0Pricing
MLOps Academy · Leçon

Tracer l’aller-retour d’une prédiction

Suivez une requête, de l’entrée à la réponse journalisée.

Tracer l’aller-retour d’une prédiction est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Follow One Request

Time to watch the whole loop work. You will follow a single prediction from a client request all the way to a logged response. 🔍

The Client Sends Input

A caller POSTs JSON to /predict. This is the raw input feature payload your model needs to make a decision.

curl -X POST localhost:8000/predict \
  -H "Content-Type: application/json" \
  -d '{"tenure": 12, "monthly_charges": 79.9}'

Pydantic Validates

FastAPI parses the body against your schema. If a field is missing or the wrong type, Pydantic rejects it with a 422 before the model runs.

The Model Predicts

The validated row hits the loaded champion model. It computes a result in memory, no retraining and no registry call on the hot path.

pred = app.state.model.predict([[f.tenure, f.monthly_charges]])

Log What Happened

Before responding, write a structured log line with the inputs, the prediction, and a timestamp. This is your audit trail.

import logging, json
logging.info(json.dumps({
    "input": f.model_dump(),
    "prediction": int(pred[0]),
}))

Return the Response

FastAPI serializes your dict back to JSON and sends it with a 200. The client receives the prediction in milliseconds.

{"prediction": 1}

Capture Latency

Wrap the call to measure how long it took. Logging latency per request is what later powers your monitoring dashboards.

import time
start = time.perf_counter()
# predict...
elapsed_ms = (time.perf_counter() - start) * 1000

Tie Back to the Version

Log which model produced the answer. Recording the version means you can always say exactly which model made any past prediction.

{"model": "churn-classifier", "version": 3}

The Loop Closed

Train, register, promote, serve, predict, log: one request just walked the entire pipeline you built. That is end-to-end MLOps. 🎯

Quick Check

Why log the input, prediction, and model version on every request?

Logs Feed Monitoring

Those logged round-trips become the raw material for the next stage: monitoring latency, error rates, and eventually input drift over time.

You Built a System

This is no longer a notebook. It is a traceable system where every prediction can be explained and reproduced from end to end.

Recap: The Full Round-Trip

You traced one request through validation, prediction, logging, and response, tying it back to a model version. That closes your first end-to-end flow. ✅

Questions Fréquemment Posées

La leçon « Tracer l’aller-retour d’une prédiction » est-elle gratuite ?

Oui — le texte complet de « Tracer l’aller-retour d’une prédiction » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Tracer l’aller-retour d’une prédiction » ?

Suivez une requête, de l’entrée à la réponse journalisée. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer MLOps Academy ?

Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.

Combien de temps prend la leçon « Tracer l’aller-retour d’une prédiction » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?

Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Entraîner et enregistrer dans le registre
  2. Promouvoir le meilleur modèle en production
  3. Servir le modèle de production
  4. Tracer l’aller-retour d’une prédiction
← Retour à MLOps Academy