Projeto MLOps com MLFlow

Atenção usuários Windows:

Antes de seguir as instruções abaixo, recomenda-se configurar o WSL (Windows Subsystem for Linux) para garantir compatibilidade total com Docker, Conda e comandos Linux. Siga o guia:

Guia de instalação e uso do WSL

Pré-requisitos

1. Conta no GitHub (gratuita)
2. VS Code instalado (baixar)
3. Anaconda ou Miniconda instalado (baixar)
4. Git instalado
5. Docker Desktop (baixar)

Fazer Fork e Clonar o Repositório

1. No GitHub, acesse: https://github.com/weslleymoura/mlops
2. Clique em Fork
3. Depois, clone seu fork:

   git clone https://github.com/SEU-USUARIO/mlops.git
   cd mlops

Criar e Ativar o Ambiente Conda

1. Crie o ambiente:

   conda create -n mlops-util-env python=3.11

2. Ative o ambiente:

   conda activate mlops-util-env

3. Instale as dependências:

   conda install -c conda-forge --file requirements/requirements_conda.txt

Abrir o Jupyter Lab

1. Ative o seu ambiente conda

   conda activate mlops-util-env

2. Abra o Jupyter Lab:

   jupyter lab

3. Abra os notebooks na pasta notebooks/.

Subir os Serviços Docker

1. No diretório do projeto, execute:

   docker compose up

2. Os serviços MLflow, MinIO e Postgres serão iniciados.

Acessar os Serviços

• MLflow UI: http://localhost:5010
• MinIO Console: http://localhost:9001 (user: user, senha: password)
• Postgres: localhost:5433 (user: user, senha: password)

Dicas

• Use VS Code para editar os scripts do projeto.
• Use o ambiente Conda para rodar notebooks e scripts Python.
• Pare os serviços Docker com:

  docker compose down

• Arquivo de referência (comandos úteis)

Pronto! Agora você pode trabalhar localmente com MLflow, MinIO, Postgres e Jupyter Lab.

---