Для получения предсказания примерной ожидаемой продолжительности жизки (+- 1.5 года) пользователю необходимо зарегистрироваться в сервисе, после чего подготовить .csv-файл с данными (образец доступен по ссылке) и выбрать ML-модель.
Новым пользователям по умолчанию доступно 500 C (coins) для использования моделей.
Проект представляет собой сервис машинного обучения (ML), построенный с использованием FastAPI, современного и быстрого веб-фреймворка для создания API с Python 3.7+. Сервис включает в себя различные компоненты, в том числе аутентификацию пользователей, управление моделями и обработку предсказаний. Вот краткий обзор ключевых компонентов и функциональных возможностей:
Пользователи могут регистрироваться и входить в систему с помощью конечных точек аутентификации. Для защиты и аутентификации API-запросов используются токены JWT. Пароли пользователей хранятся в зашифрованном виде.
Система поддерживает управление моделями машинного обучения. Модель по умолчанию: Lasso. Добавление дополнительных моделей не составит трудностей благодаря универсальной структуре Model Wrapper.
Пользователи могут отправлять файлы данных для прогнозирования с помощью ML-моделей. Прогнозы обрабатываются асинхронно с помощью очереди Redis, что обеспечивает масштабируемость и эффективную обработку запросов на прогнозирование.
База данных SQLite используется для постоянного хранения информации о пользователях, моделях машинного обучения и результатах предсказаний. SQLAlchemy используется в качестве ORM для взаимодействия с базой данных.
Сервис предоставляет RESTful API с конечными точками для управления пользователями, работы с моделью и запросами на прогнозирование. Маршруты API организованы с помощью модульной системы маршрутизации FastAPI.
Веб-страница HTML/JS позволяет пользователям взаимодействовать с сервисом, включая аутентификацию пользователей, выбор модели, загрузку файлов и проверку статуса предсказания. Фронтенд взаимодействует с API бэкенда для выполнения действий и получения информации. Для запуска приложения FastAPI используется Uvicorn. Проект может быть легко развернут и масштабирован благодаря модульной конструкции и возможности асинхронной обработки.
- Lasso - 100 C;
Не требуют авторизации:
- POST /api/auth/login — вход в систему;
- POST /api/auth/register — регистрация в системе;
Требуют авторизации:
- GET /api/auth/me — информация о текущем авторизованном пользователе;
- GET /api/auth/balance — проверить баланс пользователя;
- POST /api/predict/{model_id} — отправить файл с данными для получения предсказания;
- GET /api/predict/{prediction_id} — получить результат работы модели/статус запроса (в работе/отклонен);
- Create and activate Python environment using Virtualenv or conda. Tested versions:
python-3.9 - Install requirements:
pip install -r requirements.txt - Run app:
python app.py
Optional args:
--port- 7999 by default--host- 127.0.0.1 by default--resetdb- False by default. True to re-create DB
- Open
index.html
