You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Un modèle, c'est bien, mais pour l'utiliser dans un contexte de production, il faut le rendre facilement accessible à d'autres processus ou services. Pour les besoins de cette formation, nous encapsulerons notre modèle dans une API web.
Pour cette leçon, vous devrez:
Mettre sur pied un service web de type REST API
Fast API est une bibliothèque populaire pour les applications d'apprentissage automatique
Possède une documentation OpenAPI dynamique créée automatiquement
Alternativement, Flask est une bibliothèque souvent utilisée vu sa simplicité.
Ajouter une route de prédiction sous /api/v1/predict permettant d'utiliser le modèle ML
Ajouter une route qui expose la documentation OpenAPI sous /api/v1/docs
Ajouter un test d'intégration continue pour tester automatiquement l'API
Il est conseillé d'utiliser GitHub Actions puisque c'est une solution nativement intégrée à GitHub
Ajouter une route afin de pouvoir utiliser le modèle, ex: /model/eval
Il sera probablement nécessaire de modéliser les intrants et extrants afin que ceux-ci puissent être transmis à travers l'API
FDSL 2022 Leçon 5
https://youtu.be/W3hKjXg7fXM
Un modèle, c'est bien, mais pour l'utiliser dans un contexte de production, il faut le rendre facilement accessible à d'autres processus ou services. Pour les besoins de cette formation, nous encapsulerons notre modèle dans une API web.
Pour cette leçon, vous devrez:
Documentation et références
https://fastapi.tiangolo.com/tutorial/
https://medium.com/machine-learning-india/deploy-machine-learning-models-using-fastapi-a-step-by-step-walkthrough-f812ca8043ad
https://neptune.ai/blog/packaging-ml-models
https://towardsdatascience.com/how-to-deploy-a-machine-learning-model-with-fastapi-docker-and-github-actions-13374cbd638a
https://medium.com/analytics-vidhya/serve-a-machine-learning-model-using-sklearn-fastapi-and-docker-85aabf96729b
The text was updated successfully, but these errors were encountered: