---
title: "Ejecutar endpoint de QuickML"
url: https://docs.catalyst.zoho.com/es/sdk/python/v1/quickml/execute-quickml-endpoints/
description: "Esta página describe el método para ejecutar endpoints de QuickML en tu aplicación Python con un fragmento de código de ejemplo."
last_updated: 2026-03-30T08:10:30Z
service: QuickML
type: general
related_links:
  - name: "QuickML Help"
    url: /es/quickml/
  - name: "QuickML Pipeline Endpoints"
    url: /es/quickml/help/pipeline-endpoints/
  - name: "SDK Scopes"
    url: /es/sdk/python/v1/sdk-scopes
---

# Catalyst QuickML
[Catalyst QuickML](https://docs.catalyst.zoho.com/es/quickml/) es un servicio de construcción de pipelines de machine learning sin código que te permite implementar una variedad de algoritmos de ML preconstruidos, operaciones y técnicas de preprocesamiento de datos, y conectar con conjuntos de datos para construir y publicar modelos de ML. Después de publicar el pipeline de ML, puedes acceder a los modelos que creaste con endpoints autenticados. 
### Ejecutar endpoint de QuickML
El fragmento de código proporcionado a continuación te permite pasar datos de entrada a un [endpoint de QuickML](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-endpoints/) publicado, y predecir el resultado basándose en el procesamiento del modelo de ML. La salida devuelve la predicción de los valores de la columna objetivo que se define al crear el pipeline de ML.

> **Note:** 
1. Necesitarás tener el pipeline de ML y el endpoint del modelo configurados y publicados en tu proyecto usando la consola de Catalyst, antes de ejecutar este código para predecir el resultado con el fragmento de código a continuación.
2. QuickML actualmente no está disponible para usuarios de Catalyst que acceden desde los centros de datos JP, SA o CA.

La instancia del componente `quickml` se crea como se muestra a continuación, lo cual no realizará una llamada del lado del servidor. Necesitarás crear un diccionario de datos a través del cual puedes pasar los datos de entrada al endpoint del modelo como pares clave-valor. El `endpoint_key` mencionado a continuación es el ID único del endpoint publicado para el modelo de ML configurado en tu proyecto. La clave del endpoint y los datos de entrada se pasan al método `predict()` para su ejecución. La referencia `app` utilizada en el código a continuación es el [objeto Python](https://docs.catalyst.zoho.com/es/sdk/python/v1/setup/#initializing-the-sdk) devuelto como respuesta durante la inicialización del SDK. 
**Parámetros utilizados**
<table class="content-table">
        <thead>
                <tr>
                        <th class="w20p">Nombre del parámetro</th>
      <th class="w60p">Definición</th>
                </tr>
        </thead>
        <tbody>
                <tr>
                        <td>`endpoint_key`</td>
                        <td>Un parámetro **obligatorio**. Almacenará el ID único del endpoint publicado para el modelo de ML.</td>
                </tr>
    <tr>
                        <td>`input_data`</td>
                        <td>Un parámetro **obligatorio**. Almacenará los datos a publicar en el endpoint de QuickML.</td>
                </tr>
        </tbody>
</table>

```python
# Input data dictionary
input_data = {
    # Proporcionar el nombre de columna y valor según tu conjunto de datos
    "column_name1": "value1",
    "column_name2": "value2",
    "column_name3": "value3",
}
#Crear instancia de QuickML
quickml = app.quick_ml()
#Ejecutar método
result = quickml.predict("{endpoint_key}", input_data)
#Reemplazar {endpoint_key} con la clave de endpoint copiada de la consola de Catalyst
print(result)

```

La sintaxis de la salida recibida se muestra a continuación:

```json
{
   "status":"success",
   "result":[
      "results....."
   ]
}
```

> **Info :** Consulta la [tabla de SDK Scopes](https://docs.catalyst.zoho.com/es/sdk/python/v1/sdk-scopes) para determinar el nivel de permiso requerido para realizar la operación anterior.