LoslegenKostenlos loslegen

Erstelle ein Pydantic-Modell für ML-Eingaben

Du entwickelst eine FastAPI-Anwendung, um ein Machine-Learning-Modell bereitzustellen, das die Qualitätsbewertung von Kaffee anhand von Merkmalen wie Aroma, Geschmack und Höhenlage vorhersagt.

Der erste Schritt ist, ein Pydantic-Modell zu erstellen, das die Eingabedaten der Anfrage für dein ML-Modell validiert und sicherstellt, dass nur gültige Daten in das Modell gelangen, damit die Vorhersage erfolgreich ist.

Diese Übung ist Teil des Kurses

KI in der Produktion mit FastAPI bereitstellen

Kurs anzeigen

Anleitung zur Übung

  • Importiere die Basis-Validierungsklasse aus Pydantic, um ein Datenmodell zu erstellen.
  • Definiere eine Klasse namens CoffeeQualityInput, die von der Pydantic-Basisklasse erbt.
  • Füge der Klasse drei Attribute hinzu: aroma (float), flavor (float) und altitude (int).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Code bearbeiten und ausführen