Kom igångKom igång gratis

Hantera numerisk request-data

Du bygger ett system för innehållsmoderering. Systemet ska beräkna ett förtroendepoäng för varje användarkommentar baserat på numeriska särdrag – length, user_reputation och report_count. Du skapar en endpoint som bearbetar dessa särdrag så att de blir kompatibla med modereringsmodellen.

Observera att ML-modellen och Pydantic-modellen CommentMetrics med length(int), user_reputation(int) och report_count(int) redan är skapade och inlästa åt dig.

Den här övningen är en del av kursen

Driftsättning av AI i produktion med FastAPI

Visa kurs

Övningsinstruktioner

  • Konvertera i main.py den inkommande kommentarsdatan metrics till en NumPy-2D-array och extrahera length, user_reputation, report_count innan du skickar dessa till modellen.

  • Gör prediktionen med den förinstansierade model genom att skicka features-arrayen till den.

  • Starta servern genom att köra main.py med kommandot python3 main.py.

  • Öppna en ny terminal via knappen längst upp till höger i terminalen.

    Terminal med en pil som pekar på knappen "new terminal" längst upp till höger.

  • Testa endpointen predict_trust med curl-kommandot: 

curl -X POST "http://localhost:8080/predict_trust" \
     -H "Content-Type: application/json" \
     -d '{
           "length": 150,
           "user_reputation": 100,
           "report_count": 0
         }'

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen