space: sync from mon_projet (pyproject, Dockerfile, server, README)

README.md

@@ -1,17 +1,306 @@
+# Prédiction de l’Attrition des Employés – TechNova Partners
+
+Bienvenue dans ce projet de **classification en Machine Learning** dont l’objectif est d’**analyser et prédire les démissions d’employés (attrition)** au sein de l’ESN _TechNova Partners_, spécialisée dans le conseil en transformation digitale et la vente de solutions SaaS.
+
+Ce dépôt contient l’ensemble du travail réalisé en tant que **Consultant Data Scientist** pour :
+- comprendre les **facteurs clés** derrière les démissions,
+- construire un **modèle de prédiction de l’attrition**,
+- produire des **insights actionnables** pour les équipes RH
+
+## Table des Matières
+
+
+- [Contexte](#-contexte)
+- [Objectifs](#-objectifs)
+- [Jeux de données](#-jeux-de-données)
+- [Approche](#-approche)
+- [Structure du dépôt](#️-structure-du-dépôt)
+- [Mise en place du modèle](#-mise-en-place-du-modèle)
+- [Interprétabilité avec SHAP](#-interprétabilité-avec-shap)
+- [Installation](#️-installation)
+- [Utilisation](#️-utilisation)
+- [Livrables](#-livrables)
+- [Auteur](#-auteur)
+
+---
+<a id="-contexte"></a>
+## Contexte
+
+TechNova Partners constate un **taux de démission supérieur à la normale**.  
+
+Le responsable SIRH, souhaite :
+- **objectiver** les hypothèses issues des entretiens de départ,
+- **identifier** les **causes racines** de l’attrition,
+- **anticiper** les risques de démission.
+
+Accompagnement avec un **pipeline robuste** de modélisation + **restitution claire** pour les RH.
+
+---
+
+<a id="-objectifs"></a>
+## Objectifs
+
+- **Analyser** les profils "démissionnaires vs non-démissionnaires"
+-  **Identifier** les facteurs associés au risque de démission (ancienneté, salaire, satisfaction, performance, etc.).
+- **Construire un modèle de classification** capable de prédire la probabilité de départ d’un employé.
+-  **Interpréter le modèle** (via SHAP) (globale & locale)
+- **Fournir des livrables clairs** : notebooks, scripts, environnement reproductible et support de présentation.
+
 ---
-title: Attrition API (FastAPI)
-colorFrom: blue
-colorTo: indigo
-sdk: docker
-app_port: 7860
-pinned: false
-license: mit
+
+<a id="-jeux-de-données"></a>
+##  Jeux de données
+
+Trois sources principales sont mises à disposition :
+
+1. **SIRH**: poste, département, contrat, âge, ancienneté, salaire, etc.
+
+2. **Évaluations de performance**: notes annuelles, engagement/satisfaction, historiques RH.
+3. **Sondage annuel employés**: bien-être, charge, management, équilibre vie pro/perso.  
+**Variable cible** (attrition = 1/0)
+
+Ces différentes sources sont **fusionnées et préparées** pour construire un dataset modélisable.
+
 ---
+<a id="-approche"></a>
+## Approche
+
+L’analyse suit les grandes étapes suivantes :
+
+1. **Compréhension métier & des données**
+   - Lecture des descriptions,
+   - Mapping des variables,
+   - Identification de la cible.
+
+2. **Nettoyage & préparation**
+   - Gestion des valeurs manquantes,
+   - Encodage des variables catégorielles,
+   - Transformation / normalisation des variables numériques,
+   - Jointure des différentes sources de données.
+
+3. **Analyse Exploratoire (EDA)**
+   - Statistiques descriptives générales,
+   - Comparaisons _démissionnaires_ vs _non-démissionnaires_,
+   - Visualisation des distributions et corrélations,
+   - Identification de pistes d’explication à tester dans le modèle.
+
+4. **Modélisation**
+   - Séparation train/test,
+   - Entraînement de plusieurs modèles de classification (Dummy, Logistic Regression, Random Forest),
+   - Recherche d’hyperparamètres,
+   - Évaluation via des métriques adaptées (PR AUC, ROC-AUC, AUC, Précision, Rappel, F1-score, Seuil de décision )
+
+5. **Interprétabilité**
+   - Utilisation de **SHAP** pour comprendre l’impact des variables,
+   - Analyse globale (features les plus importantes),
+   - Analyse locale (explication de cas particuliers).
+
+6. **Restitution**
+   - Synthèse des résultats pour les RH,
+   - Recommandations opérationnelles et pistes d’actions.
+
+---
+<a id="-structure-du-dépôt"></a>
+## Structure du dépôt
+
+```text
+.
+├── src/
+│   ├── __init__.py           
+│   ├── data_preparation.py.   # chargement & split X/y (données traitées)
+│   ├── train_model.py         # entraînement + sauvegarde artefact
+│   └── utils.py               # utilitaires (chargement modèle, prédiction unitaire)
+├── tests/
+│   ├── test_data_preparation.py
+│   └── test_predict.py
+├── models/                    # artefact modèle 
+├── data/
+│   ├── raw/                   # fichiers brutsv(privé, ignoré) – .gitkeep 
+│   └── processed/             # données traités (visibles)
+├── notebooks/
+│   ├── 01_analyse_exploratoire.ipynb
+│   ├── 02_preprocessing.ipynb
+│   └── 03_modelisation.ipynb
+├── reports           
+├── main.py                    # entraînement
+��── pyproject.toml             # configuration de l'environnement & dépendances
+├── requirements.txt.          # exporté depuis uv
+├── README.md
+├── .gitignore
+└── uv.lock                    # verrouillage précis des versions
+
+```
+<a id="-mise-en-place-du-modèle"></a>
+
+## Mise en place du modèle
+
+1. **Chargement et préparation**
+
+- Import des trois extraits (SIRH, performance, sondage),
+
+- Jointure sur l’identifiant employé,
+
+- Construction de la variable cible (attrition).
+
+2. **Prétraitement**
+
+- Gestion des valeurs manquantes,
+
+- Encodage des variables catégorielles (One-Hot, Ordinal, …),
+
+- Normalisation / standardisation de certaines variables,
+
+- Séparation train/test.
+
+3. **Modélisation**
+
+Plusieurs modèles de classification sont testés :
+
+- Régression Logistique
+
+- Random Forest
+
+- Dummy
+
+**Évaluation à l’aide de :**
+
+- Accuracy
+
+- Precision / Recall
+
+- F1-score
+
+- ROC-AUC
+
+- PR AUC
+
+- Matrices de confusion et courbes ROC/PR
+
+Le modèle final retenu est celui offrant **le meilleur compromis entre performance et interprétabilité** pour les RH.
 
-# Attrition API
+---
+<a id="-interprétabilité-avec-shap"></a>
+## Interprétabilité avec SHAP
+
+- Importance globale des variables: Quelles caractéristiques influencent le plus la probabilité de démission ? (summary plot)
+
+- Explication de cas individuels: Pourquoi tel employé est-il jugé “à risque” par le modèle ? (force plot)
+
+- Aide à la décision RH: leviers d’action (ajustement salarial, mobilité interne, charge de travail, reconnaissance, etc.)
+
+---
+<a id="-installation"></a>
+## Installation
+
+**Prérequis**
+
+- Python 3.10+
+
+- git
+
+- [uv](https://github.com/astral-sh/uv)
+
+## Étapes d’installation
+
+1. **Cloner le dépôt**
+
+```bash
+git clone https://github.com/veranoscience/OpenclassroomsProject.git
+
+cd OpenclassroomsProject
+```
+
+2. **Créer un environnement virtuel**
+
+```bash
+uv venv && source .venv/bin/activate
+```
+
+3. **Installer les dépendances**
+
+```bash
+uv sync
+```
+
+---
+
+<a id="-utilisation"></a>
+## Utilisation
+
+1. Lancer les notebooks
+
+Depuis la racine du projet, avec l’environnement activé :
+
+```bash
+jupyter notebook
+```
+
+Puis ouvrir:
+
+- `notebooks/01_analyse_exploratoire.ipynb` pour l’analyse exploratoire
+
+- `notebooks/02_preprocessing.ipynb` pour le nettoyage & feature engineering
+
+- `notebooks/03_modelisation.ipynb` pour la modélisation et SHAP
+
+Script (entrai&nement rapide)
+
+```bash
+python main.py
+```
+Un artefact est sauvegardé dans `models/model.joblib`
+
+---
+
+## Workflow Git (branches / commits / tags)
+
+- Branche principale : `main` (protégée)
+- Conventions de branches : `<type><-resume->`
+  - Types : `feat`, `fix`, `docs`, `refactor`, `chore`, `test`, `data`
+  - Examples :  `docs/mise-a-jour-readme`
+- Commits descriptifs: `feat: ...`, `chore: ...`
+- Tags de version : `v0.1.0`, `v0.2.0`, ...
+  - Créer : `git tag -a v0.1.0 -m "v0.1.0: base"`
+  - Pousser : `git push origin v0.1.0`
+
+Résolution de conflits : utiliser l’outil intégré **VS Code**
+(Accept Current/Incoming → `git add .` → `git rebase --continue`).
+
+## Authentification & Sécurité
+
+Aucun secret n’est committé
+**Compte GitHub** : 2FA activée, Secret Scanning & Dependabot activés.
+
+---
+
+<a id="-livrables"></a>
+## Livrables
+
+Le projet fournit :
+
+- **Code source** (notebooks + src/ + main.py)
+
+- **Environnement reproductible** : `pyproject.toml` (uv), `uv.lock`, `requirements.txt` exporté.
+
+- **README** complet (installation, utilisation, sécurité, workflow)
+
+- **Versioning** : historique de commits clair, branches dédiées, tags (ex. v0.1.0).
+
+- **Présentation** : `reports/` (PDF)
+
+---
+
+## Versioning / Changelog
+
+- Version courante : voir tags Git.
+
+- `CHANGELOG.md` pour tracer les évolutions :
+
+v0.1.0 — structure, dépendances, notebooks, entraînement minimal, SHAP.
+
+---
 
-FastAPI + scikit-learn (pipeline préproc + RandomForest).  
-Le modèle est chargé depuis le Hub : `veranoscience/attrition-model`.
+<a id="-auteur"></a>
+## Auteur
 
-- **Docs Swagger** : `/docs`
-- **Healthcheck** : `/health`
+Kseniia Dautel

pyproject.toml

@@ -20,7 +20,6 @@ dependencies = [
     "scikit-learn>=1.7.2",
     "scipy>=1.16.3",
     "seaborn>=0.13.2",
-    "shap>=0.49.1",
     "joblib>=1.4.0",
     "uvicorn>=0.38.0",
     "huggingface_hub>=0.24.0"