MLOps_CreditScore/deployment

---

🚀✨ Intelligent Credit Scoring Pipeline - Deployment ✨🚀

¡Hola! 👋 Esta carpeta contiene todo lo necesario para desplegar mi modelo de scoring crediticio como una API usando BentoML. Después de entrenar y registrar el modelo, ahora puedo servirlo para hacer predicciones en tiempo real 📡💡.

---

🧰 Requisitos previos

Antes de ejecutar la API, asegúrate de tener lo siguiente:

• 🐍 Python 3.8+
• ⚙️ Entorno virtual env_pipeline activado
• 📦 Dependencias instaladas desde requirements.txt:

pip install -r ../requirements.txt

• 🧠 Modelo entrenado guardado en models/model_1/rf_model.pkl y registrado en BentoML ✅

---

📁 Archivos importantes

Archivo	¿Para qué lo uso?
bentofile.yaml	Configura el servicio con BentoML ⚙️
service.py	Define el endpoint /predict 🚀
save_model_to_bentoml.py	Registra el modelo en BentoML 📥

---

▶️ Cómo levantar la API

1️⃣ Activar entorno virtual:

cd G:\MLOps Proyecto End_to_End\IntelligentCreditScoringPipeline\deployment
.\env_pipeline\Scripts\activate

2️⃣ Registrar el modelo (si hubo cambios):

python save_model_to_bentoml.py

3️⃣ Iniciar el servicio de la API:

bentoml serve service.py:CreditScoringService --reload

📍 La API estará disponible en: http://127.0.0.1:3000

---

🧪 Cómo probar la API

🌐 Desde Swagger UI

1. Abre http://127.0.0.1:3000/docs
2. Busca el endpoint /predict
3. Verás un JSON con valores de prueba
4. Haz clic en Execute para obtener tu predicción 🎉

💻 Usando cURL

✅ Valores por defecto:

curl -X POST http://127.0.0.1:3000/predict

✍️ Enviar tus propios valores:

curl -X POST -H "Content-Type: application/json" ^
     -d "[{...mis datos...}]" ^
     http://127.0.0.1:3000/predict

---

🔄 ¿Qué devuelve la API?

{"predictions": ["Good"]}

🔹 Los valores posibles: "Good", "Bad" o "Standard".

---

📌 Notas útiles

• Modelo guardado en: C:\Users\<mi_usuario>\.bentoml\models\
• Verifica la etiqueta del modelo: credit_scoring_model_1:<última_tag>

✅ Para empaquetar todo:

bentoml build

---

🧾 Ejemplo de entrada para el modelo

{
  "input_data": {
    "Edad": 40,
    "Salario_Mensual": 16000,
    ...
    "credit_history_ratio": 0.167
  }
}

🔍 Representa a una persona con buen historial y comportamiento financiero. Ideal para pruebas reales.

---

❗ Qué hacer si algo falla

Problema	Qué hacer
❌ No encuentra el modelo	Verifica con bentoml models list y ejecuta save_model_to_bentoml.py
⚠️ Error en la API	Revisa los logs en consola o usa Swagger UI

---

🐳 Crear Contenedor Docker y Subir a Docker Hub

1. Prerrequisitos

• Docker Desktop instalado y corriendo (docker version)
• Cuenta en Docker Hub
• Modelo registrado: credit_scoring_model_1

2. Preparar dependencias

Crear requirements_clean.txt con:

bentoml==1.4.10
pandas==2.2.3
pydantic==2.11.2
scikit-learn==1.6.1
python-dotenv==1.1.0

Instalarlas (opcional):

pip install -r ../requirements_clean.txt

3. Registrar el modelo

cd G:\MLOps Proyecto End_to_End\IntelligentCreditScoringPipeline\deployment
python save_model_to_bentoml.py

4. Verificar modelos

bentoml models list

5. Configurar bentofile.yaml

service: "service.py:CreditScoringService"
include:
  - "*.py"
python:
  requirements_txt: "../requirements_clean.txt"
models:
  - credit_scoring_model_1:latest

6. Construir el Bento

cd G:\MLOps Proyecto End_to_End\IntelligentCreditScoringPipeline\deployment
set PYTHONUTF8=1
bentoml build

---

7. Crear la Imagen Docker

bentoml containerize credit_scoring_service_model_1:mrsbs4i4acecsaib

8. Verificar la Imagen

docker images

---

9. Probar Contenedor Localmente

docker run --rm -p 3000:3000 credit_scoring_service_model_1:mrsbs4i4acecsaib

📍 Prueba en http://localhost:3000/docs

Detener contenedor:

docker ps
docker stop <container_id>

---

10. Subir Imagen a Docker Hub

docker tag credit_scoring_service_model_1:mrsbs4i4acecsaib jorgedatascientist/credit_scoring_service_model_1:mrsbs4i4acecsaib
docker login
docker push jorgedatascientist/credit_scoring_service_model_1:mrsbs4i4acecsaib

✅ La imagen del contenedor ha sido publicada exitosamente en Docker Hub y puedes consultarla aquí:

🔗 https://hub.docker.com/repository/docker/jorgedatascientist/credit_scoring_service_model_1/general

---

11. (Opcional) Probar desde Docker Hub

docker pull jorgedatascientist/credit_scoring_service_model_1:mrsbs4i4acecsaib
docker run --rm -p 3000:3000 jorgedatascientist/credit_scoring_service_model_1:mrsbs4i4acecsaib

---

🛠️ Solución de Problemas

Problema	Qué hacer
❌ Docker no responde	Inicia Docker Desktop y verifica con docker version
❌ Modelo no en BentoML	Ejecuta save_model_to_bentoml.py
❌ Error en bentoml build	Verifica requirements_clean.txt y bentofile.yaml
❌ Error en bentoml containerize	Confirma que Docker esté activo
❌ Contenedor no inicia	Usa docker logs <container_id> para más información
❌ Error al subir	Asegúrate de estar autenticado en Docker Hub

---