BaşlayınÜcretsiz başlayın

Sayısal istek verilerini işle

Bir içerik moderasyon sistemi geliştiriyorsun. Sistem, her kullanıcı yorumuna sayısal özelliklere göre bir güven skoru hesaplamalı: length, user_reputation ve report_count. Bu özellikleri moderasyon modeliyle uyumlu hale getirecek bir uç nokta oluşturacaksın.

ML modelinin ve length(int), user_reputation(int) ve report_count(int) alanlarına sahip CommentMetrics Pydantic modelinin senin için zaten oluşturulup yüklendiğini unutma.

Bu egzersiz, kursun bir parçasıdır

FastAPI ile Üretime AI Dağıtımı

Kursa Göz Atın

Egzersiz talimatları

  • main.py içinde, gelen yorum metrics verisini bir NumPy 2B diziye dönüştür ve bunları modele geçirmeden önce length, user_reputation, report_count alanlarını çıkar.

  • Önceden yüklenmiş model ile, features dizisini modele geçirerek tahmin yap.

  • Sunucuyu python3 main.py komutuyla main.py dosyasını çalıştırarak başlat.

  • Terminalin sağ üst köşesinden başka bir terminal aç.

    Terminal with arrow pointing to the "new terminal" button on top right.

  • predict_trust uç noktasını şu curl komutuyla test et: 

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

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla