https://github.com/diegoribeiro2/deploy_de_modelo_de_machine_learning_na_nuvem_gcp_com_fastapi
Deploy de modelos de machine learning treinados localmente na nuvem GCP, utilizando FastAPI para disponibilizar uma API que retorna predições em tempo real.
https://github.com/diegoribeiro2/deploy_de_modelo_de_machine_learning_na_nuvem_gcp_com_fastapi
fastapi gcp-cloud-functions python rest-api
Last synced: 4 months ago
JSON representation
Deploy de modelos de machine learning treinados localmente na nuvem GCP, utilizando FastAPI para disponibilizar uma API que retorna predições em tempo real.
- Host: GitHub
- URL: https://github.com/diegoribeiro2/deploy_de_modelo_de_machine_learning_na_nuvem_gcp_com_fastapi
- Owner: diegoribeiro2
- Created: 2024-09-26T12:16:01.000Z (9 months ago)
- Default Branch: main
- Last Pushed: 2024-10-11T21:13:11.000Z (9 months ago)
- Last Synced: 2025-01-04T04:43:15.082Z (6 months ago)
- Topics: fastapi, gcp-cloud-functions, python, rest-api
- Language: Python
- Homepage:
- Size: 144 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
Introduçâo:
Neste case abordei o deploy de modelos de machine learning na nuvem utilizando a plataforma Google Cloud Platform (GCP).
Foi utilizado o modelo de regressâo, para estimar o valor de umseguro (plano de saúde).
O objetivo é demonstrar como servir um modelo treinado localmente para que outros usuários, os stakeholders, possam acessar suas funcionalidades remotamente através de APIs.
Utilizando Fast API:
O modelo foi empacotado e disponibilizado na nuvem GCP (Google Cloud Platform) para que qualquer pessoa possa requisitar predições em tempo real.
O FastAPI é uma excelente opção para construir APIs modernas e escaláveis em Python.
Ele permite criar APIs REST de forma rápida, integrando facilmente com bibliotecas Python como Pandas, NumPy e Scikit-Learn para manipulação de dados e machine learning.
Consideração Final:
Neste case vimos como realizar o deploy de modelos de machine learning treinados localmente na nuvem GCP, utilizando Flask para disponibilizar uma API que retorna predições em tempo real.
O processo é bastante simples e abstrato, permitindo focarmos na lógica das aplicações sem nos preocuparmos com toda a complexa infraestrutura de nuvem por trás.