CommencerCommencer gratuitement

Gérer des données numériques dans une requête

Vous construisez un système de modération de contenu. Le système doit calculer un score de confiance pour chaque commentaire utilisateur à partir de caractéristiques numériques : length, user_reputation et report_count. Vous allez créer un endpoint qui traite ces caractéristiques pour les rendre compatibles avec le modèle de modération.

Notez que le modèle de ML et le modèle Pydantic CommentMetrics avec length (int), user_reputation (int) et report_count (int) sont déjà créés et chargés pour vous.

Cet exercice fait partie du cours

Déployer l’IA en production avec FastAPI

Afficher le cours

Instructions

  • Dans main.py, convertissez les metrics du commentaire reçu en un tableau 2D NumPy et extrayez length, user_reputation, report_count avant de les passer au modèle.

  • Effectuez la prédiction à l’aide du model préchargé en lui passant le tableau features.

  • Démarrez le serveur en exécutant main.py avec la commande python3 main.py.

  • Ouvrez un autre terminal depuis le coin supérieur droit du terminal.

    Terminal avec une flèche pointant vers le bouton « new terminal » en haut à droite.

  • Testez l’endpoint predict_trust avec la commande curl : 

curl -X POST "http://localhost:8080/predict_trust" \
     -H "Content-Type: application/json" \
     -d '{
           "length": 150,
           "user_reputation": 100,
           "report_count": 0
         }'

Exercice interactif pratique

Passez de la théorie à la pratique avec l’un de nos exercices interactifs

Commencer l’exercice