Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
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
Programa de estudos
Conteúdo do curso
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 IA50 XP
- Endpoint GET para informações do modelo100 XP
- Endpoint POST para registro de modelo100 XP
- Previsão com FastAPI usando um modelo pré-treinado50 XP
- Carregar o modelo pré-treinado100 XP
- Crie o endpoint de previsão100 XP
- Executando o app FastAPI100 XP
- Modelos de requisição e resposta50 XP
- Crie um modelo Pydantic para entrada de ML100 XP
- Validar requisição e resposta para predição de ML100 XP
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.
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.
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.
Colocando IA em Produção com FastAPI
Curso
concluído
