After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
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
Program kursu
Plan kursu
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 AI50 XP
- Endpoint GET z informacjami o modelu100 XP
- Endpoint POST do rejestracji modelu100 XP
- Przewidywania FastAPI z wykorzystaniem wstępnie wytrenowanego modelu50 XP
- Wczytanie wstępnie wytrenowanego modelu100 XP
- Tworzenie endpointu predykcji100 XP
- Uruchamianie aplikacji FastAPI100 XP
- Modele żądań i odpowiedzi50 XP
- Tworzenie modelu Pydantic dla danych wejściowych ML100 XP
- Walidacja żądania i odpowiedzi dla predykcji modelu ML100 XP
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.
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.
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.
Wdrażanie AI na produkcję z FastAPI
Kurs
ukończony
