始める無料で始める

ML 入力用の Pydantic モデルを作成する

アロマ、風味、標高などの属性に基づいてコーヒーの品質スコアを予測する機械学習モデルをデプロイするための FastAPI アプリケーションを開発しています。

最初のステップとして、ML モデルへの入力リクエストデータを検証する Pydantic モデルを作成しましょう。これにより、モデルの予測を正常に行うために、有効なデータのみがモデルに渡されるようになります。

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

  • Pydantic からベース検証クラスをインポートして、データモデルを作成します。
  • Pydantic のベースクラスを継承した CoffeeQualityInput というクラスを定義します。
  • クラスに aroma（float）、flavor（float）、altitude（int）の 3 つの属性を追加します。

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。

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
コードを編集して実行