Classifieur MLP Django de satisfaction étudiant (python/SQLite)

Classifieur de satisfaction étudiante
Contexte
Application web complète développée avec Django, permettant de prédire si un étudiant sera satisfait de son cours à partir de ses caractéristiques pédagogiques.
Stack technique

Backend : Django 5.2 + Python
ML : scikit-learn (MLPClassifier — réseau de neurones multicouche)
Base de données : SQLite
Frontend : Bootstrap + Chart.js + animations CSS custom
Auth : système Django natif (login/register/logout)

Fonctionnalités principales
Côté ML : entraînement d'un MLP (128→64→32 neurones, ReLU, Adam) sur un CSV uploadé par l'utilisateur, avec StandardScaler et LabelEncoder pour le prétraitement. Le modèle est sérialisé via joblib.
Côté app : prédiction en temps réel à partir d'un formulaire (qualité d'enseignement, charge de travail, interactivité, type de cours, niveau L1/L2/L3), dashboard de statistiques avec graphiques (Chart.js), historique des entraînements, export CSV des données.
Côté admin : interface Django Admin configurée pour gérer les feedbacks et les sessions d'entraînement.
Données : dataset de 1000 entrées simulées, avec un taux de satisfaction majoritairement positif (~75%).
Architecture : pattern MVT classique Django, avec séparation claire entre la logique ML (neural_network_model.py) et les vues applicatives.