Skip to content

PicPay/case-machine-learning-engineer-pleno

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

11 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Case Machine Learning Engineer

Escopo

Este teste consiste em criar uma solução de transformação de dados, treino de modelo e escoragem online. Para isso deverá ser entregue um link de um repositório Git (GitHub, BitBucket, etc.) contendo a seguinte estrutura:

  • /src/ - Códigos da API
  • /notebook/ - Contém o arquivo notebook com as transformações do dado, respostas das perguntas e treinamento do modelo
  • /docs/ - Desenho da arquitetura
  • /tests/ - Testes unitários

Abaixo estão as regras/orientações para a entrega:

  • Você terá 15 dias corridos a partir do recebimento deste email para fazer a entrega final via Github, em um repositório público e o link do repositório deverá ser enviado para a plataforma Gupy em resposta ao email de recebimento do desafio;
  • Durante todo o período o time estará disponível para dúvidas no email [email protected];
  • O foco do teste é avaliar como você se sai em um desafio de rotinas de Engenheiro de Machine Learning bem como você lida ao aprender novas tecnologias;
  • Caso não consiga terminar 100% do proposto, recomendamos que faça as entregas mesmo assim para que o time possa avaliar seu desempenho;
  • O uso de ferramentas como Google e ChatGPT é permitido porém, iremos avaliar e questionar a solução entregue durante a entrevista técnica;

CheckList de Entrega

  • A API deverá ser feita em Python e Conteinerizada no docker. A API deverá ter os seguintes endpoints:
    • /model/predict/
      • Endpoint onde deverá receber um payload com as informações do voo e retornar a previsão do atraso no destino
    • /model/load/
      • Endpoint onde deverá receber o arquivo .pkl do modelo e deixar a API pronta para realizar predições
    • /model/history/
      • Endpoint onde deverá exibir o histórico de predições realizadas (o payload de entrada + as saídas preditas)
    • /health/
      • Endpoint que irá retornar a saúde da API
  • O Notebook deverá ser exportado no formato **.ipynb **e estar dentro do repositório git.
    • Deverá realizar as transformações utilizando spark:
    • Responder o conjunto de perguntas contidas nesse documento
  • Desenho da arquitetura:
    • Apresentar um desenho simples de como essa arquitetura poderia funcionar dentro de um ambiente Cloud;
    • O desenho da arquitetura pode ser apenas uma imagem (.png, .jpg)

Você deverá apresentar a solução durante a entrevista técnica

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages