End-to-End MLOps Pipeline — Drug Classification

Pipeline automatisé de bout en bout : préprocessing, entraînement et suivi d'expériences via MLflow (paramètres, métriques, matrice de confusion, registre de modèles).

97,5% d'accuracy avec une régression logistique optimisée — 97,6% de précision, 97,5% de recall, F1-score de 97,4%.

Conteneurisé avec Docker et exposé via une API REST FastAPI (interface web + endpoint), déployé en production avec CI/CD déclenché depuis GitHub.