Przejdź do głównej treści

Strona główna AI

Kurs

Wdrażanie AI na produkcję z FastAPI

ZaawansowanyPoziom umiejętności

Zaktualizowano 11.2025

Naucz się używać FastAPI do tworzenia API wspierających modele AI, zaprojektowanych z myślą o realnych wymaganiach.

Zacznij kurs za darmo

FastAPIArtificial Intelligence

4 godz.

14 filmów

46 Ćwiczeń

3,900 XP

4,752

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

FastAPI do wdrażania modeli AI

FastAPI to framework webowy w Pythonie idealny do tworzenia API, szczególnie do wdrażania modeli machine learning i AI. Szybkość i modułowość FastAPI sprawiają, że to potężny wybór dla data scientistów i inżynierów machine learning, którzy chcą integrować rozwiązania AI z aplikacjami webowymi.

Tworzenie API dla modeli w środowisku produkcyjnym

W tym kursie nauczysz się, jak tworzyć i wdrażać API do udostępniania modeli za pomocą FastAPI. Pod koniec nauczysz się tworzyć solidne punkty końcowe API, które obsługują walidację danych wejściowych, uwierzytelnianie i zarządzanie błędami. Praktyczne ćwiczenia poprowadzą Cię przez tworzenie kompletnych interfejsów API zaprojektowanych do obsługi interakcji z modelami AI.

Zabezpieczanie i skalowanie aplikacji FastAPI

Nauczysz się także wdrażać uwierzytelnianie za pomocą klucza API, stosować niestandardowe ograniczanie liczby żądań, aby kontrolować ich przepływ, oraz zwiększać wydajność dzięki przetwarzaniu asynchronicznemu. Dodatkowo nauczysz się zarządzać wersjami API, usprawniać walidację danych wejściowych dla złożonych typów danych oraz wdrażać monitorowanie i logowanie, aby zapewnić niezawodne działanie aplikacji w środowiskach produkcyjnych.

Wymagania wstępne

Introduction to FastAPI Large Language Models (LLMs) Concepts

1

Wprowadzenie do FastAPI dla wdrażania modeli

Zacznij udostępniać predykcje swojego modelu ML za pomocą endpointów FastAPI. Nauczysz się wczytywać wstępnie wytrenowane modele ML i tworzyć endpointy API, które zwracają predykcje jako serializowane odpowiedzi na żądania HTTP. Wykorzystasz modele danych Pydantic do walidacji żądań i odpowiedzi.

Żądania GET i POST w zastosowaniach AI

Endpoint GET z informacjami o modelu

Endpoint POST do rejestracji modelu

Przewidywania FastAPI z wykorzystaniem wstępnie wytrenowanego modelu

Wczytanie wstępnie wytrenowanego modelu

Tworzenie endpointu predykcji

Uruchamianie aplikacji FastAPI

Modele żądań i odpowiedzi

Tworzenie modelu Pydantic dla danych wejściowych ML

Walidacja żądania i odpowiedzi dla predykcji modelu ML

Zacznij rozdział

2

Integracja modeli AI

Dowiedz się, jak udostępniać modele uczenia maszynowego przez endpointy FastAPI. Rozdział obejmuje tworzenie endpointów zwracających predykcje, obsługę różnych typów danych wejściowych oraz implementację solidnej walidacji danych. Zbudujesz API gotowe na produkcję, które potrafi walidować różne typy danych wejściowych, a modele ML są wczytywane przy starcie serwera – bez przestojów.

Obsługa różnych typów danych wejściowych w FastAPI

Obsługa tekstowych danych żądania

Obsługa numerycznych danych żądania

Walidacja danych wejściowych w FastAPI

Walidacja pól

Dodawanie własnych walidatorów

Testowanie własnych walidatorów

Wczytywanie wstępnie wytrenowanego modelu

Ładowanie modelu AI podczas uruchamiania serwera

Endpoint health-check do weryfikacji załadowania modelu

Zwracanie ustrukturyzowanej odpowiedzi z predykcją

Zwracanie ustrukturyzowanych wyników z API

Testowanie endpointu dla ustrukturyzowanej odpowiedzi

Zacznij rozdział

3

Zabezpieczanie i optymalizacja API

Ten rozdział dotyczy zabezpieczania API za pomocą uwierzytelniania kluczem, zarządzania limitem żądań z użyciem własnego rate limitingu oraz poprawy wydajności dzięki przetwarzaniu asynchronicznemu. Nauczysz się chronić endpointy, zapobiegać nadużyciom i efektywnie obsługiwać czasochłonne zadania – wszystko po to, by przygotować API na środowisko produkcyjne.

Uwierzytelnianie za pomocą kluczy API

Zabezpieczanie API za pomocą uwierzytelniania kluczem

Zabezpiecz endpoint API

Ograniczanie liczby żądań

Implementacja limitera żądań

Dodaj ograniczenie liczby żądań do endpointu

Przetwarzanie asynchroniczne

Tworzenie asynchronicznego endpointu do analizy sentymentu

Implementowanie zadań w tle

Obsługa błędów przekroczenia limitu czasu

Zacznij rozdział

4

Wersjonowanie, monitorowanie i logowanie API

Ten rozdział obejmuje zaawansowane zagadnienia, które pozwolą ci długoterminowo utrzymywać aplikacje FastAPI na produkcji. Tematy obejmują wersjonowanie i dokumentowanie endpointów API, zaawansowaną walidację danych wejściowych do obsługi bardziej złożonych danych wejściowych i wyjściowych, a także monitorowanie i logowanie w celu zapewnienia poprawnego działania aplikacji i szybkiego rozwiązywania problemów na żywo.

Wersjonowanie i dokumentacja API

Klasyfikuj zmiany w kodzie pod kątem nowych wersji endpointów

Dodawanie nowej wersji endpointu

Dodawanie nagłówka z opisem API

Zaawansowana walidacja danych wejściowych i obsługa błędów

Zagnieżdżanie modeli

Niestandardowy walidator modelu

Globalny handler wyjątków

Monitorowanie i logowanie

Rejestrowanie czasu ładowania modelu

Dodawanie prostego endpointu health check

Udostępnianie parametrów modelu w monitorowaniu

Podsumowanie

Zacznij rozdział

Wdrażanie AI na produkcję z FastAPI

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wdrażanie AI na produkcję z FastAPI już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.