LoslegenKostenlos loslegen

Numerische Anforderungsdaten bearbeiten

Du baust ein System zur Moderation von Inhalten auf. Das System muss für jeden Nutzerkommentar einen Vertrauenswert berechnen, der auf numerischen Merkmalen basiert – length, user_reputation und report_count. Du erstellst einen Endpunkt, der diese Features verarbeitet, damit sie mit dem Moderationsmodell kompatibel sind.

Beachte, dass das ML-Modell und das Pydantic-Modell „ CommentMetrics ” mit „ length(int)”, „ user_reputation(int)” und „ report_count(int)” schon für dich erstellt und geladen sind.

Diese Übung ist Teil des Kurses

KI mit FastAPI in die Produktion bringen

Kurs anzeigen

Anleitung zur Übung

  • In „ main.py “ musst du die eingehenden Kommentar-Daten „ metrics “ in ein 2D-Array „ NumPy “ umwandeln und „ length “, „ user_reputation “ und „ report_count “ extrahieren, bevor du diese an das Modell weitergibst.

  • Mach die Vorhersage mit dem vorinstallierten „ model “, indem du das Array „ features “ an ihn weitergibst.

  • Starte den Server, indem du „ main.py “ mit dem Befehl „ python3 main.py “ ausführst.

  • Öffne ein neues Terminal oben rechts im Terminal.

    Terminal mit Pfeil, der auf die Schaltfläche „Neues Terminal“ oben rechts zeigt.

  • Probier den Endpunkt „ predict_trust ” mit dem Befehl „curl” aus: 

curl -X POST "http://localhost:8080/predict_trust" \

     -H "Content-Type: application/json" \

     -d '{

           "length": 150,

           "user_reputation": 100,

           "report_count": 0

         }'

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Übung starten