ComenzarEmpieza gratis

Crear un modelo Pydantic para la entrada de ML

Estás desarrollando una aplicación FastAPI para implementar un modelo de machine learning que predice la puntuación de calidad del café basándose en atributos como el aroma, el sabor y la altitud.

El primer paso es crear un modelo Pydantic para validar los datos de la solicitud de entrada para tu modelo de ML y garantizar que solo los datos válidos fluyan a través del modelo para que la predicción del modelo sea correcta.

Este ejercicio forma parte del curso

Implementación de IA en producción con FastAPI

Ver curso

Instrucciones del ejercicio

  • Importa la clase de validación base desde Pydantic para crear un modelo de datos.
  • Define una clase llamada ` CoffeeQualityInput que hereda de la clase basePydantic`.
  • Añade tres atributos a la clase: aroma (float), flavor (float) y altitude (int).

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Editar y ejecutar código