趋近智
趋近智
采用高性能的FastAPI框架，构建可用于生产环境的机器学习 (machine learning)模型API。本课程会带您学习创建高效的API端点，使用Pydantic实现可靠的数据验证，集成多种机器学习模型，处理异步操作，并运用Docker等容器化技术为应用部署做好准备。
先修课程 Python编程基础与机器学习知识
级别:
API开发
使用FastAPI开发专门用于服务机器学习模型的RESTful API。
数据验证
使用Pydantic模型实现针对API请求和响应的数据验证。
模型集成
将序列化的机器学习模型（如scikit-learn、TensorFlow、PyTorch）集成到FastAPI应用中。
异步编程
在FastAPI中运用异步操作，处理I/O密集型任务并提升性能。
应用结构
使用路由器和模块，有效组织FastAPI项目，以实现可扩展性和可维护性。
测试
使用TestClient等工具，编写针对您的FastAPI机器学习应用的单元测试和集成测试。
容器化
使用Docker打包FastAPI应用及其依赖项，以获得一致的部署环境。