Jeśli chcesz projektować aplikacje oparte na sztucznej inteligencji, tworzyć dobry kod czy analizować dane, musisz opanować zasady pracy z interfejsami API. To już nie tylko kwestia wysłania prostego zapytania do REST API - niezawodność, bezpieczeństwo i skalowalność wymagają znacznie więcej. Łatwo dojść do wniosku, że zakres potrzebnej wiedzy jest przytłaczający.
To nieocenione źró,dło praktycznej wiedzy o API w data science i sztucznej inteligencji - dziedzinach, w któ,rym interfejsy API odgrywają coraz większą rolę!
James Gough, wybitny inżynier w Morgan Stanley
Ten przystępny podręcznik jest skierowany do analitykó,w danych i programistó,w chcących zdobyć doświadczenie w tworzeniu i wdrażaniu interfejsó,w API z wykorzystaniem Pythona, a także frameworkó,w takich jak FastAPI i Streamlit. Dzięki tej książce nauczysz się budować API od podstaw, integrować je z przepływami danych i używać dużych modeli językowych (LLM) do efektywnej interakcji z interfejsami. W efekcie zyskasz niezbędne przygotowanie, by projektować solidne, nowoczesne rozwiązania API dla branży AI i data science.
To lektura obowiązkowa dla każdego, kto chce poszerzyć kompetencje w zakresie danologii!
Eric Eager, wiceprezes do spraw analiz piłkarskich, Carolina Panthers
W książce:
- zasady projektowania API na potrzeby aplikacji analitycznych
- wdrażanie API z użyciem Pythona i FastAPI
- integracja API z przepływami danych
- wdrażanie modeli uczenia maszynowego jako API
- użycie dużych modeli językowych (LLM) w architekturach API
Zró,b sobie przysługę - dodaj tę książkę do swojej biblioteczki!
Alex Gutman, autor książek technicznych
Szukasz więcej propozycji? Zobacz nasze tytuły z kategorii informatyka lub z serii O'Reilly
Czy książka "Interfejsy API w AI i Data Science" uczy budowania interfejsów od podstaw?
Tak, podręcznik ten prowadzi czytelnika przez cały proces budowania API od podstaw z wykorzystaniem języka Python. Autor skupia się na praktycznych aspektach projektowania solidnych i nowoczesnych rozwiązań dedykowanych dla branży AI. W treści znajdziesz instrukcje krok po kroku, które pozwalają zrozumieć architekturę i zasady działania interfejsów. Dzięki temu zdobędziesz fundamenty niezbędne do tworzenia skalowalnych systemów analitycznych.
Jakie konkretne frameworki Pythona są szczegółowo omawiane w tym podręczniku?
Główny nacisk w tej publikacji położono na praktyczne zastosowanie frameworków FastAPI oraz Streamlit. Czytelnik uczy się, jak za ich pomocą tworzyć wydajne interfejsy oraz aplikacje do prezentacji wyników analizy danych. Wybór tych narzędzi wynika z ich rosnącej popularności w projektach związanych z data science i sztuczną inteligencją. Znajomość tych technologii pozwala na szybkie wdrażanie prototypów i gotowych rozwiązań produkcyjnych.
Czy w tej książce znajdę instrukcje dotyczące wdrażania modeli uczenia maszynowego?
Oczywiście, publikacja zawiera dedykowane sekcje dotyczące wdrażania modeli uczenia maszynowego jako gotowych interfejsów API. Dowiesz się, jak zintegrować wypracowane algorytmy z przepływami danych, aby mogły one służyć jako stabilne usługi backendowe. Autor kładzie duży nacisk na to, aby proces ten był bezpieczny, niezawodny i gotowy do obsługi dużego ruchu. Jest to kluczowa umiejętność dla każdego inżyniera danych chcącego operacjonalizować wyniki swojej pracy.
W jaki sposób autor omawia integrację dużych modeli językowych (LLM) w architekturze?
Autor przedstawia metody użycia dużych modeli językowych (LLM) do efektywnej interakcji z interfejsami w nowoczesnych architekturach. Książka pokazuje, jak łączyć zaawansowane modele sztucznej inteligencji z tradycyjnymi API w celu budowania inteligentnych aplikacji. Skupia się na technicznych aspektach przesyłania zapytań i odbierania ustrukturyzowanych danych z modeli takich jak GPT. Pozwala to na tworzenie systemów, które rozumieją intencje użytkownika i reagują w sposób zautomatyzowany.
Dla jakiej grupy odbiorców ta pozycja może być zbyt trudna?
Książka ta nie jest przeznaczona dla osób, które nie znają podstaw programowania w języku Python. Zakłada ona, że czytelnik posiada już bazową wiedzę techniczną i chce ją rozszerzyć o specjalistyczne zagadnienia związane z API i data science. Osoby szukające teoretycznych rozważań o filozofii AI również mogą poczuć niedosyt, gdyż treść jest mocno zorientowana na praktykę i kodowanie. Jest to profesjonalny podręcznik techniczny wymagający skupienia na implementacji konkretnych rozwiązań programistycznych.
