Uw eerste /predict-endpoint
Laad een model en retourneer via HTTP een voorspelling.
Uw eerste /predict-endpoint is een gratis MLOps Academy-les op CoddyKit. Dit is les 1 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.
Van notebook naar API
Een model in een notebook helpt alleen jou. Om echte gebruikers te bedienen, verpak je het in een API die iedereen via het netwerk kan aanroepen. 🚀
Waarom FastAPI
FastAPI is een modern Python-webframework waarmee je snel schrijft, dat invoer voor je valideert en automatisch interactieve documentatie genereert.
Het installeren
Je hebt twee onderdelen nodig: FastAPI zelf en een server om het uit te voeren. Installeer beide met pip in één regel.
pip install fastapi uvicornDe app maken
Alles begint met één app-object. Je maakt een FastAPI-instantie en koppelt er routes aan.
from fastapi import FastAPI
app = FastAPI()Wat een eindpunt is
Een eindpunt is een URL waarop je app reageert, zoals /predict. Elk eindpunt voert een Python-functie uit wanneer iemand het aanroept.
Laad eerst je model
Voordat je voorspellingen doet, laad je het getrainde model van schijf. Hier leest joblib een opgeslagen scikit-learn-model in het geheugen.
import joblib
model = joblib.load("model.joblib")Declareer de route
Met een decorator markeer je een functie als een POST-eindpunt. POST past bij voorspellingen omdat je gegevens in de body van het verzoek verstuurt.
@app.post("/predict")
def predict(features: list[float]):
...Voer de voorspelling uit
In de functie roep je het model aan. predict verwacht een 2D-invoer, dus je verpakt de rij in een lijst voordat je die doorgeeft.
pred = model.predict([features])
result = pred[0]Geef JSON terug
Wat je functie ook teruggeeft, FastAPI zet het automatisch om naar JSON. Geef een gewone dict terug, dan ontvangt de client nette JSON.
return {"prediction": result}Start de server
Je start de app met uvicorn en verwijst daarbij naar de module en het app-object. De vlag voor opnieuw laden start de server opnieuw bij codewijzigingen.
uvicorn main:app --reloadProbeer de automatische documentatie
Ga in je browser naar /docs. FastAPI toont daar een interactieve pagina waarop je /predict kunt testen zonder clientcode te schrijven. 🎉
Korte controle
Je wilt dat clients kenmerkgegevens naar je model sturen. Welke HTTP-methode past bij een /predict-eindpunt?
Samenvatting
Je hebt een model in FastAPI verpakt: je hebt de app gemaakt, het model geladen, een POST /predict beschikbaar gemaakt die JSON teruggeeft, en alles met uvicorn gestart. Dat is een live API! 🙌
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 “Uw eerste /predict-endpoint” gratis?
Ja — de volledige tekst van “Uw eerste /predict-endpoint” 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 “Uw eerste /predict-endpoint”?
Laad een model en retourneer via HTTP een voorspelling. 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 1 van 4.
Hoe lang duurt de les “Uw eerste /predict-endpoint”?
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
- Uw eerste /predict-endpoint
- Requests valideren met Pydantic
- Het model eenmaal laden bij het opstarten
- Een /health-readinesscheck toevoegen