[FastAPI 공식문서] FastAPI - (0) fast api 튜토리얼과 ai service 개발과의 관계

FastAPI 튜토리얼을 AI 서비스나 AI 서빙을 위해 어떻게 공부할지 고민이군요. 여기 몇 가지 팁을 드릴게요:

1. 핵심 개념 학습

• 경로 매개변수와 쿼리 매개변수는 사용자 입력을 처리하는 데 중요합니다. AI 모델에 필요한 데이터를 입력받을 때 자주 사용됩니다.

  • 경로 매개변수: API의 경로에서 변수를 받아오는 방법.
  • 쿼리 매개변수: URL 쿼리로 데이터를 받는 방법.

• 요청 본문: AI 모델에 필요한 데이터를 클라이언트가 제공하는 본문을 통해 입력받는 상황에서 중요합니다. 모델의 입력 데이터를 JSON 형식으로 받을 때 사용합니다.

2. Pydantic 모델

• AI 서비스에서는 요청 데이터를 검증하는 게 중요합니다. Pydantic은 입력 데이터를 스키마에 맞게 검증해주기 때문에 AI 모델에 들어가기 전에 데이터의 무결성을 보장할 수 있습니다. 모델 학습에 들어가기 전에 데이터를 사전 처리하는 과정에 도움이 됩니다.

3. 비동기 처리

• AI 모델 서빙 시에, 비동기 처리는 빠르게 여러 요청을 처리하는 데 유리합니다. 특히 AI inference처럼 시간이 많이 소요되는 작업을 비동기 함수로 처리하면 효율적입니다.

4. 파일 및 폼 처리

• AI 모델을 서빙할 때 파일 (이미지, 오디오 등) 입력을 받는 경우가 많습니다. FastAPI에서 파일 업로드 및 폼 처리를 배우면, 이런 데이터를 AI 모델의 입력으로 활용할 수 있습니다.

5. 미들웨어 및 보안

• AI 서비스를 웹에서 제공하려면 보안 및 미들웨어가 중요합니다. 예를 들어, 인증된 사용자에게만 AI 모델을 사용할 수 있게 하거나, 사용자 요청을 로깅하는 미들웨어를 설정할 수 있습니다.

구체적인 학습 순서:

1. 경로 매개변수와 쿼리 매개변수: 사용자 입력을 처리하는 방법.
2. 요청 본문 처리: AI 모델 입력 데이터를 처리하는 방법.
3. Pydantic 검증 모델: 입력 데이터 검증 및 처리.
4. 비동기 API: AI 모델 서빙 최적화를 위해.
5. 파일 처리 및 보안 설정: 파일 입력을 처리하고 보안을 설정하는 방법.

이러한 FastAPI 기능들을 AI 서빙과 관련지어 공부하면 도움이 될 거예요!