ML 예측의 요청 및 응답 검증
커피 회사의 데이터 과학자로서 이전 작업을 바탕으로, 이번에는 CoffeeQualityInput 데이터 검증 모델로 입력 요청을 검증하고 QualityPrediction으로 응답을 검증하는 FastAPI 엔드포인트를 만들어야 합니다.
이 엔드포인트는 커피 데이터를 받아 품질 예측 결과와 신뢰도 점수를 반환합니다.
이 연습 문제에서는 모델이 이미 predict_quality 함수에 로드되어 있습니다.
이 연습은 강의의 일부입니다
FastAPI로 AI 프로덕션 배포하기
연습 안내
aroma(float),flavor(float),altitude(int) 필드를 포함하는CoffeeQualityInput을 정의하세요.- POST 요청 데코레이터에
response_model을 지정하여 응답을 검증하세요. coffee_data가 포함된 입력 요청을 검증할 데이터 모델을 지정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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