lcamara/scoring-credit-stream

Monitoring de production — API de scoring crédit

Dashboard Streamlit qui visualise, en direct, les prédictions journalisées par l'API de scoring crédit (Projet 8) dans une base PostgreSQL Neon.

• —KPI : volume, taux d'erreur, taux de refus, latence moyenne / p95.
• —Distribution des scores prédits (avec le seuil métier 0,49).
• —Latence et débit dans le temps.
• —Data drift à la demande (Evidently) : production vs référence pré-scorée du Projet 6.

Configuration

Définir le secret `DATABASE_URL` dans Settings → Variables and secrets du Space : l'URL de connexion Neon (la même que celle utilisée en écriture par l'API). Optionnel : DECISION_THRESHOLD (défaut 0.49).

Déploiement

Ces fichiers (Dockerfile, pyproject.toml, app.py, reference_scored.parquet, README.md) constituent le contenu du Space Docker lcamara/scoring-credit-stream. Les pousser vers le dépôt du Space ; HF construit l'image via le Dockerfile (uv + pyproject.toml, même outillage que l'API — pas de requirements.txt).

La référence reference_scored.parquet (100 clients du Projet 6, déjà scorés) est embarquée pour calculer le drift sans charger le modèle.