Based on Krish Naik tutorials: https://www.youtube.com/watch?v=S_F_c9e2bz4&list=PLZoTAELRMXVPS-dOaVbAux22vzqdgoGhG&index=2&ab_channel=KrishNaik

1. Set up the github (repository)

   a) new enviroment

   b) setup.py

   c) requirements.txt

Descrição: a)

• Criar um repositório na conta online do github (sem nada)
• criar uma pasta local no computador (sem nada)
• Abrir o VScode pelo terminal conda com o comando code .
• Abrir o terminar no VScode e trocar para prompt windows
• Criar um ambiente virtual com o comando: conda create -p venv python==3.8 -y
• Ativar o ambiente virtual com o comando: conda activate venv/
• Sincronizar repositório git local com o online seguindo os passos do github
• Criar arquivo README.md
• Criar arquivo .gitignore no github

b e c)

• Criar o arquivo requirements.txt (no VScode) com os nomes e versões das bibliotecas necessárias
• Criar o arquivo setup.py (copiar código) no VScode

2. Src folder and build the package

• Criar pasta src no VScode
• Criar arquivo "init.py" dentro da pasta src (no VScode)
• rodar o comando: pip install -r requirements.txt no terminal
• Verificar se foi criado o pacote ml_project.egg-info

3. Create project structure

   • Criar pasta components contendo (arquivos em branco):
     • init.py
     • data_ingestion.py
     • data_transformation.py
     • model_trainer.py
   • Criar pasta pipele contendo:
     • init.py
     • predict_pipeline.py
     • train_pipeline.py
   • Project logging module implementation
   • Testing Logging and Exception Handling

4. Create 'notebook' folder with a 'data' folder and the notebooks needed to the project

5. Write data_ingestion.py file and run file

   • This file already creates train and test artifacts
   • don't forget to add ".artifacts" in .gitignore

6. Preencher arquivo data_transformation.py

   • classe transformation conig
   • criar função 'save_obj' no arquivo utils
   • chamar funções da data_transformation no data_ingestion.py