After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
用于 AI 模型部署的 FastAPI
FastAPI 是一个 Python Web 框架，非常适合构建 API，尤其适用于部署机器学习和 AI 模型。 FastAPI 的速度和模块化使其成为数据科学家和机器学习工程师将 AI 解决方案集成到 Web 应用程序中的强大选择。为生产环境中的模型构建 API
在本课程中，您将学习如何使用 FastAPI 构建和部署用于模型服务的 API。 最终，您将创建健壮的 API 端点，用于处理数据输入验证、身份验证和错误管理。 动手练习将引导你构建完整的 API，用于处理 AI 模型交互。保护并扩展 FastAPI 应用程序
你还将实现 API 密钥认证，应用自定义速率限制来控制请求流量，并通过异步处理提升性能。 此外，您还将学习如何管理 API 版本、改进复杂数据类型的输入验证，并实施监控和日志记录，以确保您的应用程序在生产环境中稳定运行。先修要求
课程大纲
课程大纲
1
使用 FastAPI 部署模型入门
开始通过 FastAPI 端点提供您的 ML 模型预测。您将学习加载预训练 ML 模型，并创建 API 端点，通过 HTTP 请求以序列化响应返回预测结果。您还将利用 Pydantic 数据模型验证请求与响应。
2
集成 AI 模型
学习如何通过 FastAPI 端点提供机器学习模型服务。本章涵盖创建返回预测结果的端点、处理不同类型的输入数据，以及实现健壮的输入校验。您将构建生产可用的 API：在服务器启动时加载 ML 模型并保持零停机，同时能够验证多种输入数据类型。
3
API 的安全与优化
本章介绍使用基于密钥的认证来保护 API、通过自定义限流管理请求速率，并利用异步处理提升性能。您将学会保护端点、防止滥用，并高效处理耗时任务，为 API 进入生产环境做好准备。
4
API 版本管理、监控与日志
本章涵盖支持 FastAPI 应用长期在生产环境稳定运行的高级主题。内容包括 API 端点的版本管理与文档化、支持更复杂输入与输出的高级输入校验，以及监控与日志以确保应用正常运行，并在异常时进行在线排障。
使用 FastAPI 在生产环境中部署 AI
课程完成
