FastAPI pour le ML
Mise en service d'un modèle derrière une interface de programmation solide, documentée et testée, avec FastAPI.
Durée du cours : 5h
Ce que vous allez apprendre
- Exposer une prédiction par une route documentée
- Valider les entrées et renvoyer des erreurs explicites
- Charger un modèle une seule fois au démarrage
- Conteneuriser le service et le déployer
- Mesurer latence et débit sous charge
Prérequis
- Python
- Notions de HTTP et de conteneurs
Modules du cours
- FastAPI : routes, types et documentation automatique
- Validation des entrées avec Pydantic
- Chargement du modèle au démarrage
- Prédiction unitaire et par lots
- Gestion des erreurs et codes de retour
- Requêtes asynchrones et tâches de fond
- Authentification par jeton
- Journalisation et sondes de santé
- Conteneurisation et déploiement
- Tests de charge et dimensionnement
Évaluation et attestation
Le parcours se termine par un examen de 40 questions qui couvre tous les modules. En cas de réussite, une attestation d'achèvement est délivrée ; son numéro est vérifiable sur la plateforme.
Les cours gratuits, eux, se concluent par un quiz de 5 questions avec un aperçu de l'attestation, sans certification.