Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
FastAPI für die Bereitstellung von KI-Modellen
FastAPI ist ein Python-Webframework, das sich super zum Erstellen von APIs eignet, vor allem für den Einsatz von Machine Learning und KI-Modellen. Die Geschwindigkeit und Modularität von FastAPI machen es zu einer super Wahl für Datenwissenschaftler und Machine-Learning-Ingenieure, die KI-Lösungen in Webanwendungen integrieren wollen.APIs für Modelle in der Produktion erstellen
In diesem Kurs lernst du, wie du mit FastAPI APIs für die Modellbereitstellung erstellst und einsetzt. Am Ende wirst du robuste API-Endpunkte erstellen, die die Validierung von Dateneingaben, die Authentifizierung und das Fehlermanagement übernehmen. Praktische Übungen zeigen dir, wie du komplette APIs für die Interaktion mit KI-Modellen aufbaust.Sichern und Skalieren von FastAPI-Anwendungen
Außerdem implementierst du eine API-Schlüsselauthentifizierung, legst eigene Ratenbegrenzungen fest, um den Anfragenfluss zu steuern, und verbesserst die Leistung durch asynchrone Verarbeitung. Außerdem lernst du, API-Versionen zu verwalten, die Eingabevalidierung für komplexe Datentypen zu verbessern und Überwachungs- und Protokollierungsfunktionen zu implementieren, damit deine Anwendung in Produktionsumgebungen zuverlässig läuft.Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in FastAPI für die Modellbereitstellung
Stelle die Vorhersagen deines ML-Modells über FastAPI-Endpunkte bereit. Du lernst, vortrainierte ML-Modelle zu laden und API-Endpunkte zu erstellen, die Vorhersagen als serialisierte Antworten über HTTP-Anfragen liefern. Du nutzt Pydantic-Datenmodelle, um Anfragen und Antworten zu validieren.
- GET- und POST-Anfragen für KI50 XP
- GET-Endpunkt für Modellinformationen100 XP
- POST-Endpoint für die Modellregistrierung100 XP
- Vorhersage mit FastAPI und einem vortrainierten Modell50 XP
- Lade das vortrainierte Modell100 XP
- Erstelle den Vorhersage-Endpunkt100 XP
- Die FastAPI-App starten100 XP
- Request- und Response-Modelle50 XP
- Erstelle ein Pydantic-Modell für ML-Eingaben100 XP
- Anfrage und Antwort für ML-Vorhersage validieren100 XP
2
KI-Modelle integrieren
Lerne, wie du Machine-Learning-Modelle über FastAPI-Endpunkte bereitstellst. Dieses Kapitel behandelt das Erstellen von Endpunkten, die Vorhersagen zurückgeben, den Umgang mit verschiedenen Eingabedatentypen und die Implementierung robuster Eingabevalidierung. Du baust produktionsreife APIs, die unterschiedliche Eingabedaten validieren können, während ML-Modelle beim Serverstart mit null Downtime geladen werden.
3
Die API absichern und optimieren
Dieses Kapitel behandelt das Absichern von APIs mit schlüsselbasierter Authentifizierung, das Steuern von Anfrageraten mit benutzerdefiniertem Rate Limiting und die Leistungsverbesserung durch asynchrone Verarbeitung. Du lernst, Endpunkte zu schützen, Missbrauch zu verhindern und zeitaufwendige Aufgaben effizient zu handhaben – damit deine API produktionsbereit ist.
4
API-Versionierung, Monitoring und Logging
Dieses Kapitel deckt fortgeschrittene Themen ab, die es dir ermöglichen, FastAPI-Apps langfristig in der Produktion zu betreiben. Dazu gehören die Versionierung und Dokumentation von API-Endpunkten, erweiterte Eingabevalidierung für komplexere Ein- und Ausgaben sowie Monitoring und Logging, um den fehlerfreien Betrieb sicherzustellen und Probleme im Live-Betrieb zu beheben.
KI in der Produktion mit FastAPI bereitstellen
Kurs
abgeschlossen
