始める無料で始める

ML予測のリクエストとレスポンスを検証する

コーヒー会社のデータサイエンティストとしての作業を続けましょう。今度は、CoffeeQualityInput データ検証モデルで入力リクエストを検証し、QualityPrediction でレスポンスを検証する FastAPI エンドポイントを作成します。

このエンドポイントはコーヒーのデータを受け取り、品質予測と信頼スコアを返します。

モデルはこの演習用に predict_quality という関数としてすでに読み込まれています。

この演習はコースの一部です

FastAPI を使った AI のプロダクション環境へのデプロイ

コースを見る

演習の手順

  • CoffeeQualityInput に aroma（float）、flavor（float）、altitude（int）のフィールドを定義してください。
  • POST リクエストデコレーター内でレスポンスを検証するために response_model を指定してください。
  • coffee_data を含む入力リクエストを検証するデータモデルを指定してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

class CoffeeQualityInput(BaseModel):
    ____: ____
    ____: ____
    ____: ____
    
class QualityPrediction(BaseModel):
    quality_score: float 
    confidence: float

# Specify the data model to validate response
@app.post("/predict", response_model=____) 
# Specify the data model to validate input request
def predict(coffee_data: ____):
    prediction = predict_quality(coffee_data)
    return prediction
コードを編集して実行