# Bouw een webapp om je ML-model te gebruiken In dit deel van de cursus maak je kennis met een toegepast ML-onderwerp: hoe je je Scikit-learn model kunt opslaan als een bestand dat gebruikt kan worden om voorspellingen te doen binnen een webapplicatie. Zodra het model is opgeslagen, leer je hoe je het kunt gebruiken in een webapp gebouwd met Flask. Je maakt eerst een model met behulp van gegevens over UFO-waarnemingen! Vervolgens bouw je een webapp waarmee je een aantal seconden, een breedtegraad en een lengtegraad kunt invoeren om te voorspellen welk land een UFO heeft gemeld.  Foto door Michael Herren op Unsplash ## Lessen 1. [Bouw een Webapp](1-Web-App/README.md) ## Credits "Bouw een Webapp" is geschreven met ♥️ door [Jen Looper](https://twitter.com/jenlooper). ♥️ De quizzen zijn geschreven door Rohan Raj. De dataset is afkomstig van [Kaggle](https://www.kaggle.com/NUFORC/ufo-sightings). De webapp-architectuur is deels voorgesteld door [dit artikel](https://towardsdatascience.com/how-to-easily-deploy-machine-learning-models-using-flask-b95af8fe34d4) en [deze repo](https://github.com/abhinavsagar/machine-learning-deployment) van Abhinav Sagar. --- **Disclaimer**: Dit document is vertaald met behulp van de AI-vertalingsservice [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we ons best doen voor nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.