supprime une appli

chapters/application.qmd

@@ -931,30 +931,6 @@ exécuter le code nécessaire à répondre à toute action d'un utilisateur de l
 :::
 
 
-## Étape préliminaire: création d'un _pipeline_ `scikit`
-
-La mise en
-production nécessite d'être exigeant sur la mise en oeuvre opérationnelle
-de notre _pipeline_. Nous avons néanmoins un _pipeline_ un peu bancal
-car il requiert d'être vigilant dans la manière d'enchaîner les
-étapes de _preprocessing_, d'entraînement et d'évaluation.
-
-Quand on utilise `scikit`, la bonne pratique est d'utiliser
-les [_pipelines_](https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html)
-qui sécurisent les étapes de _feature engineering_ nécessaires avant la mise en oeuvre d'un modèle, qu'il
-que
-ce soit pour l'entraînement ou pour appliquer les mêmes opérations avec les mêmes paramètres sur 
-sur un nouveau jeu de données avant de faire un _predict_. 
-
-On va donc devoir refactoriser notre application pour utiliser un _pipeline_ `scikit`. 
-Les raisons sont expliquées plus en détail [ici](https://scikit-learn.org/stable/common_pitfalls.html).
-Cela aura
-également l'avantage de rendre les étapes de notre _pipeline_ plus lisibles lorsqu'on passera à
-l'étape d'industrialisation avec `MLFLow`. 
-
-{{< include "./applications/_appli16.qmd" >}}
-
-
 ## Étape 1: développer une API en local
 
 Le premier livrable devenu classique dans un projet
@@ -968,7 +944,7 @@ de rapidement transformer notre application `Python` en une API fonctionnelle.
 ## Si vous prenez ce projet fil rouge en cours de route
 
 ```{.bash filename="terminal"}
-git checkout appli16
+git checkout appli15
 ```
 
 ![](/checkpoint.jpg){width=80% fig-align="center"}

chapters/applications/_appli17.qmd

@@ -1,6 +1,6 @@
 ::: {.callout-tip}
 
-## Application 17: Mise à disposition sous forme d'API locale
+## Application 16: Mise à disposition sous forme d'API locale
 
 - Installer `fastAPI` et `uvicorn` puis les ajouter au `requirements.txt`
 - Renommer le fichier `main.py` en `train.py`. Dans ce script, ajouter une
@@ -32,7 +32,9 @@ fichier sans vous référer à l'exemple
 <summary>
 Fichier `api.py`
 </summary>
-Récupérer le contenu sur [cette page](https://raw.githubusercontent.com/ensae-reproductibilite/application-correction/appli17/api.py)
+
+```{.python include="./applications/code/appli17_api_main.py" filename="src/models/train_evaluation.py"}
+```
 </details>
 
 - Déployer en local l'API avec la commande

chapters/applications/_appli8.qmd

@@ -43,8 +43,40 @@ en modifiant `$BUCKET_PERSONNEL`. Les URL de téléchargement seront de la forme
 - Ajouter le dossier `data/` au `.gitignore`
 - Supprimer le dossier `data` de votre projet et faites `git rm --cached -r data` 
 - Vérifier le bon fonctionnement de votre application.
+
+Maintenant qu'on a arrangé la structure de notre projet, c'est l'occasion 
+de supprimer le code qui n'est plus nécessaire au bon fonctionnement de notre
+projet (cela réduit la charge de maintenance[^pourapres]). 
+
+Pour vous aider, vous pouvez
+utiliser [`vulture`](https://pypi.org/project/vulture/) de manière itérative
+pour vous assister dans le nettoyage de votre code. 
+
+```{.bash filename="terminal"}
+vulture main.py src/
+```
+
+<details>
+<summary>
+Exemple de sortie
+</summary>
+
+```{.bash filename="terminal"}
+vulture main.py src/
+```
+
+```{.python}
+main.py:21: unused variable 'jeton_api' (60% confidence)
+main.py:36: unused variable 'ticket_count' (60% confidence)
+main.py:37: unused variable 'name_count' (60% confidence)
+```
+
+</details>
+
 :::
 
+[^pourapres]: Lorsqu'on développe du code qui finalement ne s'avère plus nécessaire, on a souvent un cas de conscience à le supprimer et on préfère le mettre de côté. Au final, ce syndrôme de Diogène est mauvais pour la pérennité du projet : on se retrouve à devoir maintenir une base de code qui n'est, en pratique, pas utilisée. Ce n'est pas un problème de supprimer un code ; si finalement celui-ci s'avère utile, on peut le retrouver grâce à l'historique `Git` et les outils de recherche sur `Github`. Le _package_ `vulture` est très pratique pour diagnostiquer les morceaux de code inutiles dans un projet. 
+
 ::: {.callout-caution collapse="true"}
 ## Checkpoint
 

chapters/applications/code/appli17_api_main.py

@@ -0,0 +1,51 @@
+"""A simple API to expose our trained RandomForest model for Tutanic survival."""
+from fastapi import FastAPI
+from joblib import load
+
+import pandas as pd
+
+model = load('model.joblib')
+
+app = FastAPI(
+    title="Prédiction de survie sur le Titanic",
+    description=
+    "Application de prédiction de survie sur le Titanic 🚢 <br>Une version par API pour faciliter la réutilisation du modèle 🚀" +\
+        "<br><br><img src=\"https://media.vogue.fr/photos/5faac06d39c5194ff9752ec9/1:1/w_2404,h_2404,c_limit/076_CHL_126884.jpg\" width=\"200\">"
+    )
+
+
+@app.get("/", tags=["Welcome"])
+def show_welcome_page():
+    """
+    Show welcome page with model name and version.
+    """
+
+    return {
+        "Message": "API de prédiction de survie sur le Titanic",
+        "Model_name": 'Titanic ML',
+        "Model_version": "0.1",
+    }
+
+
+@app.get("/predict", tags=["Predict"])
+async def predict(
+    sex: str = "female",
+    age: float = 29.0,
+    fare: float = 16.5,
+    embarked: str = "S"
+) -> str:
+    """
+    """
+
+    df = pd.DataFrame(
+        {
+            "Sex": [sex],
+            "Age": [age],
+            "Fare": [fare],
+            "Embarked": [embarked],
+        }
+    )
+
+    prediction = "Survived 🎉" if int(model.predict(df)) == 1 else "Dead ⚰️"
+
+    return prediction