LoslegenKostenlos loslegen

Numerische Anfragedaten verarbeiten

Du baust ein System zur Inhaltsmoderation. Das System soll für jeden Nutzerkommentar einen Vertrauensscore auf Basis numerischer Merkmale berechnen – length, user_reputation und report_count. Du erstellst einen Endpoint, der diese Merkmale so aufbereitet, dass 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) bereits für dich erstellt und geladen wurden.

Diese Übung ist Teil des Kurses

KI in der Produktion mit FastAPI bereitstellen

Kurs anzeigen

Anleitung zur Übung

  • Wandle in main.py die eingehenden Kommentar-metrics in ein 2D-Array aus NumPy um und extrahiere length, user_reputation, report_count, bevor du sie an das Modell übergibst.

  • Triff die Vorhersage mit dem vorab geladenen model, indem du das features-Array übergibst.

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

  • Öffne ein weiteres Terminal über die obere rechte Ecke des Terminals.

    Terminal with arrow pointing to the "new terminal" button on top right.

  • Teste den Endpoint predict_trust mit folgendem curl-Befehl: 

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