ComeçarComece de graça

Crie um modelo Pydantic para entrada de ML

Você está desenvolvendo uma aplicação FastAPI para implantar um modelo de Machine Learning que prevê a pontuação de qualidade do café com base em atributos como aroma, sabor e altitude.

O primeiro passo é criar um modelo Pydantic para validar os dados da requisição de entrada do seu modelo de ML e garantir que apenas dados válidos passem pelo modelo para uma predição bem-sucedida.

Este exercício faz parte do curso

Colocando IA em Produção com FastAPI

Ver curso

Instruções do exercício

  • Importe a classe base de validação do Pydantic para criar um modelo de dados.
  • Defina uma classe chamada CoffeeQualityInput que herda da classe base do Pydantic.
  • Adicione três atributos à classe: aroma (float), flavor (float) e altitude (int).

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Editar e executar o código