Build your ultimate AI agent
รายละเอียดคอร์ส
FastAPI สำหรับการนำโมเดล AI ไปใช้งานจริง
FastAPI คือเว็บเฟรมเวิร์กภาษา Python ที่เหมาะอย่างยิ่งสำหรับการสร้าง API โดยเฉพาะสำหรับการนำโมเดลแมชชีนเลิร์นนิงและ AI ไปใช้งานจริง ความเร็วและความเป็นโมดูลาร์ของ FastAPI ทำให้เป็นตัวเลือกที่ทรงพลังสำหรับนักวิทยาศาสตร์ข้อมูลและวิศวกรแมชชีนเลิร์นนิงที่ต้องการผสานโซลูชัน AI เข้ากับเว็บแอปพลิเคชันการสร้าง API สำหรับโมเดลในสภาพแวดล้อมการใช้งานจริง
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีสร้างและนำ API ไปใช้งานจริงสำหรับการให้บริการโมเดลด้วย FastAPI เมื่อจบคอร์ส คุณจะสามารถสร้าง API endpoints ที่แข็งแกร่ง ซึ่งรองรับการตรวจสอบความถูกต้องของข้อมูลที่รับเข้า การยืนยันตัวตน และการจัดการข้อผิดพลาด แบบฝึกหัดเชิงปฏิบัติจะนำคุณไปทีละขั้นตอนในการสร้าง API แบบครบวงจรที่ออกแบบมาเพื่อรองรับการโต้ตอบกับโมเดล AIการรักษาความปลอดภัยและการปรับขนาดแอปพลิเคชัน FastAPI
คุณจะได้เรียนรู้การใช้งานการยืนยันตัวตนด้วย API key, การกำหนดอัตราจำกัดแบบกำหนดเองเพื่อควบคุมการไหลของคำขอ และการเพิ่มประสิทธิภาพผ่านการประมวลผลแบบอะซิงโครนัส นอกจากนี้ คุณจะได้เรียนรู้การจัดการเวอร์ชันของ API ปรับปรุงการตรวจสอบความถูกต้องของอินพุตสำหรับชนิดข้อมูลที่ซับซ้อน และนำการมอนิเตอร์และการบันทึกข้อมูลไปใช้เพื่อให้มั่นใจว่าแอปพลิเคชันของคุณทำงานได้อย่างมีเสถียรภาพในสภาพแวดล้อมการใช้งานจริงข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
แนะนำ FastAPI สำหรับการ Deploy โมเดล
เริ่มต้นให้บริการผลลัพธ์จากโมเดล ML ผ่าน endpoint ของ FastAPI เรียนรู้วิธีโหลดโมเดล ML ที่ผ่านการฝึกแล้ว และสร้าง API endpoint เพื่อส่งคำทำนายในรูปแบบ serialized response ผ่าน HTTP request พร้อมใช้ Pydantic data model ในการตรวจสอบความถูกต้องของ request และ response
- คำขอ GET และ POST สำหรับ AI50 XP
- GET endpoint สำหรับข้อมูลโมเดล100 XP
- POST endpoint สำหรับลงทะเบียนโมเดล100 XP
- การทำนายด้วย FastAPI และโมเดลที่ฝึกมาแล้ว50 XP
- โหลดโมเดลที่เทรนไว้แล้ว100 XP
- สร้าง endpoint สำหรับการพยากรณ์100 XP
- การรัน FastAPI App100 XP
- โมเดลสำหรับ Request และ Response50 XP
- สร้าง Pydantic model สำหรับ input ของ ML100 XP
- ตรวจสอบ request และ response สำหรับการพยากรณ์ด้วย ML100 XP
2
การผสาน AI Model เข้ากับ FastAPI
เรียนรู้วิธีให้บริการโมเดล machine learning ผ่าน endpoint ของ FastAPI บทนี้ครอบคลุมการสร้าง endpoint ที่ส่งคืนคำทำนาย การจัดการข้อมูล input หลายรูปแบบ และการตรวจสอบความถูกต้องของ input อย่างรอบคอบ รวมถึงการสร้าง API ระดับ production ที่โหลดโมเดล ML ตั้งแต่เริ่มต้น server โดยไม่มี downtime
3
การรักษาความปลอดภัยและการปรับประสิทธิภาพ API
บทนี้ครอบคลุมการรักษาความปลอดภัย API ด้วย key-based authentication การจัดการอัตราคำขอด้วย rate limiting แบบกำหนดเอง และการเพิ่มประสิทธิภาพด้วย asynchronous processing เรียนรู้วิธีปกป้อง endpoint ป้องกันการใช้งานในทางที่ผิด และจัดการงานที่ใช้เวลานาน เพื่อเตรียม API ให้พร้อมสำหรับ production
4
API Versioning การ Monitoring และการบันทึก Log
บทนี้ครอบคลุมหัวข้อขั้นสูงที่ช่วยให้รองรับแอป FastAPI ใน production ได้ในระยะยาว ได้แก่ การทำ versioning และการจัดทำเอกสาร API endpoint การตรวจสอบ input ขั้นสูงสำหรับข้อมูล input และ output ที่ซับซ้อน รวมถึงการ monitoring และการบันทึก log เพื่อให้แน่ใจว่าแอปทำงานได้ถูกต้องและแก้ไขปัญหาได้แบบ real-time
การ Deploy AI สู่ Production ด้วย FastAPI
เรียนจบแล้ว

