Retour aux projets
En productionData EngineeringÉquipe · Data Engineer & ML Developer
HOMEPEDIA
Plateforme data-driven alliant Machine Learning et open data françaises (DVF, démographie, criminalité, éducation, logement) pour estimer le prix au m² par département, type de bien, saison et surface de terrain. API REST FastAPI avec 10 endpoints thématiques. Rôle : conception de l'architecture data, pipelines ETL, entraînement des modèles de régression et implémentation de l'API.
10
Endpoints API thématiques
5+
Sources de données intégrées
2
Modèles ML de régression
Architecture
- Sources ouvertes
- DVF
- Démographie
- Criminalité
- Éducation
- Logement
- Pipelines ETL
- PySpark
- Pandas
- NumPy
- Stockage
- PostgreSQL
- SQLAlchemy
- Modèles
- Scikit-learn : 2 modèles de régression
- Joblib
- Service
- FastAPI : 10 endpoints
- Pydantic
- Docker
Stack
PythonFastAPIPostgreSQLSQLAlchemyScikit-learnPySparkPandasNumPyPydanticJoblibDocker
- Hétérogénéité des sources de données publiques françaises nécessitant une normalisation complexe
- Feature engineering adapté aux spécificités du marché immobilier (saisonnalité, typologies de biens)
- Mise en correspondance des données géographiques entre différents référentiels (départements, communes)
- Maintien d'un one-hot encoding cohérent entre l'entraînement et la prédiction en production
- Pipelines ETL modulaires avec PySpark pour le nettoyage et la transformation des données
- Encodage des variables catégorielles avec sauvegarde des colonnes du modèle pour garantir la cohérence
- Architecture API découplée permettant l'évolution indépendante des endpoints et des modèles
- Ajustements heuristiques du prix estimé selon l'état du bien (existant ou terrain nu)
- API en production offrant une estimation immobilière en temps réel
- Consolidation de données socio-économiques françaises en une base unifiée et structurée
- Modèles ML sérialisés et déployés via Docker
Une question sur ce projet ?
Me contacter