ComeçarComece de graça

Crie um modelo Pydantic para entrada de ML

Você tá desenvolvendo um aplicativo FastAPI pra 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 solicitação de entrada para o seu modelo de ML e garantir que só os dados válidos passem pelo modelo para que a previsão do modelo seja bem-sucedida.

Este exercício faz parte do curso

Implementando IA na produção com FastAPI

Ver curso

Instruções do exercício

  • Importa a classe de validação base do Pydantic para criar um modelo de dados.
  • Defina uma classe chamada “ CoffeeQualityInput ” que herda da classe base 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