Stellen Sie sich vor, Sie arbeiten in einem Team zusammen mit Data Scientisten (m/w/d) an einer Lösung für die Kaggle's Tweet Sentiment Extraction Competition. Einer ihrer Kollegen ist Chris Deotte und er schlägt die Lösung im Notebook model_training.ipynb vor. Das Team ist sich einig, dass diese Lösung in eine fiktive Produktionsumgebung überführt werden soll. Das ist Ihre Aufgabe. Die gewählten Gewichte für das Model finden Sie in weights_final.h5.
Stellen Sie das Model im Sinne eines Microservice als Webservice zur Verfügung. Folgende Punkte sollen der Orientierung dienen:
- Erstellung eines Pythonskriptes für den Webservice
- Kapselung der Model-Inferenz in einem Python-Modul (OOP)
- Erstellung eines Dockerfile zum Hosten der Lösung
- Testkonzept wesentlicher Funktionalitäten
- Bestimmen Sie die Latenz/Request-Zeit des Webservice und schildern Sie konzeptionell wie diese verbessert werden kann
Das Paket transformers stammt von Huggingface. Die Gewichte in weights_final.h5 wurde mit Tensorflow 2.7.0 erstellt. Der Webservice empfängt Text und Sentiment. Als Antwort gibt es die Wörter zurück, die das Sentiment des Textes ausdrücken. Der Code ist nicht fehlerfrei.