llucasreis / streamlit-webapp

Streamlit app to predict lung cancer

Lung Cancer Prediction

Descrição

Este é um Data App para Diagnóstico preditivo de Câncer de Pulmão

Desenvolvido pelos alunos: Andrea Monicque, Francisco Marcelo, Lucas Pereira e Marcos Wenneton para a discplina de Infraestrutura em Nuvem para Projetos com Ciência dos Dados do curso de Pós-Graduação em Ciência de Dados da Universidade do Estado do Amazonas - UEA.

Dataset e Modelo Preditivo

O dataset utilizado está disponível gratuitamente na plataforma Kaggle por este link. Desenvolvemos uma solução preditiva com Microsoft Machine Learning Studio (classic) e publicamos online para ser consumido pela aplicação.

Requerimentos

Para executar localmente, é necessário você ter instalado as seguintes ferramentas:

• Python 3
• PIP

Após isso você pode clonar o repositório com o comando:

git clone https://github.com/llucasreis/streamlit-webapp

Iniciando a aplicação

Antes de iniciar é recomendável você utilizar um ambiente virtual, e para isto, execute os seguintes comandos:

# instalando a biblioteca de ambiente virtual
pip install virtualenv

# criando o ambiente virtual
python3 -m virtualenv .venv

# ativando o ambiente virtual
source .venv/bin/activate

Após ativar seu ambiente virtual, basta executar o comando para instalar as bibliotecas:

pip install -r requirements.txt

E por fim, execute o comando para rodar a aplicação com streamlit:

streamlit run src/app.py

Azure

Os passos acima habilitam o ambiente e executa localmente, mas não será possível realizar a predição pois a aplicação utiliza a Azure como dependência externa para hospedar o modelo preditivo. Acima, é recomendável utilizar o sistema diretamente do Heroku, pois já está conectado com a Azure.

Caso você já tenha um modelo preditivo na Azure com este dataset, basta criar um arquivo de ambiente com:

make dotenv

# caso não funcione esse comando, pode usar:
cp .env.example .env

E inserir as credenciais da sua aplicação.

---

Made by Andrea Monicque, Francisco Marcelo, Lucas Pereira and Marcos Wenneton