步骤 4：部署模型并分析传入请求
为了让第三方可以访问推荐系统，GlowByte 专家在自己的笔记本中加入了构成提案的主要类别和方法。它有一个带有建议的基类，一个带户选项的类。它还包括解析请求的代码。
演示笔记本电脑配备了用于编译建议的类；您可以根据本文提供的代码创建自己的外部请求分析。该请求包括时间戳和客户端收集的购物篮以及其他属性。
有必要执行笔记本电脑代码并通过部署保 Viber 数据 护检查点。此操作在检查点部分执行，您需要指定所需的检查点，单击固定并将其标题为部署。
我们指出所需的单元格，然后单击上下文菜单中的“部署选定的单元格”。我们也称之为部署，指定之前为其保存的检查点，以及输入和输出值。
让我们确保单元格处于活动状态。转到节点 圣诞节活动触达目标受众的 7 个技巧 菜单，选择部署单元并复制 ID – 它需要输入到请求中。
接下来，创建第三方请求。 REQBIN 服务将对 手机号码列表 此有所帮助，您也可以使用任何可以传输参数化请求的 HTTP 客户端。 Postman、浏览器扩展或 curl 都可以。
让我们输入用于 POST 请求的 URL：
（不要指定 <node_id>，而要指定从部署单元复制的 ID）。
IAM 令牌用于授权。它可以使用 Yandex Cloud CLI 获得。令牌在授权菜单中指定。在内容菜单中，转到 JSON 并输入以下参数：
对于本例中的
使用项目在 DataSphere 中所在目录的 ID。 Input_data 由数据的结构和内容定义，包括之前在购物篮中的产品列表。与部署笔记本中指定的结构类似的结构也将起作用。
在REQBIN中点击发送，输出结果为推荐系统选择的JSON数据。其中包括根据客户购物车选择的 5 种产品。这些是 ID 为 4、5、6、62 和 58 的产品。
因此，该算法可以处理第三方请求并可供使用。虽然所审查的系统指令使用了合成数据集，但它也适用于分析真实数据。没有考虑神经网络和 ML 算法，但使用梯度提升可以有效地对数据进行分类以形成系统。任何企业，无论规模大小，都可以创造类似的东西。