Crear un endpoint

# Crear un endpoint

Ahora crearemos un endpoint para el modelo de predicción anterior para permitir que las aplicaciones externas interactúen con el modelo de forma fluida y obtengan predicciones.

1. Navega al componente **Endpoints** en el menú izquierdo y haz clic en {{%badge%}}Create Endpoint{{%/badge%}}.
<br />

2. Proporciona un nombre para el endpoint en el campo **Endpoint Name**; (lo nombraremos **Churn Prediction For Bank Customers**), y selecciona el nombre del pipeline del modelo de los valores del menú desplegable del campo Choose Model. Luego haz clic en {{%badge%}}Create Endpoint{{%/badge%}}.
<br />

3. Una vez que se cree el endpoint, puedes ver la página de detalles del endpoint, como se muestra a continuación. Puedes probar el modelo proporcionando una solicitud de ejemplo en la columna Request y haciendo clic en el botón {{%badge%}}Get Result{{%/badge%}}. Esto generará el valor predicho en la columna Response.
<br />

4. Haz clic en {{%badge%}}Publish{{%/badge%}} y usa la URL del endpoint para integrar el modelo de ML con cualquier otra aplicación.
<br />

{{%note%}}{{%bold%}}Nota:{{%/bold%}} También puedes consultar {{%link href="/es/quickml/help/pipeline-endpoints/#external-oauth2-authentication" %}}este documento{{%/link%}} para implementar autenticación de pipeline. Esto asegura el acceso seguro a endpoints, los modelos de ML y los conjuntos de datos.{{%/note%}}

Ahora crearemos un endpoint para el modelo de predicción anterior para permitir que las aplicaciones externas interactúen con el modelo de forma fluida y obtengan predicciones.

Navega al componente Endpoints en el menú izquierdo y haz clic en Create Endpoint.
Proporciona un nombre para el endpoint en el campo Endpoint Name; (lo nombraremos Churn Prediction For Bank Customers), y selecciona el nombre del pipeline del modelo de los valores del menú desplegable del campo Choose Model. Luego haz clic en Create Endpoint.
Una vez que se cree el endpoint, puedes ver la página de detalles del endpoint, como se muestra a continuación. Puedes probar el modelo proporcionando una solicitud de ejemplo en la columna Request y haciendo clic en el botón Get Result. Esto generará el valor predicho en la columna Response.
Haz clic en Publish y usa la URL del endpoint para integrar el modelo de ML con cualquier otra aplicación.

Nota: También puedes consultar este documento para implementar autenticación de pipeline. Esto asegura el acceso seguro a endpoints, los modelos de ML y los conjuntos de datos.

Última actualización 2026-03-20 21:51:56 +0530 IST

Pipeline Endpoints