Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
FastAPI para la implementación de modelos de IA
FastAPI es un marco web de Python ideal para crear API, especialmente para implementar modelos de machine learning e inteligencia artificial. La velocidad y modularidad de FastAPI lo convierten en una opción potente para los científicos de datos y los ingenieros de machine learning que buscan integrar soluciones de IA en aplicaciones web.Creación de API para modelos en producción
En este curso, aprenderás a crear e implementar API para el servicio de modelos utilizando FastAPI. Al final, crearás puntos finales API robustos que gestionan la validación de la entrada de datos, la autenticación y la gestión de errores. Los ejercicios prácticos te guiarán a través del proceso de creación de API completas diseñadas para gestionar las interacciones de los modelos de IA.Protección y escalado de aplicaciones FastAPI
También implementarás la autenticación mediante clave API, aplicarás límites de velocidad personalizados para controlar el flujo de solicitudes y mejorarás el rendimiento mediante el procesamiento asíncrono. Además, aprenderás a gestionar versiones de API, mejorar la validación de entradas para tipos de datos complejos e implementar la supervisión y el registro para garantizar que tu aplicación funcione de forma sólida en entornos de producción.Requisitos previos
Programa de formación
Contenido del curso
1
Introducción a FastAPI para el despliegue de modelos
Empieza a servir predicciones de tu modelo de ML a través de endpoints de FastAPI. Aprenderás a cargar modelos de ML preentrenados y a crear endpoints de API para servir predicciones como respuestas serializadas en solicitudes HTTP. Aprovecharás los modelos de datos de Pydantic para validar solicitudes y respuestas.
- Peticiones GET y POST para IA50 XP
- Endpoint GET para información del modelo100 XP
- Endpoint POST para registrar modelos100 XP
- Predicción con FastAPI usando un modelo preentrenado50 XP
- Carga el modelo preentrenado100 XP
- Crea el endpoint de predicción100 XP
- Ejecutar la app de FastAPI100 XP
- Modelos de solicitud y respuesta50 XP
- Crea un modelo de Pydantic para la entrada de ML100 XP
- Valida la solicitud y la respuesta para la predicción de ML100 XP
2
Integración de modelos de IA
Aprende a servir modelos de Machine Learning mediante endpoints de FastAPI. Este capítulo cubre la creación de endpoints que devuelven predicciones, el manejo de distintos tipos de datos de entrada y la implementación de una validación de entradas robusta. Crearás APIs listas para producción que pueden validar diferentes tipos de datos de entrada mientras los modelos de ML se cargan al iniciar el servidor sin tiempo de inactividad.
3
Asegurar y optimizar la API
Este capítulo trata sobre asegurar APIs con autenticación por clave, gestionar tasas de solicitud con limitación de velocidad personalizada y mejorar el rendimiento mediante procesamiento asíncrono. Aprenderás a proteger endpoints, prevenir abusos y manejar tareas que consumen tiempo de forma eficiente, preparando tu API para producción.
4
Versionado de API, monitorización y logging
Este capítulo cubre temas avanzados que te permitirán mantener aplicaciones de FastAPI a largo plazo en producción. Incluye versionado y documentación de endpoints de API, validación avanzada de entradas para soportar entradas y salidas más complejas, y monitorización y logging para asegurar que las apps funcionen correctamente y puedas diagnosticar en vivo cuando no lo hacen.
Implementación de IA en producción con FastAPI
Curso
completado
