# API модели

## Цель

Создать FastAPI-сервис с валидацией, healthcheck и batch prediction.

## Теория перед выполнением

- [Инференс: FastAPI, Docker, ONNX и эксплуатационные свойства](../notes/02_inference_api_docker_onnx.md)
- [Production-контракты и тесты](../notes/01_production_project_contracts_testing.md)

## Что сделать

1. Описать версионированные схемы одиночного и batch-запроса и ответа.
2. Загрузить проверенный модельный bundle один раз при старте приложения.
3. Реализовать prediction endpoint, liveness и readiness.
4. Ограничить диапазоны, размер batch и недопустимые дополнительные поля.
5. Добавить contract-тесты для корректных, граничных и ошибочных запросов.
6. Привести команды запуска и примеры запросов в [отчёте](../../../common/REPORT_TEMPLATE.md).

## Результат

API, тесты контрактов и примеры запросов.

Решение разместите рядом в `solution/`. Не коммитьте большие данные,
веса или секреты.

## Критерии приёмки

- Неверные данные дают 4xx; модель грузится один раз; ответы имеют версию.
- Код читаем, разбит на функции и запускается по инструкции.
- Выводы подтверждаются измерениями и не выходят за пределы эксперимента.

## Вопросы для самопроверки

- Чем liveness отличается от readiness?
- Что произойдёт при неизвестном поле, NaN и слишком большом batch?
- Как ответ позволяет установить версию модели?
- Почему `async` не ускоряет CPU-bound инференс автоматически?