Aan de slag¶

Pipeline¶

De Uitnodigingsregel bestaat uit drie stappen:

flowchart LR
    A["📦 Uitnodigingsregel_datapreparatie\nData inladen & voorbereiden"] --> B["🤖 Uitnodigingsregel\nModel trainen & voorspellen"]
    B --> C["📊 Streamlit app\nResultaten bekijken"]

    click A "https://github.com/cedanl/Uitnodigingsregel_datapreparatie" "Naar datapreparatie repo"

Wat heb je nodig¶

Python-omgeving via uv
Toegang tot de Uitnodigingsregel_datapreparatie repo voor datavoorbereiding
Voorbereide data in data/02-prepared/ (output van de datapreparatie-stap)
De data dictionary voor een overzicht van alle variabelen

Installatie¶

Clone de repository:

git clone https://github.com/cedanl/Uitnodigingsregel.git
cd Uitnodigingsregel

Installeer dependencies:

uv sync

Gebruik¶

Data kwaliteit controleren¶

uv run quarto render Model_analysis.qmd

Voorspellingen genereren¶

uv run python main.py

Streamlit app starten¶

uv run streamlit run app/main.py

Projectstructuur¶

├── main.py                      <- Pipeline entrypoint
├── Model_analysis.qmd           <- Quarto analyse rapport
├── data/
│   ├── 01-raw/                  <- Brondata (gitignored, demo data committed)
│   ├── 02-prepared/             <- Output van datapreparatie-stap
│   └── 03-output/               <- Verwerkte datasets
├── models/predictions/          <- Gegenereerde voorspellingen
├── reports/                     <- Rapporten en figuren
├── src/uitnodigingsregel/       <- Installeerbaar Python package
├── app/                         <- Streamlit app
├── tests/                       <- Unit tests
└── docs/                        <- Deze documentatie