LoslegenKostenlos loslegen

Erstell ein Pydantic-Modell für ML-Input

Du entwickelst eine FastAPI-App, um ein Machine-Learning-Modell einzusetzen, das die Qualität von Kaffee anhand von Eigenschaften wie Aroma, Geschmack und Anbauhöhe vorhersagt.

Als Erstes musst du ein Pydantic-Modell erstellen, um die Eingabedaten für dein ML-Modell zu checken und sicherzustellen, dass nur die richtigen Daten durch das Modell fließen, damit die Modellvorhersage klappt.

Diese Übung ist Teil des Kurses

KI mit FastAPI in die Produktion bringen

Kurs anzeigen

Anleitung zur Übung

  • Importiere die Basisvalidierungsklasse 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