Prédiction prix maison (Régression linéaire + FastAPI + Docker)

Modèle ML en régression linéaire pour estimer le prix d'une maison + API FastAPI + Docker.

Prédiction du prix d’une maison (données simulées / logiques en France) via un modèle de régression linéaire, exposé par une API REST FastAPI.

GitHub

Python Scikit-learn Régression Linéaire FastAPI Uvicorn Docker

Contexte

Projet personnel : modèle supervisé (régression) + industrialisation via API + conteneurisation Docker.

Construire un modèle de régression linéaire pour estimer un prix immobilier.

Exposer le modèle via une API REST FastAPI.

Structurer un dépôt propre (data / src / models) et livrable.

Entraînement et export du modèle (pickle).

Endpoint /predict acceptant un JSON (surface, chambres, salles_de_bain, âge, garage).

Documentation Swagger automatique (/docs).

Dockerfile + docker-compose pour déploiement rapide.

Régression linéaire et features numériques en ML.

Déploiement d’un modèle via FastAPI + Uvicorn.

Structuration projet ML (data/models/src) + Dockerisation.