ПочатиПочніть безкоштовно

Створіть модель Pydantic для вхідних даних ML

Ви розробляєте застосунок FastAPI для розгортання моделі машинного навчання, що прогнозує оцінку якості кави на основі таких атрибутів, як аромат, смак і висота над рівнем моря.

Перший крок — створити модель Pydantic для валідації вхідних даних запиту для вашої ML‑моделі та забезпечити, щоб через модель проходили лише коректні дані для успішного прогнозу.

Ця вправа є частиною курсу

Розгортання AI у продакшні з FastAPI

Переглянути курс

Інструкції до вправи

  • Імпортуйте базовий клас валідації з Pydantic, щоб створити модель даних.
  • Визначте клас CoffeeQualityInput, який успадковується від базового класу Pydantic.
  • Додайте до класу три атрибути: aroma (float), flavor (float) і altitude (int).

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Редагувати та запускати код