Microsserviço API ChurnInsight- Churn Prediction

Visão geral

Este módulo do projeto ChurnInsight implementa um caso de uso de previsão de churn no setor bancário.

O objetivo é prever se um cliente irá cancelar o relacionamento com o banco (churned), utilizando dados demográficos e comportamentais, disponibilizando essa previsão via uma API FastAPI containerizada com Docker.

---

Estrutura do Projeto

churn_bancos/
├── app.py              # Ponto de entrada da API (FastAPI)
├── config.py           # Configurações globais
├── Dockerfile          # Build da imagem Docker
├── requirements.txt    # Dependências do projeto
├── data/               # Dados de treino e teste (.csv)
├── models/             # Modelos treinados (.joblib)
├── schemas/            # Esquema pipeline em json
├── scripts/            # Scripts de treino e predição
└── utils/              # Funções auxiliares (configurações de importação, features)

FastAPI e como executar

Para fazer a comunicação com o back-end no projeto foi utilizado FastAPI, um moderno e rápido (alta performance) framework web para construção de APIs com Python, baseado nos type hints padrões do Python.

Executando a API com Docker

A API estará disponível em:

Swagger

http://localhost:8000/docs

Documentação

http://localhost:8000/redoc

Exemplo de Requisição via POST

Endpoint:

POST /predict

Payload de exemplo - Entrada de dados:

{
  "pais": "France",
  "genero": "Male",
  "idade": 45,
  "saldo": 75432.50,
  "num_produtos": 2,
  "membro_ativo": 1,
  "salario_estimado": 62000.00
}

Saída

{
  "probabilidade_churn": 0.40,
  "previsao_churn": "Chance baixa de cancelamento"
}

Tecnologias utilizadas

• Python 3.11 — Linguagem principal
• FastAPI — API para disponibilização do modelo
• Docker — Containerização da aplicação
• Scikit-learn — Modelagem e pipelines de ML
• Pandas / NumPy — Manipulação e análise de dados
• Matplotlib / Seaborn — Gerar gráficos para visualização e análise de dados
• Feature-engine — Engenharia de features e pré-processamento
• Mlflow — Ferramenta para Gerenciar o Ciclo de Vida do Aprendizado de Máquina