В рамках домашнего задания по курсу "Прикладной Python" реализован веб-сервис с использованием фреймворка FastAPI, который развернут через docker.
В ML части использовалась ранее предобученная модель из файла linearSVC.pkl, которая предсказывает подходящий хаб (aka тематика) для текста публикации. К текстам перед предсказанием применялась предобработка (удаление лишних символов и т.п., лемматизация с помощью библиотеки pymystem3). Для получившихся лемматизированных текстов производилась векторизация текстов по словам с помощью tfidfvectorizer.pkl. Упомянутые piсkle-файлы загружались из Yandex Cloud.
Автор: Карнакова Ксения (МОВС23)
/ - приветственное сообщение на главной странице
/ping - проверка доступности сервера
/predict_text - предсказание подходящего хаба для одного введенного текста
/predict_text_from_txt - предсказание подходящего хаба для одного текста из txt-файла
/predict_texts_from_csv - предсказание подходящих хабов для текстов из csv-файла (в csv-файл добавляется новая колонка с предсказанием хаба для каждой статьи)
docker-compose -f docker-compose.yml up
video_fastapi.mp4
Сервис на render: https://fastapi-habr.onrender.com