JarvisTEC-BackEnd

JarvisTEC - FrontEnd aquí

Endpoints

Se crearon dos endpoints:

• El primero para los modelos creados en R:

GET /RLMinR/<int:model_id>/<str:values>/

Donde model_id es el identificador del modelo (1 - 4) y values son las columnas y el valor requerido del modelo, por ejemplo bmi=70,age=18

• El segundo para los modelos creados en python:

GET /pythonModel/<int:model_id>/<str:rows_values>/

Donde model_id es el identificador del modelo (1 - 8) y rows_values solo los valores de las columnas requeridas, siguiendo el ejemplo anterior sería: 70,18

Cómo se exportaron los modelos

En python

import pickle

# save the model to disk
filename = 'model_name.sav'
pickle.dump(model, open(filename, 'wb'))

En R

install.packages("e1071")
library(e1071)

MODEL_SAVE_PATH = "ModelName"
model_path = './res'
DEP_LIBS = c("e1071")

# save
model_rds_path = paste(MODEL_SAVE_PATH, ".rds",sep='')

# save model
dir.create(dirname(model_path), showWarnings=FALSE, recursive=TRUE)
saveRDS(model, model_rds_path)

# save dependency list
file_conn <- file(model_dep_path)
writeLines(DEP_LIBS, file_conn)
close(file_conn)

Cómo ejecutarlo

Es necesario ejecutar los siguientes comandos:

pip install numpy pandas rpy2 sklearn 
pip install Django==4.0.4
pip install django-cors-headers

En la carpeta del proyecto:

python manage.py runserver

Integrantes:

• Ali Hashemi Shirkavand
• Francisco Soto Quesada
• Jairo Pacheco Campos
• Sebastián Rojas Vargas

Curso: Inteligencia Artificial. I Semestre 2022. Profesor: Efrén Jimenez.