Telusuri Perjalanan Pulang-Pergi Prediksi
Ikuti satu permintaan dari input hingga respons yang dicatat.
Telusuri Perjalanan Pulang-Pergi Prediksi adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Ikuti Satu Permintaan
Saatnya melihat seluruh alur bekerja. Anda akan mengikuti satu prediksi mulai dari permintaan klien hingga respons yang dicatat. 🔍
Klien Mengirim Input
Pemanggil mengirim JSON dengan POST ke /predict. Ini adalah payload fitur input mentah yang diperlukan model untuk mengambil keputusan.
curl -X POST localhost:8000/predict \
-H "Content-Type: application/json" \
-d '{"tenure": 12, "monthly_charges": 79.9}'Pydantic Memvalidasi
FastAPI mengurai isi permintaan berdasarkan skema Anda. Jika suatu bidang tidak ada atau tipenya salah, Pydantic menolaknya dengan respons 422 sebelum model dijalankan.
Model Membuat Prediksi
Baris yang telah divalidasi diteruskan ke model champion yang dimuat. Model menghitung hasil di memori, tanpa pelatihan ulang dan tanpa pemanggilan registri pada jalur utama.
pred = app.state.model.predict([[f.tenure, f.monthly_charges]])Catat yang Terjadi
Sebelum merespons, tulis satu baris log terstruktur yang berisi input, prediksi, dan stempel waktu. Inilah jejak audit Anda.
import logging, json
logging.info(json.dumps({
"input": f.model_dump(),
"prediction": int(pred[0]),
}))Kembalikan Respons
FastAPI menserialisasi dict Anda kembali ke JSON dan mengirimkannya dengan status 200. Klien menerima prediksi dalam hitungan milidetik.
{"prediction": 1}Catat Latensi
Bungkus pemanggilan untuk mengukur durasinya. Pencatatan latensi setiap permintaan nantinya menjadi dasar dasbor pemantauan Anda.
import time
start = time.perf_counter()
# predict...
elapsed_ms = (time.perf_counter() - start) * 1000Hubungkan ke Versi
Catat model mana yang menghasilkan jawaban tersebut. Mencatat versi berarti Anda selalu dapat menyebutkan model persis yang membuat setiap prediksi sebelumnya.
{"model": "churn-classifier", "version": 3}Alur Selesai
Latih, daftarkan, promosikan, sajikan, prediksi, catat: satu permintaan baru saja melewati seluruh pipeline yang Anda bangun. Itulah MLOps dari ujung ke ujung. 🎯
Pemeriksaan Singkat
Mengapa input, prediksi, dan versi model perlu dicatat pada setiap permintaan?
Log Menjadi Sumber Pemantauan
Perjalanan bolak-balik yang tercatat tersebut menjadi bahan mentah untuk tahap berikutnya: memantau latensi, tingkat kesalahan, dan pada akhirnya pergeseran input dari waktu ke waktu.
Anda Telah Membangun Sistem
Ini bukan lagi buku catatan. Ini adalah sistem yang dapat dilacak, tempat setiap prediksi dapat dijelaskan dan direproduksi dari awal hingga akhir.
Rekap: Putaran Lengkap
Anda telah menelusuri satu permintaan melalui validasi, prediksi, pencatatan, dan respons, lalu mengaitkannya kembali ke versi model. Dengan demikian, alur menyeluruh pertama Anda selesai. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Telusuri Perjalanan Pulang-Pergi Prediksi” gratis?
Ya — teks lengkap “Telusuri Perjalanan Pulang-Pergi Prediksi” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Telusuri Perjalanan Pulang-Pergi Prediksi”?
Ikuti satu permintaan dari input hingga respons yang dicatat. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Telusuri Perjalanan Pulang-Pergi Prediksi” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Latih dan Catat ke Registry
- Naikkan Model Terbaik ke Produksi
- Sajikan Model Produksi
- Telusuri Perjalanan Pulang-Pergi Prediksi