BaşlayınÜcretsiz başlayın

ML tahmini için istek ve yanıtı doğrula

Kahve şirketindeki veri bilimci rolündeki çalışmanı temel alarak, şimdi girdi isteğini CoffeeQualityInput veri doğrulama modeliyle ve yanıtı QualityPrediction ile doğrulayan bir FastAPI uç noktası oluşturman gerekiyor.

Bu uç nokta kahve verisini alacak ve güven puanıyla birlikte bir kalite tahmini döndürecek.

Bu egzersizde model, predict_quality adlı bir fonksiyona zaten yüklenmiş durumda.

Bu egzersiz, kursun bir parçasıdır

FastAPI ile Üretime AI Dağıtımı

Kursa Göz Atın

Egzersiz talimatları

  • CoffeeQualityInput'ı aroma (float), flavor (float) ve altitude (int) alanlarıyla tanımla.
  • POST istek dekoratörü içinde yanıtı doğrulamak için response_model belirt.
  • coffee_data içeren girdi isteğini doğrulamak için veri modelini belirt.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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
Kodu Düzenle ve Çalıştır