Progetto AI Engineering - Team 2

Il progetto consiste in un'applicazione Python che consente di visualizzare la base dati riguardante le informazioni registrate dai sensori del sistema domotico di RETI S.p.A. e grazie ad un modello di AI analizza i dati fornendo una stima delle anomalie presenti.

Il modello utilizzato per rilevare le eventuali anomalie all'interno del dataset è: Isolation Forest.

L'interfaccia è realizzata tramite la libreria Python Streamlit e le predizioni sono calcolate dal modello salvato tramite Databricks su Azure.

Struttura folder del progetto

• StreamlitCampus

  File	Description
  app.py	script python contenente l'interfaccia creata con Streamlit
  load_setting.py	creato per recepire le informazioni salvate tramite formato .json
  requirements.txt	file contenente tutte le librerie necessarie per il funzionamento del progetto

  • images

    Folder contenente le immagini utilizzate per l'interfaccia finale

  • src

    • features

      File	Description
      preprocess.py	utilizzato per le funzioni di trasformazione e preprocessing del dataset
      read_data.py	creato per connettersi al database e eseguire query d'estrazione

    • model

      File	Description
      predict_model.py	richiama il modello per fare la predizione sui nuovi dati estratti dal database

    • prediction

      File	Description
      save_prediction.py	contiene il metodo per salvare la predizione in formato .json su Azure Storage

Istruzioni

N.B

Prima di procedere con la visualizzazione dell'applicazione è necessario censire il proprio IP pubblico nelle regole del firewall del database

1. Scaricare lo zip contenente la folder di progetto

2. Da Visual Studio Code aprire la folder di progetto tramite:

   • File
     • Open Folder...

3. Aprire un nuovo terminale e creare un Virtual Environment(venv) eseguendo il comando:

    virtualenv venv

   • In caso non sia installata Virtualenv, è possibile installarla tramite il comando:

     pip install virtualenv

     e dopo creare il Virtual Environment:

     virtualenv venv

4. Attivare il Virtual Environment

   .\venv\Scripts\activate

   e eseguire l'installazione delle librerie necessarie per il funzionamento del progetto:

     pip install -r "StreamlitCampus/requirements.txt"

5. Navigare alla folder StreamlitCampus contenente il file app.py

   cd .\StreamlitCampus\

   e lanciare il comando per far partire l'applicazione di Streamlit

   streamlit run app.py