Pular para o conteúdo principal

Curso

Colocando IA em Produção com FastAPI

AvançadoNível de habilidade

Atualizado 11/2025

Aprenda a usar o FastAPI pra desenvolver APIs que dão suporte a modelos de IA, feitos pra atender às demandas do mundo real.

Iniciar curso gratuitamente

FastAPIArtificial Intelligence

4 h

14 vídeos

46 Exercícios

3,900 XP

4,532

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

FastAPI para implantação de modelos de IA

FastAPI é uma estrutura web Python ideal para criar APIs, especialmente para implantar modelos de machine learning e IA. A velocidade e modularidade do FastAPI fazem dele uma escolha poderosa para cientistas de dados e engenheiros de machine learning que querem integrar soluções de IA em aplicativos web.

Criando APIs para modelos em produção

Neste curso, você vai aprender a criar e implementar APIs para servir modelos usando FastAPI. No final, você vai criar pontos finais de API robustos que lidam com validação de entrada de dados, autenticação e gerenciamento de erros. Exercícios práticos vão te ajudar a criar APIs completas, feitas pra lidar com interações de modelos de IA.

Protegendo e escalando aplicativos FastAPI

Você também vai implementar a autenticação por chave API, aplicar limites de taxa personalizados para controlar o fluxo de solicitações e melhorar o desempenho por meio do processamento assíncrono. Além disso, você vai aprender a gerenciar versões de API, melhorar a validação de entrada para tipos de dados complexos e implementar monitoramento e registro para garantir que seu aplicativo funcione bem em ambientes de produção.

Pré-requisitos

Introduction to FastAPI Large Language Models (LLMs) Concepts

1

Introdução ao FastAPI para Deploy de Modelos

Comece a servir as previsões do seu modelo de ML por meio de endpoints FastAPI. Você vai aprender a carregar modelos de ML pré-treinados e criar endpoints de API para entregar previsões como respostas serializadas em requisições HTTP. Você vai usar modelos de dados do Pydantic para validar requisições e respostas.

Requisições GET e POST para IA

Endpoint GET para informações do modelo

Endpoint POST para registro de modelo

Previsão com FastAPI usando um modelo pré-treinado

Carregar o modelo pré-treinado

Crie o endpoint de previsão

Executando o app FastAPI

Modelos de requisição e resposta

Crie um modelo Pydantic para entrada de ML

Validar requisição e resposta para predição de ML

Iniciar capítulo

2

Integração de Modelos de IA

Aprenda a servir modelos de Machine Learning por meio de endpoints FastAPI. Este capítulo cobre a criação de endpoints que retornam previsões, o tratamento de diferentes tipos de dados de entrada e a implementação de validação de entrada robusta. Você vai construir APIs prontas para produção que conseguem validar diferentes tipos de dados de entrada, mantendo os modelos de ML carregados na inicialização do servidor com zero downtime.

Como lidar com diferentes tipos de entrada no FastAPI

Tratar dados textuais da requisição

Tratar dados numéricos na requisição

Validação de entrada no FastAPI

Validação de campos

Adicionando validadores personalizados

Testando validadores personalizados

Carregando um modelo pré-treinado

Carregando o modelo de IA na inicialização do servidor

API de health-check para carregamento do modelo

Retornando uma resposta de previsão estruturada

Retornando saída estruturada da API

Testando o endpoint para resposta estruturada

Iniciar capítulo

3

Protegendo e Otimizando a API

Este capítulo aborda a proteção de APIs com autenticação baseada em chave, o controle de taxa de requisições com rate limiting personalizado e a melhoria de desempenho por meio de processamento assíncrono. Você vai aprender a proteger endpoints, evitar abusos e lidar com tarefas demoradas de forma eficiente, preparando sua API para produção.

Autenticação por API Key

Protegendo APIs com autenticação por chave

Proteja o endpoint da API

Limitação de taxa

Implementando o limitador de taxa

Adicionar rate limiting ao endpoint

Processamento assíncrono

Crie um endpoint assíncrono de análise de sentimento

Implementando tarefas em segundo plano

Tratando erros de timeout

Iniciar capítulo

4

Versionamento de API, Monitoramento e Logging

Este capítulo cobre tópicos avançados que vão permitir dar suporte a apps FastAPI em produção no longo prazo. Os temas incluem versionamento e documentação de endpoints de API, validação avançada de entrada para dar suporte a entradas e saídas mais complexas, além de monitoramento e logging para garantir que os apps estejam rodando corretamente e para investigar problemas em produção quando não estiverem.

Versionamento e documentação de APIs

Classifique alterações de código para novas versões de endpoints

Adicionando uma nova versão de endpoint

Adicionando um cabeçalho de descrição à API

Validação avançada de entrada e tratamento de erros

Aninhando modelos

Validador personalizado de modelo

Tratador global de exceções

Monitoramento e registro de logs

Registrando o tempo de carregamento de um modelo

Adicionando um endpoint simples de health check

Compartilhando parâmetros do modelo com o monitoramento

Encerramento

Iniciar capítulo

Colocando IA em Produção com FastAPI

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Colocando IA em Produção com FastAPI hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.