Een volledige prediction-roundtrip traceren
Volg één request van invoer tot gelogde response.
Een volledige prediction-roundtrip traceren is een gratis MLOps Academy-les op CoddyKit. Dit is les 4 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject MLOps Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus MLOps Academy bevat in totaal 4 lessen.
Eén aanvraag volgen
Tijd om de volledige cyclus te bekijken. Je volgt één voorspelling van een aanvraag van de client tot en met een gelogd antwoord. 🔍
De client verstuurt invoer
Een aanroeper POST JSON naar /predict. Dit is de onbewerkte payload met invoerkenmerken die je model nodig heeft om een beslissing te nemen.
curl -X POST localhost:8000/predict \
-H "Content-Type: application/json" \
-d '{"tenure": 12, "monthly_charges": 79.9}'Pydantic valideert
FastAPI parseert de body aan de hand van je schema. Als een veld ontbreekt of het verkeerde type heeft, wijst Pydantic de aanvraag af met 422 voordat het model wordt uitgevoerd.
Het model doet een voorspelling
De gevalideerde rij wordt naar het geladen model champion gestuurd. Het model berekent in het geheugen een resultaat; tijdens deze snelle verwerkingsroute wordt niets opnieuw getraind en wordt het register niet aangeroepen.
pred = app.state.model.predict([[f.tenure, f.monthly_charges]])Log wat er is gebeurd
Schrijf voordat je antwoordt een gestructureerde logregel met de invoer, de voorspelling en een tijdstempel. Dit is je controletraject.
import logging, json
logging.info(json.dumps({
"input": f.model_dump(),
"prediction": int(pred[0]),
}))Het antwoord terugsturen
FastAPI serialiseert je dict terug naar JSON en verstuurt dit met status 200. De client ontvangt de voorspelling binnen enkele milliseconden.
{"prediction": 1}De latentie vastleggen
Wikkel de aanroep in om te meten hoe lang deze duurde. De latentie per aanvraag loggen is wat later je dashboards voor monitoring voedt.
import time
start = time.perf_counter()
# predict...
elapsed_ms = (time.perf_counter() - start) * 1000Terugkoppelen naar de versie
Log welk model het antwoord heeft geproduceerd. Door de versie vast te leggen, kun je altijd precies aangeven welk model een eerdere voorspelling heeft gedaan.
{"model": "churn-classifier", "version": 3}De cyclus is rond
Train, registreer, promoveer, bied aan, voorspel, log: één aanvraag heeft zojuist de volledige pijplijn doorlopen die je hebt gebouwd. Dat is MLOps van begin tot eind. 🎯
Korte controle
Waarom log je de invoer, voorspelling en modelversie bij elke aanvraag?
Logboeken voeden monitoring
Deze gelogde heen-en-terugbewegingen vormen het ruwe materiaal voor de volgende fase: het monitoren van latentie en foutpercentages, en uiteindelijk van verschuivingen in de invoer na verloop van tijd.
Je hebt een systeem gebouwd
Dit is niet langer een notebook. Het is een traceerbaar systeem waarin elke voorspelling van begin tot eind kan worden uitgelegd en gereproduceerd.
Samenvatting: de volledige heen-en-terugstroom
Je hebt één aanvraag gevolgd door validatie, voorspelling, logging en antwoord, en die gekoppeld aan een modelversie. Daarmee is je eerste end-to-end-stroom afgerond. ✅
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Een volledige prediction-roundtrip traceren” gratis?
Ja — de volledige tekst van “Een volledige prediction-roundtrip traceren” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus MLOps Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus MLOps Academy bevat in totaal 4 lessen.
Wat leer ik in “Een volledige prediction-roundtrip traceren”?
Volg één request van invoer tot gelogde response. Je oefent met MLOps Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met MLOps Academy te beginnen?
Ervaring vooraf is niet nodig. MLOps Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.
Hoe lang duurt de les “Een volledige prediction-roundtrip traceren”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over MLOps Academy?
Ja. Elke les over MLOps Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Trainen en registreren in het register
- Het beste model naar Production promoveren
- Het Production-model serveren
- Een volledige prediction-roundtrip traceren