ÎncepețiÎncepe gratuit

Creează un model Pydantic pentru datele de intrare în ML

Dezvolți o aplicație FastAPI pentru a implementa un model de învățare automată care prezice scorul de calitate al cafelei pe baza unor atribute precum aroma, gustul și altitudinea.

Primul pas este să creezi un model Pydantic care să valideze datele de intrare din cerere pentru modelul tău ML și să te asiguri că doar datele valide ajung la model pentru o predicție reușită.

Acest exercițiu face parte din cursul

Deployment AI în producție cu FastAPI

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă clasa de bază pentru validare din Pydantic, pentru a crea un model de date.
  • Definește o clasă numită CoffeeQualityInput care moștenește clasa de bază din Pydantic.
  • Adaugă trei atribute clasei: aroma (float), flavor (float) și altitude (int).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Editează și rulează codul