Web-сервер для обучения и использования ML-моделей на FastAPI (Бюджет: 1500 ₽/час, для всех)

Универское дз Серверная часть (описание) В данной работе нужно написать веб-сервер для обучения и инференса ML моделей. Серверная часть (требования) Содержимое конфигов и форматы данных предлагается продумать и реализовать самостоятельно Сервер должен корректно обрабатывать все граничные случаи (неправильный формат входных данных , запросы с несуществующими именами моделей, запросы с дублирующимися именами моделей) Сервер должен быть реализован на FastAPI Зависимости хранятся в requirements.txt На сервер крутится одна модель. API должен предоставлять следующие методы: fit(X, y, config) – в конфиге должен быть идентификатор модели + гиперпараметры модели load(config) – идентификатор модели для инференса (“выбираем” модель) predict(X) – предикт загруженной моделью list_models() – список обученных моделей (список идентификаторов моделей) remove_all() – убрать все модели Клиентская часть (описание) Клиентская часть должна демонстрировать работу с реализованным сервером с помощью библиотеки aiohttp (или httpx). Клиент может быть реализован непосредственно в Jupyter Notebook, с описанием ожидаемого действия, или в отдельном(-ых) скрипте(-ах), с дублированием в Jupyter Notebook (тогда работоспособность в ноутбуке не требуется). На клиенте должны быть реализованы следующие функции: Код вызова последовательного вызова обучения как минимум двух (N) различных моделей с таким набором данных и параметрами, чтобы обучение одной модели длилось не менее 60 секунд Асинхронный вызов нескольких предсказаний Код демонстрации остальных функций сервера (загрузка, выгрузка, удаление) Должны обрабатываться ошибки и исключения, возвращаемые сервером Убедительная просьба скрипт запуска клиентской части должен называться client.py и в случае jupyter ноутбука – client.ipynb!