Aan de slagBegin gratis

Maak het prediction-endpoint

In deze oefening maak je een prediction-endpoint dat een vooraf getraind model gebruikt om de progressie van diabetes te schatten.

Het model is getraind op een gegevensset met drie features: age, bmi en blood_pressure. Op basis daarvan voorspelt het de diabetesprogressiescore. Met deze input schat het hoe de aandoening zich in de tijd kan ontwikkelen.

Je gebruikt FastAPI om een POST-endpoint te maken dat patiëntgegevens accepteert en een voorspelling van de diabetesprogressie teruggeeft.

Deze oefening maakt deel uit van de cursus

AI in productie brengen met FastAPI

Bekijk cursus

Oefeninstructies

  • Maak een applicatie-instantie van FastAPI om de API te ontwikkelen.
  • Maak een POST-endpoint op /predict dat patiënt-features accepteert en een voorspelling teruggeeft.
  • Gebruik het geladen model om een voorspelling te maken op basis van de invoerfeatures.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Create FastAPI instance
app = ____()

# Create a POST request endpoint at the route "/predict"
@app.____("/____")
async def predict_progression(features: DiabetesFeatures):
    input_data = [[
        features.age,
        features.bmi,
        features.blood_pressure
    ]]
    
    # Use the predict method to make a prediction
    prediction = model.____(input_data)
    return {"predicted_progression": float(prediction[0])}
Code bewerken en uitvoeren