Trace el recorrido completo de una predicción
Siga una solicitud desde la entrada hasta la respuesta registrada.
Trace el recorrido completo de una predicción es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Seguir una solicitud
Es hora de observar todo el ciclo en funcionamiento. Seguirá una única predicción desde la solicitud del cliente hasta una respuesta registrada. 🔍
El cliente envía la entrada
Un cliente envía JSON mediante POST a /predict. Este es el payload de características de entrada sin procesar que su modelo necesita para tomar una decisión.
curl -X POST localhost:8000/predict \
-H "Content-Type: application/json" \
-d '{"tenure": 12, "monthly_charges": 79.9}'Pydantic valida
FastAPI analiza el cuerpo comparándolo con su esquema. Si falta un campo o tiene un tipo incorrecto, Pydantic lo rechaza con un 422 antes de que se ejecute el modelo.
El modelo predice
La fila validada llega al modelo champion cargado. Este calcula un resultado en memoria, sin reentrenamiento ni llamadas al registro durante la ruta crítica.
pred = app.state.model.predict([[f.tenure, f.monthly_charges]])Registrar lo ocurrido
Antes de responder, escriba una línea de structured log con las entradas, la predicción y una marca de tiempo. Este es su registro de auditoría.
import logging, json
logging.info(json.dumps({
"input": f.model_dump(),
"prediction": int(pred[0]),
}))Devolver la respuesta
FastAPI serializa su diccionario de nuevo a JSON y lo envía con un 200. El cliente recibe la prediction en milisegundos.
{"prediction": 1}Capturar la latencia
Rodee la llamada para medir cuánto tardó. Registrar la latency de cada solicitud es lo que posteriormente alimenta sus paneles de monitorización.
import time
start = time.perf_counter()
# predict...
elapsed_ms = (time.perf_counter() - start) * 1000Vincular con la versión
Registre qué modelo produjo la respuesta. Guardar la version le permite indicar siempre exactamente qué modelo generó cualquier predicción anterior.
{"model": "churn-classifier", "version": 3}El ciclo se ha completado
Entrenar, registrar, promover, servir, predecir y registrar: una única solicitud acaba de recorrer todo el pipeline que construyó. Eso es MLOps de extremo a extremo. 🎯
Comprobación rápida
¿Por qué registrar la entrada, la predicción y la versión del modelo en cada solicitud?
Los registros alimentan la monitorización
Esos recorridos registrados se convierten en la materia prima de la siguiente etapa: la monitoring de la latencia, las tasas de error y, con el tiempo, la deriva de las entradas.
Ha creado un sistema
Esto ya no es un notebook. Es un system rastreable en el que cada predicción se puede explicar y reproducir de principio a fin.
Recapitulación: el recorrido completo
Ha seguido una solicitud a través de la validación, la predicción, el registro y la respuesta, vinculándola con una versión del modelo. Así concluye su primer flujo de extremo a extremo. ✅
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Trace el recorrido completo de una predicción» es gratis?
Sí — el texto completo de «Trace el recorrido completo de una predicción» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Trace el recorrido completo de una predicción»?
Siga una solicitud desde la entrada hasta la respuesta registrada. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Trace el recorrido completo de una predicción»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Entrene y registre el modelo
- Promueva el mejor modelo a Production
- Sirva el modelo de Production
- Trace el recorrido completo de una predicción