Jäljitä ennusteen edestakainen kulku
Seuraa yhtä pyyntöä syötteestä lokitettuun vastaukseen.
Jäljitä ennusteen edestakainen kulku on ilmainen MLOps Academy-oppitunti CoddyKitissä. Tämä on oppitunti 4/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu MLOps Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Seuratkaa yhtä pyyntöä
On aika seurata koko ketjun toimintaa. Seuraatte yhtä ennustetta asiakkaan pyynnöstä aina lokiin kirjattuun vastaukseen asti. 🔍
Asiakas lähettää syötteen
Pyynnön lähettäjä POSTaa JSONia päätepisteeseen /predict. Tämä on mallinne tarvitsema raaka syöteominaisuuksien hyötykuorma päätöksen tekemistä varten.
curl -X POST localhost:8000/predict \
-H "Content-Type: application/json" \
-d '{"tenure": 12, "monthly_charges": 79.9}'Pydantic vahvistaa syötteen
FastAPI jäsentää pyynnön rungon skeemanne perusteella. Jos kenttä puuttuu tai sen tyyppi on väärä, Pydantic hylkää pyynnön 422-virheellä ennen mallin suorittamista.
Malli tekee ennusteen
Vahvistettu rivi saavuttaa ladatun champion-mallin. Se laskee tuloksen muistissa ilman uudelleenkoulutusta tai rekisterikutsua suorituspolulla.
pred = app.state.model.predict([[f.tenure, f.monthly_charges]])Kirjatkaa tapahtuma lokiin
Kirjoittakaa ennen vastaamista structured log -lokirivi, joka sisältää syötteet, ennusteen ja aikaleiman. Se toimii tarkastusketjunanne.
import logging, json
logging.info(json.dumps({
"input": f.model_dump(),
"prediction": int(pred[0]),
}))Palauttakaa vastaus
FastAPI sarjallistaa sanakirjanne takaisin JSON-muotoon ja lähettää sen 200-vastauksella. Asiakas vastaanottaa prediction-ennusteen millisekunneissa.
{"prediction": 1}Tallentakaa viive
Ympäröikää kutsu mitataksenne, kuinka kauan se kesti. Pyyntökohtaisen latency-viiveen kirjaaminen mahdollistaa myöhemmin seurantakoontinäyttöjen tuottamisen.
import time
start = time.perf_counter()
# predict...
elapsed_ms = (time.perf_counter() - start) * 1000Yhdistäkää vastaus versioon
Kirjatkaa, mikä malli tuotti vastauksen. version-version tallentaminen tarkoittaa, että voitte aina kertoa täsmälleen, mikä malli teki minkä tahansa aiemman ennusteen.
{"model": "churn-classifier", "version": 3}Ketju on suljettu
Koulutus, rekisteröinti, julkaisu, tarjoaminen, ennustaminen ja lokiin kirjaaminen: yksi pyyntö kulki juuri koko rakentamanne pipeline-putken läpi. Tätä on päästä päähän ulottuva MLOps. 🎯
Pikatarkistus
Miksi jokaisen pyynnön yhteydessä kirjataan syöte, ennuste ja malliversio?
Lokit syöttävät valvontaa
Nämä kirjatut edestakaiset tapahtumat muodostavat seuraavan vaiheen raaka-aineen: monitoring-valvonnan, joka seuraa viivettä, virhetiheyttä ja ajan mittaan myös syötteen muutosta.
Rakensitte järjestelmän
Tämä ei ole enää muistikirja. Se on jäljitettävä system-järjestelmä, jossa jokainen ennuste voidaan selittää ja toistaa alusta loppuun.
Kertaus: Koko pyyntöketju
Seurasitte yhtä pyyntöä validoinnin, ennusteen, lokituksen ja vastauksen läpi ja yhdistitte sen malliversioon. Tämä päättää ensimmäisen päästä päähän etenevän työnkulkunne. ✅
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Jäljitä ennusteen edestakainen kulku” ilmainen?
Kyllä – oppitunnin ”Jäljitä ennusteen edestakainen kulku” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko MLOps Academy-kurssin, päivitä CoddyKit PROhon. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Jäljitä ennusteen edestakainen kulku”?
Seuraa yhtä pyyntöä syötteestä lokitettuun vastaukseen. Harjoittelet MLOps Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni MLOps Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin MLOps Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 4/4.
Kuinka kauan ”Jäljitä ennusteen edestakainen kulku”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä MLOps Academy-oppitunnilla?
Kyllä. Jokainen MLOps Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Kouluta malli ja kirjaa se rekisteriin
- Siirrä paras malli tuotantoon
- Palvele tuotantomallia
- Jäljitä ennusteen edestakainen kulku