Crea un modello Pydantic per l'input ML
Stai sviluppando un'applicazione FastAPI per distribuire un modello di Machine Learning che prevede il punteggio di qualità del caffè in base ad attributi come aroma, sapore e altitudine.
Il primo passo è creare un modello Pydantic per convalidare i dati della richiesta in input al tuo modello ML e assicurarti che solo dati validi arrivino al modello per ottenere previsioni corrette.
Questo esercizio fa parte del corso
Deployment di AI in produzione con FastAPI
Istruzioni dell'esercizio
- Importa la classe base di validazione da Pydantic per creare un data model.
- Definisci una classe chiamata
CoffeeQualityInputche eredita dalla classe base di Pydantic. - Aggiungi tre attributi alla classe:
aroma(float),flavor(float) ealtitude(int).
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import the base class from pydantic
from pydantic import ____
class CoffeeQualityInput(____):
# Use apt data type for each attribute of coffee quality
aroma: ____
flavor: ____
altitude: ____