본문으로 바로가기

강의

FastAPI로 AI 프로덕션 배포하기

고급기술 수준

업데이트됨 2025. 11.

FastAPI를 사용해 AI 모델을 지원하는 API를 개발하고, 실제 요구를 충족하도록 구축하는 방법을 배워보세요.

무료로 강의 시작

FastAPIArtificial Intelligence

4시간

14 동영상

46 연습 문제

3,900 XP

4,517

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

AI 모델 배포를 위한 FastAPI

FastAPI는 API 구축에 이상적인 Python 웹 프레임워크로, 특히 머신 러닝 및 AI 모델 배포에 적합합니다. FastAPI의 속도와 모듈성은 AI 솔루션을 웹 애플리케이션에 통합하려는 데이터 과학자와 머신 러닝 엔지니어에게 강력한 선택이 됩니다.

프로덕션 환경에서 모델용 API 구축

이 강의에서는 FastAPI를 사용하여 모델 서빙을 위한 API를 구축하고 배포하는 방법을 배우게 됩니다. 마지막에는 데이터 입력 검증, 인증, 오류 관리를 처리하는 견고한 API 엔드포인트를 만들 수 있게 됩니다. 실습 중심의 연습을 통해 AI 모델 상호작용을 처리하도록 설계된 완전한 API를 구축하는 방법을 익히게 됩니다.

FastAPI 애플리케이션 보안 강화 및 확장

또한 API 키 인증을 구현하고, 요청 흐름을 제어하기 위해 사용자 지정 속도 제한을 적용하며, 비동기 처리를 통해 성능을 향상시킵니다. 또한 API 버전을 관리하고, 복잡한 데이터 유형에 대한 입력 유효성 검사를 개선하며, 모니터링과 로깅을 구현하여 프로덕션 환경에서 애플리케이션이 안정적으로 실행되도록 하는 방법도 배우게 됩니다.

선수 조건

Introduction to FastAPI Large Language Models (LLMs) Concepts

1

Introduction to FastAPI for Model Deployment

Start serving your ML model's predictions via FastAPI endpoints. You'll learn to load pre-trained ML models and create API endpoints to serve predictions as serialized responses over HTTP requests. You'll leverage Pydantic data models to validate requests and responses.

GET and POST requests for AI

GET endpoint for model information

POST endpoint for model registration

FastAPI prediction with a pre-trained model

Load the pre-trained model

Create the prediction endpoint

Running the FastAPI app

Request and response models

Create a Pydantic model for ML input

Validate request and response for ML prediction

2

Integrating AI Models

Learn how to serve machine learning models through FastAPI endpoints. This chapter covers creating endpoints that return predictions, handling different types of input data, and implementing robust input validation. You'll build production-ready APIs that can validate different types of input data while having ML models loaded at server startup with zero downtime.

Handling different input types in FastAPI

Handle textual request data

Handle numerical request data

Input validation in FastAPI

Field validation

Adding custom validators

Testing custom validators

Loading a pre-trained model

Loading AI model at server startup

Health-check API for model loading

Returning structured prediction response

Returning structured output from API

Testing the endpoint for structured response

3

Securing and Optimizing the API

This chapter covers securing APIs with key-based authentication, managing request rates with custom rate limiting, and improving performance through asynchronous processing. You'll learn to protect endpoints, prevent abuse, and handle time-consuming tasks efficiently, preparing your API for production.

API Key Authentication

Securing APIs with key authentication

Secure the API endpoint

Rate Limiting

Implementing rate limiter

Add rate limiting to endpoint

Asynchronous processing

Create an async sentiment analysis endpoint

Implementing background tasks

Handling timeout errors

4

API Versioning, Monitoring and Logging

This chapter covers advanced topics that will enable you to support FastAPI apps long term in production. Topics include versioning and documenting API endpoints, advanced input validation to support more complex input and output, and monitoring and logging to ensure apps are running correctly and troubleshoot live when they are not.

API versioning and documentation

Classify code changes for new endpoint versions

Adding a new endpoint version

Adding an API description header

Advanced input validation and error handling

Nesting models

Custom model validator

Global exception handler

Monitoring and logging

Logging time to load a model

Adding a simple health check endpoint

Sharing model parameters with monitoring

FastAPI로 AI 프로덕션 배포하기

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 FastAPI로 AI 프로덕션 배포하기을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.