MLOps Academy · บทเรียน

ติดตามการเดินทางไปกลับของผลพยากรณ์

ติดตามคำขอหนึ่งรายการตั้งแต่อินพุตจนถึงการตอบกลับที่บันทึกไว้

บทเรียน 4 จาก 413 ขั้นตอน

ติดตามการเดินทางไปกลับของผลพยากรณ์ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

ติดตามคำขอหนึ่งรายการ

ได้เวลาดูการทำงานตลอดทั้งวงจร คุณจะติดตามการทำนายหนึ่งรายการตั้งแต่คำขอจากไคลเอนต์ไปจนถึงการตอบกลับที่บันทึกไว้ 🔍

ไคลเอนต์ส่งข้อมูลนำเข้า

ผู้เรียกส่ง JSON ด้วย POST ไปยัง /predict นี่คือข้อมูลดิบของคุณลักษณะนำเข้าที่โมเดลต้องใช้เพื่อตัดสินใจ

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

Pydantic ตรวจสอบข้อมูล

FastAPI แยกวิเคราะห์เนื้อหาโดยเทียบกับแบบแผนของคุณ หากฟิลด์ใดหายไปหรือมีชนิดข้อมูลผิด Pydantic จะปฏิเสธด้วยข้อผิดพลาด 422 ก่อนที่โมเดลจะทำงาน

โมเดลทำการทำนาย

แถวข้อมูลที่ผ่านการตรวจสอบแล้วจะถูกส่งไปยังโมเดล champion ที่โหลดไว้ โมเดลคำนวณผลลัพธ์ในหน่วยความจำ โดยไม่ฝึกใหม่และไม่เรียกรีจิสทรีในเส้นทางการทำงานหลัก

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

บันทึกสิ่งที่เกิดขึ้น

ก่อนตอบกลับ ให้เขียนบรรทัดบันทึกแบบมีโครงสร้างพร้อมข้อมูลนำเข้า การทำนาย และเวลาประทับ นี่คือหลักฐานสำหรับตรวจสอบย้อนหลัง

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

ส่งคืนการตอบกลับ

FastAPI แปลงพจนานุกรมของคุณกลับเป็น JSON แล้วส่งพร้อมรหัส 200 ไคลเอนต์จะได้รับการทำนายภายในเวลาไม่กี่มิลลิวินาที

{"prediction": 1}

เก็บเวลาหน่วง

ครอบการเรียกใช้เพื่อวัดว่าใช้เวลานานเท่าใด การบันทึกเวลาหน่วงของแต่ละคำขอจะนำไปใช้สร้างแดชบอร์ดตรวจสอบในภายหลัง

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

เชื่อมโยงกลับไปยังเวอร์ชัน

บันทึกว่าโมเดลใดสร้างคำตอบ การบันทึกเวอร์ชันทำให้คุณระบุได้เสมอว่าโมเดลใดสร้างการทำนายในอดีต

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

วงจรทำงานครบถ้วน

ฝึก ลงทะเบียน เลื่อนระดับ ให้บริการ ทำนาย บันทึก คำขอหนึ่งรายการเพิ่งเดินทางผ่านไปป์ไลน์ทั้งหมดที่คุณสร้าง นี่คือ MLOps ตั้งแต่ต้นจนจบ 🎯

ตรวจสอบอย่างรวดเร็ว

เหตุใดจึงต้องบันทึกข้อมูลนำเข้า การทำนาย และเวอร์ชันโมเดลในทุกคำขอ

ตอบคำถามในบทเรียนแบบโต้ตอบ

บันทึกการทำงานป้อนข้อมูลให้การตรวจสอบ

ข้อมูลการเดินทางไปกลับที่บันทึกไว้จะกลายเป็นวัตถุดิบสำหรับขั้นตอนถัดไป นั่นคือการตรวจสอบเวลาหน่วง อัตราข้อผิดพลาด และท้ายที่สุดคือการเปลี่ยนแปลงของข้อมูลนำเข้าเมื่อเวลาผ่านไป

คุณสร้างระบบขึ้นมาแล้ว

นี่ไม่ใช่สมุดบันทึกทดลองอีกต่อไป แต่เป็นระบบที่ตรวจสอบย้อนกลับได้ ซึ่งสามารถอธิบายและทำซ้ำการทำนายทุกครั้งได้ตั้งแต่ต้นจนจบ

ทบทวน: การทำงานครบวงจร

คุณได้ติดตามคำขอหนึ่งรายการตั้งแต่การตรวจสอบความถูกต้อง การทำนาย การบันทึกข้อมูล ไปจนถึงการตอบกลับ และเชื่อมโยงทั้งหมดกลับไปยังเวอร์ชันของโมเดล นี่คือการจบ กระบวนการตั้งแต่ต้นจนจบ แรกของคุณ ✅

เริ่มต้นได้ฟรี

เรียนรู้ Python ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส: 30
บทเรียน: 120

เริ่มเรียนฟรี ดูหลักสูตรเต็ม

คำถามที่พบบ่อย

บทเรียน “ติดตามการเดินทางไปกลับของผลพยากรณ์” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “ติดตามการเดินทางไปกลับของผลพยากรณ์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “ติดตามการเดินทางไปกลับของผลพยากรณ์”

ติดตามคำขอหนึ่งรายการตั้งแต่อินพุตจนถึงการตอบกลับที่บันทึกไว้ คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน

บทเรียน “ติดตามการเดินทางไปกลับของผลพยากรณ์” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม

ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ MLOps Academy