app.py

import streamlit as st
from pathlib import Path

# Configuration de la page
st.set_page_config(
    page_title="Teachable Machine IA",
    page_icon="🧠",
    layout="wide",
    initial_sidebar_state="expanded"
)

# Initialisation des variables de session
if 'problem_type' not in st.session_state:
    st.session_state.problem_type = None
if 'use_deep_learning' not in st.session_state:
    st.session_state.use_deep_learning = False
if 'data' not in st.session_state:
    st.session_state.data = None
if 'X_train' not in st.session_state:
    st.session_state.X_train = None
if 'X_test' not in st.session_state:
    st.session_state.X_test = None
if 'y_train' not in st.session_state:
    st.session_state.y_train = None
if 'y_test' not in st.session_state:
    st.session_state.y_test = None
if 'model' not in st.session_state:
    st.session_state.model = None
if 'model_name' not in st.session_state:
    st.session_state.model_name = None
if 'preprocessing_steps' not in st.session_state:
    st.session_state.preprocessing_steps = []
if 'target_column' not in st.session_state:
    st.session_state.target_column = None
if 'data_type' not in st.session_state:
    st.session_state.data_type = 'tabular'  # 'tabular' or 'image'
if 'training_history' not in st.session_state:
    st.session_state.training_history = None
if 'scaler' not in st.session_state:
    st.session_state.scaler = None
if 'encoder' not in st.session_state:
    st.session_state.encoder = None

# CSS personnalisé pour un design moderne
st.markdown("""
<style>
    .main-header {
        font-size: 3rem;
        font-weight: bold;
        text-align: center;
        background: linear-gradient(90deg, #667eea 0%, #764ba2 100%);
        -webkit-background-clip: text;
        -webkit-text-fill-color: transparent;
        margin-bottom: 2rem;
    }
    .sub-header {
        text-align: center;
        color: #666;
        font-size: 1.2rem;
        margin-bottom: 3rem;
    }
    .stButton>button {
        width: 100%;
        border-radius: 10px;
        height: 3em;
        background: linear-gradient(90deg, #667eea 0%, #764ba2 100%);
        color: white;
        font-weight: bold;
    }
    .info-box {
        padding: 1.5rem;
        border-radius: 10px;
        background-color: #f0f2f6;
        margin: 1rem 0;
    }
</style>
""", unsafe_allow_html=True)

# Page d'accueil
st.markdown('<h1 class="main-header">🧠 Teachable Machine IA</h1>', unsafe_allow_html=True)
st.markdown('<p class="sub-header">Construisez, entraînez et évaluez vos modèles d\'IA sans coder</p>', unsafe_allow_html=True)

# Navigation dans la sidebar
st.sidebar.title("📚 Navigation")
st.sidebar.markdown("---")

# Statut du workflow
st.sidebar.subheader("🔄 Progression")
steps = {
    "1️⃣ Accueil": True,
    "2️⃣ Chargement": st.session_state.data is not None,
    "3️⃣ Prétraitement": st.session_state.X_train is not None,
    "4️⃣ Modèle": st.session_state.model_name is not None,
    "5️⃣ Entraînement": st.session_state.model is not None,
    "6️⃣ Évaluation": st.session_state.model is not None,
    "7️⃣ Résumé": st.session_state.model is not None
}

for step, completed in steps.items():
    icon = "✅" if completed else "⭕"
    st.sidebar.markdown(f"{icon} {step}")

st.sidebar.markdown("---")
st.sidebar.info("💡 **Astuce**: Suivez les étapes dans l'ordre pour créer votre modèle IA.")

# Introduction
col1, col2, col3 = st.columns(3)

with col1:
    st.markdown("### 🎯 Objectif")
    st.write("Créez des modèles d'IA personnalisés pour résoudre vos problèmes de classification ou de régression.")

with col2:
    st.markdown("### 🚀 Simplicité")
    st.write("Interface intuitive sans code. Chargez vos données, configurez et entraînez en quelques clics.")

with col3:
    st.markdown("### 🧪 Flexibilité")
    st.write("ML classique ou Deep Learning. Datasets tabulaires ou images. Vous choisissez!")

st.markdown("---")

# Choix du type de problème
st.markdown("## 🎮 Commencez votre projet")

col1, col2 = st.columns(2)

with col1:
    st.markdown("### 🧩 Classification")
    st.write("Prédisez des catégories (ex: chat ou chien, spam ou non-spam)")
    if st.button("🧩 Choisir Classification", key="classification"):
        st.session_state.problem_type = "classification"
        st.success("✅ Classification sélectionnée!")
        st.info("👉 Rendez-vous dans la page **2_Chargement_donnees** via la sidebar")

with col2:
    st.markdown("### 📈 Régression")
    st.write("Prédisez des valeurs continues (ex: prix, température)")
    if st.button("📈 Choisir Régression", key="regression"):
        st.session_state.problem_type = "regression"
        st.session_state.use_deep_learning = False  # Pas de DL pour régression
        st.success("✅ Régression sélectionnée!")
        st.info("👉 Rendez-vous dans la page **2_Chargement_donnees** via la sidebar")

# Affichage du choix actuel
if st.session_state.problem_type:
    st.markdown("---")
    st.markdown("### 📋 Configuration actuelle")
    
    config_col1, config_col2 = st.columns(2)
    with config_col1:
        st.info(f"**Type de problème**: {st.session_state.problem_type.upper()}")
    
    # Option Deep Learning pour classification
    if st.session_state.problem_type == "classification":
        with config_col2:
            use_dl = st.checkbox(
                "🤖 Activer le Deep Learning",
                value=st.session_state.use_deep_learning,
                help="Utilisez des réseaux de neurones (CNN) pour les images ou données tabulaires"
            )
            st.session_state.use_deep_learning = use_dl
            
        if st.session_state.use_deep_learning:
            st.success("🤖 Mode Deep Learning activé - Parfait pour les images!")
    
    st.markdown("---")
    st.success("✅ Vous pouvez maintenant passer à l'étape suivante dans le menu de gauche.")

# Footer
st.markdown("---")
st.markdown("""
<div style='text-align: center; color: #666; padding: 2rem;'>
    <p>🧠 <b>Teachable Machine IA</b> - Créé avec ❤️ et Streamlit</p>
    <p style='font-size: 0.9rem;'>Propulsé par scikit-learn, TensorFlow et Keras</p>
</div>
""", unsafe_allow_html=True)