1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wdrażanie AI na produkcję z FastAPI
Connected

ćwiczenie

Tworzenie modelu Pydantic dla danych wejściowych ML

Tworzysz aplikację FastAPI, która wdraża model uczenia maszynowego przewidujący ocenę jakości kawy na podstawie takich atrybutów jak aromat, smak i wysokość nad poziomem morza.

Pierwszy krok to utworzenie modelu Pydantic, który będzie walidować dane wejściowe żądania dla twojego modelu ML i zapewni, że do modelu trafiają tylko poprawne dane – niezbędne do uzyskania prawidłowej predykcji.

Instrukcje

100 XP
  • Zaimportuj bazową klasę walidacji z Pydantic, aby utworzyć model danych.
  • Zdefiniuj klasę o nazwie CoffeeQualityInput, która dziedziczy po bazowej klasie Pydantic.
  • Dodaj do klasy trzy atrybuty: aroma (float), flavor (float) oraz altitude (int).