ÎncepețiÎncepe gratuit

Validează cererea și răspunsul pentru predicția ML

Continuând activitatea ta ca om de știință al datelor la compania de cafea, trebuie acum să creezi un endpoint FastAPI care validează cererea de intrare folosind modelul de validare CoffeeQualityInput și QualityPrediction pentru validarea răspunsului.

Acest endpoint va accepta date despre cafea și va returna o predicție de calitate împreună cu scorul de încredere.

Modelul este deja încărcat într-o funcție numită predict_quality pentru acest exercițiu.

Acest exercițiu face parte din cursul

Deployment AI în producție cu FastAPI

Vezi cursul

Instrucțiuni pentru exercițiu

  • Definește CoffeeQualityInput cu câmpurile aroma (float), flavor (float) și altitude (int).
  • Specifică response_model pentru a valida răspunsul în decoratorul cererii POST.
  • Specifică modelul de date pentru a valida cererea de intrare care conține coffee_data.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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
Editează și rulează codul