0Pricing
MLOps Academy · Урок

Первая конечная точка /predict

Загрузите модель и возвращайте предсказание по HTTP

«Первая конечная точка /predict» — бесплатный урок MLOps Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

From Notebook to API

A model in a notebook helps only you. To serve real users, you wrap it in an API that anyone can call over the network. 🚀

Why FastAPI

FastAPI is a modern Python web framework that is fast to write, validates input for you, and auto-generates interactive docs.

Install It

You need two pieces: FastAPI itself and a server to run it. Install both with pip in one line.

pip install fastapi uvicorn

Create the App

Everything starts from one app object. You create a FastAPI instance and attach routes to it.

from fastapi import FastAPI

app = FastAPI()

What an Endpoint Is

An endpoint is a URL your app responds to, like /predict. Each one runs a Python function when someone calls it.

Load Your Model First

Before predicting, you load the trained model from disk. Here joblib reads a saved scikit-learn model into memory.

import joblib

model = joblib.load("model.joblib")

Declare the Route

You mark a function as a POST endpoint with a decorator. POST fits prediction because you send data in the request body.

@app.post("/predict")
def predict(features: list[float]):
    ...

Run the Prediction

Inside the function you call the model. predict expects a 2D input, so you wrap the row in a list before passing it.

pred = model.predict([features])
result = pred[0]

Return JSON

Whatever your function returns, FastAPI serializes to JSON automatically. Return a plain dict and the client gets clean JSON.

return {"prediction": result}

Start the Server

You launch the app with uvicorn, pointing it at the module and the app object. The reload flag restarts on code changes.

uvicorn main:app --reload

Try the Auto Docs

Visit /docs in your browser and FastAPI shows an interactive page where you can test /predict without writing any client code. 🎉

Quick Check

You want clients to send feature data to your model. Which HTTP method fits a /predict endpoint?

Recap

You wrapped a model in FastAPI: create the app, load the model, expose a POST /predict that returns JSON, and run it with uvicorn. That is a live API! 🙌

Часто задаваемые вопросы

Урок «Первая конечная точка /predict» бесплатный?

Да — полный текст урока «Первая конечная точка /predict» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.

Чему я научусь в уроке «Первая конечная точка /predict»?

Загрузите модель и возвращайте предсказание по HTTP Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать MLOps Academy?

Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.

Сколько времени занимает урок «Первая конечная точка /predict»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке MLOps Academy?

Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Первая конечная точка /predict
  2. Проверка запросов с помощью Pydantic
  3. Однократная загрузка модели при запуске
  4. Добавление проверки готовности /health
← Назад к MLOps Academy