or
この演習はコースの一部です
FastAPI のエンドポイントを通じて、ML モデルの予測結果を提供する方法を学びましょう。事前学習済み ML モデルの読み込み方、HTTP リクエストに対してシリアライズされたレスポンスとして予測結果を返す API エンドポイントの作成方法を習得します。また、Pydantic データモデルを活用してリクエストとレスポンスを検証する方法も学びます。
FastAPI のエンドポイントを通じて機械学習モデルを提供する方法を学びましょう。この章では、予測結果を返すエンドポイントの作成、さまざまな種類の入力データの処理、堅牢な入力バリデーションの実装について取り上げます。サーバー起動時にダウンタイムなしで ML モデルを読み込みながら、多様な入力データを検証できる本番対応 API を構築しましょう。
この章では、キーベース認証による API のセキュリティ保護、カスタムのレート制限によるリクエスト数の管理、非同期処理によるパフォーマンス改善について学びます。エンドポイントの保護、不正利用の防止、時間のかかる処理の効率的な実行方法を習得し、API をプロダクション環境に向けて整えましょう。
この章では、FastAPI アプリケーションをプロダクション環境で長期的に運用するための高度なトピックを扱います。API エンドポイントのバージョン管理とドキュメント化、複雑な入出力に対応するための高度な入力バリデーション、そしてアプリケーションが正常に動作しているかを確認し問題発生時にリアルタイムで対処するための監視・ロギングについて学びます。
現在の演習