exécute automatiquement :

• Prétraitement
• Entraînement
• Évaluation

à chaque Push sur la branche principale.

---

Auteur : OUATTARA Amara Christian Erwan

Projet réalisé dans le cadre du cours de Construction de modèles et leur Déploiement du Master en Fouilles de Données & Intelligence Artificielle.