Metadata-Version: 2.1
Name: spamdetection
Version: 0.0.1
Summary: Classify text messages between 'spam' and 'ham'
Home-page: https://github.com/fabio-a-oliveira/nuveo-teste-ia
Author: Fabio Oliveira
Author-email: info@realpython.com
License: MIT
Description: 
        # Introdução
        
        Este diretório contém um projeto Python para solução do problema prático 2 do teste de Inteligência Artificial da Nuveo. Neste problema, solicitou-se a criação de um projeto para servir um modelo de classificação de mensagens de texto em _'ham'_ e _'spam'_. O modelo foi criado utilizando o pacote _scikit-learn_ e disponibilizado como um _pipeline_ contendo um passo de pré-processamento utilizando _TF-IDF_, seguido por um modelo de classificação binária utilizando _Random Forest_.
        
        Para a implementação, foi criado um pacote Python de nome _spamdetection_, que implementa a classe _SpamDetector_, contendo métodos _prob_spam()_ (que retorna a probabilidade de classificação _'spam'_ determinada pelo modelo) e _is_spam()_ (que retorna a classificação). Maiores detalhes sobre o uso do pacote estão disponíveis na seção ___link para uso___ e na documentação ___link para documentação___.
        
        Conforme solicitado no desafio, o pacote também é acompanhado de um módulo de testes unitários, contido na pasta ___link para pasta tests___. Maiores detalhes abaixo, na seção ___link para seção testes___.
        
        
        # Dependências
        
        Além da biblioteca padrão de Python, os seguintes pacotes são necessários para o uso do pacote _spamdetection_:
        
        sklearn == 0.24.1
        pywebio == 1.2.3
        
        Criado em Python 3.8.5
        
        Ambos estão especificados em requirements.txt e podem ser instalados com ___pip install requirements.txt___.
        
        # Instalação
        
        Duas opções estão disponíveis para uso do pacote _spamdetection_:
        
        1. pip install spamdetection (ou pip install nuveo-teste-ia) (Recomendado) - confirmar que está disponível
        
        2. Clonar este repo
        	- clonar com git clone ___link - verificar se o link é estável___
        	- criar ambiente virtual com venv ou virtualenv
        	- à partir da raíz do repositório, instalar dependências com pip install requirements.txt
        	- à partir da pasta 02-SMSSpamDetection, acessar o pacote _spamdetection_
        
        Realisticamente falando, a criação do ambiente virtual, apesar de recomendada, provavelmente não é necessária no seu ambiente. As dependências são muito simples e a probabilidade de conflitos é baixíssima. O modelo foi criado com sklearn 0.24.1, mas fiz o desenvolvimento todo com 0.23.2 e não tive problemas (apesar de diversos warnings desencorajando o uso de modelo criado em versão diferente). PyWebIO é um pacote muito simples e também não deve gerar conflitos.
        
        Para poder acessar o pacote à partir de qualquer diretório, adicionar a pasta 02-SMSSpamDetection ao PATH do Python ou clonar o repositório no diretório _sites_ (VERIFICAR SE ISSO É VÁLIDO!!!)
        
        
        # Uso
        
        
        modos de operação
        
        Documentação (gerada com pdoc)
        
        1) app
        
        
        2) pacote + classe etc
        classe SpamDetector() na documentação
        
        
        3) pacote + linha de comando
        
        
        # Testes
        
        Detalhamento da metodologia de testes
Platform: UNKNOWN
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.8
Description-Content-Type: text/markdown
