book

APIs práticas para IA e ciência de dados

by Ryan Day

March 2025

Intermediate to advanced

352 pages

9h 30m

Portuguese (Portugal, Brazil)

O'Reilly Media, Inc.

Read now

Unlock full access

Porque deves ler este livro?A quem se destina este livroCientistas de dadosProgramadores e designers de APIQuem procura emprego e quem muda de funçãoCriar projectos de portefólioUtilizar este livroO que este livro não éPorquê o Fantasy Football?Obtém mais dicas sobre APIs, IA e ciência de dadosConvenções utilizadas neste livroUtilizar exemplos de códigoAprendizagem em linha da O'ReillyComo contactar-nosAgradecimentos
Como é que os cientistas de dados utilizam as API?Que ferramentas utilizam os cientistas de dados?Conceber APIs para cientistas de dadosApresentação do teu projeto de portefólio da Parte ICada API tem uma históriaConhecer a tua empresa: SportsWorldCentralSWC precisa de uma APISeleção dos primeiros produtos APIIdentificação de potenciais utilizadoresCriar histórias de utilizadorRecursos adicionaisResumo
Estilos arquitectónicos APITransferência de Estado Representacional (REST)Linguagem de consulta GraphQL (GraphQL)gRPCA tua escolha: RESTArquitetura tecnológicaSoftware utilizado neste capítuloPythonGitHubComeçar a utilizar o teu espaço de código de GitHubCriar a tua conta GitHubClonagem do repositório da Parte IIniciar o teu espaço de código de GitHubVisita ao teu novo espaço de códigoFazer o teu primeiro compromissoRecursos adicionaisResumo
Componentes da tua APISoftware utilizado neste capítuloSQLiteSQLAlchemypytestCriar a tua base de dados SQLiteCriar tabelas de bases de dadosCompreender a estrutura da tabelaCarregar os teus dadosAceder aos teus dados usando PythonInstalar o SQLAlchemy no teu ambienteCriar Ficheiros Python para Acesso à Base de DadosCriar o ficheiro de configuração da base de dadosCriando funções auxiliares do SQLAlchemyInstalando pytest no seu ambienteTestar o teu código SQLAchemyRecursos adicionaisResumo
Continuar o teu projeto de portefólioSoftware utilizado neste capítuloFastAPIHTTPXPydanticUvicórnioCopiar ficheiros do Capítulo 3Instalar as novas bibliotecas no espaço de códigoCriar ficheiros Python para a tua APICriar esquemas PydanticCriar o teu controlador FastAPITestar a tua APIIniciar a tua APIRecursos adicionaisResumo
Enviar um sinal de confiançaCriar excelentes documentos de APICaraterísticas principaisCaraterísticas adicionaisRevisão de exemplos de documentação da APIAplicação SleeperMinhaLigaDeFantasiaYahoo! Fantasy FootballVisualizar a documentação incorporada da tua APICopiar ficheiros do Capítulo 4Documentação Opção 1: Swagger UIDocumentação Opção 2: RedocTrabalhar com o ficheiro de especificação OpenAPIContinuar o teu projeto de portefólioAdicionar detalhes ao objeto de informação OASAdicionar etiquetas para categorizar os teus percursosAdicionando mais detalhes a pontos de extremidade individuaisAdicionar descrições de parâmetrosVer as alterações na interface de utilizador do SwaggerTeste de regressão da tua APIAtualizar o teu README.mdRecursos adicionaisResumo
Benefícios e responsabilidades da implementação CloudBenefíciosResponsabilidadesEscolher um Cloud Host para o teu projetoConfigurar o teu diretório de projectosUsar GitHub Codespaces como um Cloud HostImplantação para renderizaçãoInscrever-se no RenderCriar um novo serviço WebImplantação automática de uma alteração na APIEnviar a tua aplicação num Docker ContainerVerificar a instalação do DockerCriando um DockerfileCriando um arquivo .dockerignoreCriar uma imagem de contentorExecutar a tua imagem de contentor localmenteImplantação no AWSCriar um serviço de contentor do LightsailInstalando o AWS CLIInstalando o plug-in do Amazon Lightsail Container ServicesConfigurar as tuas credenciais de início de sessãoEnviar a tua imagem de contentor para o LightsailCriar uma implantação do LightsailAtualizar a documentação da APIRecursos adicionaisResumo
SDKs colmatam a lacunaEscolher uma linguagem para o teu SDKComeçando com um SDK mínimo viávelDica de especialista: Tornar o teu SDK fácil de instalarDica de especialista: Tornar o SDK consistente e idiomáticoCriar um SDK rico em funcionalidadesDica de especialista: Utilizar predefinições sãsDica de especialista: Fornecer uma funcionalidade ricaDica de especialista: Execução de registoDica de especialista: Esconder os detalhes complicados da tua APIDica de especialista: Suporte a downloads em massaDica de especialista: Documentar o teu SDKTestar o teu SDKDica de especialista: Apoiar todas as tarefas que a API suportaConcluir o teu projeto de portefólio da Parte IRecursos adicionaisResumo

Usando uma variedade de estilos de APINoções básicas de HTTPComo consumir APIs de forma responsávelSeparação de preocupações: Usando SDKs ou criando clientes de APIComo criar APIsComo testar APIsImplementação e contentorização de APIUtilizar o controlo de versõesApresentação do teu projeto de portefólio da Parte IIComeçar a utilizar o teu espaço de código de GitHubClonagem do repositório da Parte IIIniciar o teu espaço de código de GitHubExecutar a API SportsWorldCentral (SWC) localmenteRecursos adicionaisResumo
Métricas personalizadas para análise desportivaUsando APIs como fontes de dados para métricas personalizadas do FantasyCriar uma métrica personalizada: A pontuação de Shark LeagueSoftware utilizado neste capítulohttpxNotebooks JupyterpandasInstalar as novas bibliotecas no espaço de códigoIniciar a tua API em CodespacesCriar um ficheiro de cliente APICriar o teu Jupyter NotebookAdicionar configuração geral ao teu computador portátilTrabalhar com os dados da APICálculo do League Balance ScoreCálculo da pontuação do suco da ligaCriar a pontuação de Shark LeagueRecursos adicionaisResumo
Tipos de fontes de dados para pipelines de dadosPlanear o teu pipeline de dadosOrquestrar o pipeline de dados com o Apache AirflowInstalar o Apache Airflow em GitHub CodespacesCriar a tua base de dados local do AnalyticsIniciar a tua API em CodespacesConfigurar as ligações do fluxo de arCriar o teu primeiro DAGCodificação de uma função partilhadaExecutar o teu DAGResumo
Envolver os utilizadores com visualizações interactivasSoftware utilizado neste capítulonfl_data_pyStreamlitInstalando o Streamlit e o nfl_data_pyIniciar a tua API em CodespacesReutilizar o ficheiro de cliente da API do Capítulo 9Criar a tua aplicação StreamlitAtualização do ficheiro de pontos de entradaExecutar a tua aplicação StreamlitCriar a página de escalões de equipasCriar a página de estatísticas da equipaImplementar a tua aplicação StreamlitConcluir o teu projeto de portefólio da Parte IIRecursos adicionaisResumo
A sobreposição de IA e APIsConceber APIs para utilizar com IA generativa e LLMsDefinição de Inteligência ArtificialIA generativa e modelos linguísticos de grande dimensão (LLMs)Criar aplicações de IA agênticaApresentação do teu projeto de portefólio da Parte IIIComeçar a utilizar o teu espaço de código de GitHubClonando o repositório da Parte IIIIniciar o teu espaço de código de GitHubRecursos adicionaisResumo
Treinar modelos de aprendizagem automáticaNovo software utilizado neste capítuloTempo de execução ONNXscikit-learnsklearn-onnxInstalar as novas bibliotecas no espaço de códigoUtilização do processo CRISP-DMCompreensão do negócioCompreensão dos dadosPreparação de dadosModelaçãoAvaliaçãoImplantaçãoRecursos adicionaisResumo
Chama a IA usando APIs (via LangChain)Criar um agente LangGraphInscreve-te no AnthropicIniciar o teu espaço de código de GitHubInstalar as novas bibliotecas no espaço de códigoCriar o teu Jupyter NotebookConversa com o agente LangGraphExecutar a API SportsWorldCentral (SWC) localmenteInstalando o Kit de Desenvolvimento de Software (SDK) do swcpyCriar um kit de ferramentas LangChainChamada de APIs usando IA (com LangGraph)Conversar com o teu agente (com ferramentas)Recursos adicionaisResumo
Arquitetura da tua aplicaçãoComeçar a utilizar o ChatGPTCriando uma GPT personalizadaIniciar o teu espaço de código de GitHubExecutar a API SportsWorldCentral (SWC) em GitHub CodespacesAdicionar a secção Servidores ao ficheiro OASCriar uma ação GPTTestar as APIs na tua GPTConversar com o teu GPT personalizadoConcluir o teu projeto de portefólio da Parte IIIResumo

Content preview from APIs práticas para IA e ciência de dados

Capítulo 10. Usando APIs em pipelines de dados

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com

Na sua forma mais simples, os pipelines podem extrair apenas dados de uma fonte, como uma API REST, e carregar para um destino, como uma tabela SQL num armazém de dados. Na prática, porém, os pipelines geralmente consistem em várias etapas ... antes de entregar os dados ao seu destino final.

James Densmore Referência de bolso sobre pipelines de dados (O'Reilly, 2021)

No Capítulo 9, você usou um Jupyter Notebook para consultar APIs e criar análises de dados. A consulta direta num bloco de notas é útil para a análise exploratória de dados, mas requer que continues a consultar a API repetidamente. Quando as equipas de dados criam produtos analíticos para produção, implementam processos programados para manter uma cópia actualizada dos dados de origem no formato de que necessitam. Esses processos estruturados são chamados de pipelines de dados porque os dados de origem fluem para o pipeline e são preparados e armazenados para criar produtos de dados. Outros termos comuns para estes processos são Extrair, Transformar, Carregar (ETL) ou Extrair, Carregar, Transformar (ELT), dependendo dos pormenores técnicos da forma como são implementados. O engenheiro de dados é a função especializada que se concentra no desenvolvimento e na operação de pipelines de dados, mas em muitas organizações, cientistas de dados, analistas ...