Валидация данных на Python при помощи Pydantic

Бывало такое, что на вход ждёте один тип данных, а приходит другой? И код из-за этого ломается или (что еще хуже) молча работает не как ожидалось. Чтобы быть увереннее в том, что внешние данные ничего не поломают, их нужно валидировать. Например, если вы попросили пользователя отправить свой возраст, нужно как минимум проверить, что это целое положительное число. А еще можно проверить, что ему не 100500 лет 🙂 Самим писать такие проверки можно, но это долго и утомительно. На помощь приходят библиотеки для валидации данных, которые почти всё сделают за нас. Одна из популярных библиотек для валидации данных на Python - это Pydantic. В этом видео Денис Солдатов, спикер нашего курса CV Rocket, рассказал о пяти примерах использования Pydantic: - парсинг json - пагинация - собственный pydantic-валидатор и алиасы - о важности порядка в Union - и куда же без красивого Swagger'а для FastAPI Документация Pydantic: https://github.com/pydantic/pydantic Курс "Ракета в Computer Vision": https://deepschool.ru/cvrocket Наш телеграм, где мы напоминаем теорию и делимся советами по обучению нейросетей: https://t.me/deep_school Мы в linkedin: https://www.linkedin.com/school/deep-school Подписывайтесь, чтобы развиваться в ML и DL вместе! 00:00 | Вступление 06:00 | Пагинация 08:40 | Собственный pydantic-валидатор и алиасы 13:00 | О важности порядка в Union 14:49 | Swagger для FastAPI 17:19 | Заключение