logo
logo
x
바코드검색
BOOKPRICE.co.kr
책, 도서 가격비교 사이트
바코드검색

인기 검색어

실시간 검색어

검색가능 서점

도서목록 제공

AI와 데이터 사이언스 API

AI와 데이터 사이언스 API

(FastAPI를 활용한 실전 예제로 배우는 파이썬 개발)

라이언 데이 (지은이), 이한우, 김경환, 장기식, 정인화, 허옥 (옮긴이)
에이콘출판
33,000원

일반도서

검색중
서점 할인가 할인률 배송비 혜택/추가 실질최저가 구매하기
29,700원 -10% 0원
1,650원
28,050원 >
yes24 로딩중
교보문고 로딩중
11st 로딩중
영풍문고 로딩중
쿠팡 로딩중
쿠팡로켓 로딩중
G마켓 로딩중
notice_icon 검색 결과 내에 다른 책이 포함되어 있을 수 있습니다.

중고도서

검색중
서점 유형 등록개수 최저가 구매하기
로딩중

eBook

검색중
서점 정가 할인가 마일리지 실질최저가 구매하기
로딩중

책 이미지

AI와 데이터 사이언스 API
eBook 미리보기

책 정보

· 제목 : AI와 데이터 사이언스 API (FastAPI를 활용한 실전 예제로 배우는 파이썬 개발)
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791161758374
· 쪽수 : 412쪽
· 출판일 : 2026-01-07

책 소개

데이터 수집부터 모델 학습, API 구축·배포·문서화·SDK까지 전 과정을 실전 예제로 하나로 잇는다. FastAPI 기반 REST 설계와 배포, 생성형 AI 확장까지 한 흐름으로 익힌다.

목차

추천의 글
지은이 소개
옮긴이 소개
옮긴이의 말
들어가며

1부 | 데이터 사이언스를 위한 API 개발

1장 데이터 사이언티스트를 위한 API 만들기
데이터 사이언티스트는 API를 어떻게 활용할까?
데이터 사이언티스트는 어떤 도구를 사용할까?
데이터 사이언티스트를 위한 API 설계
1부 포트폴리오 프로젝트 소개
모든 API에는 스토리가 있다
__SportsWorldCentral 회사 소개
__SWC에 API가 필요한 이유
첫 번째 API 제품 선택
__잠재 사용자 식별
__사용자 스토리 만들기
참고 자료
요약

2장 API 아키텍처 선택
API 아키텍처 스타일
__상태 전이 표현
__GraphQL
__gRPC
__우리의 선택: REST
기술 아키텍처
2장에서 사용하는 소프트웨어
__파이썬
__GitHub
GitHub Codespace 시작하기
__GitHub 계정 만들기
__1부 저장소 복제하기
__GitHub Codespace 실행하기
__Codespace 환경 둘러보기
__첫 번째 커밋하기
참고 자료
요약

3장 데이터베이스 만들기
API 구성 요소
3장에서 사용하는 소프트웨어
__SQLite
__SQLAlchemy
__pytest
SQLite 데이터베이스 만들기
__데이터베이스 테이블 만들기
__테이블 구조 이해하기
__데이터 불러오기
파이썬을 사용해 데이터에 접근하기
__사용자 환경에 SQLAlchemy 설치하기
__데이터베이스 접근을 위한 파이썬 파일 만들기
__데이터베이스 구성 파일 만들기
__SQLAlchemy 도우미 함수 만들기
__환경에 pytest 설치하기
__SQLAlchemy 코드 테스트하기
참고 자료
요약

4장 FastAPI 코드 개발
포트폴리오 프로젝트 진행
4장에서 사용하는 소프트웨어
__FastAPI
__HTTPX
__Pydantic
__Uvicorn
3장 프로젝트 파일 복사하기
Codespace에 새 라이브러리 설치하기
API용 파이썬 파일 만들기
__Pydantic 스키마 정의하기
__FastAPI Controller 만들기
API 테스트
API 실행하기
참고 자료
요약

5장 API 문서화
신뢰 확보하기
좋은 API 문서 만들기
__핵심 기능
__추가 기능
실제 API 문서 살펴보기
__Sleeper 애플리케이션
__MyFantasyLeague
__Yahoo! 판타지 풋볼
API 내장 문서 확인하기
__4장 프로젝트 파일 복사하기
__문서화 옵션 1: Swagger UI
__문서화 옵션 2: Redoc
OAS 파일
포트폴리오 프로젝트 이어하기
__OAS info 객체에 세부 정보 추가하기
__경로 분류를 위한 태그 추가하기
__개별 엔드포인트에 세부 정보 추가하기
__쿼리 매개 변수 설명 추가하기
__Swagger UI에서 변경 사항 확인하기
__API 회귀 테스트
README.md 파일 업데이트하기
참고 자료
요약

6장 클라우드에 API 배포하기
클라우드 배포의 장점과 책임
__장점
__책임
클라우드 호스트 선택 방법
프로젝트 디렉터리 설정
GitHub Codespace를 클라우드 호스트로 사용하기
Render에 API 배포하기
__Render 계정 만들기
__새 웹 서비스 만들기
__API 변경 사항 자동 배포하기
도커 컨테이너로 애플리케이션 배포하기
__도커 주요 용어 정리
__도커 설치 여부 확인하기
__도커파일 만들기
__.dockerignore 파일 만들기
__컨테이너 이미지 빌드하기
__로컬에서 컨테이너 이미지 실행하기
AWS에 애플리케이션 배포하기
__Lightsail 컨테이너 서비스 만들기
__AWS CLI 설치하기
__Amazon Lightsail 컨테이너 서비스 플러그인 설치하기
__로그인 자격 증명 구성하기
__컨테이너 이미지를 Lightsail로 푸시하기
__Lightsail 배포 만들기
API 문서 업데이트
참고 자료
요약

7장 바로 사용할 수 있는 파이썬 SDK 만들기
SDK는 사용자와 API의 간극을 메워 준다
SDK 개발 언어 선택 전략
최소 기능 SDK로 시작하기
__전문가의 조언: SDK를 쉽게 설치하도록 만들어야 한다
__전문가의 조언: 일관되고 자연스러운 파이썬 스타일의 SDK를 만들어야 한다
다양한 기능을 갖춘 SDK 만들기
__전문가의 조언: 합리적인 기본값을 사용해야 한다
__전문가의 조언: 다양한 기능을 제공해야 한다
__전문가의 조언: 의미 있는 로그를 남겨야 한다
__전문가의 조언: API의 복잡한 세부 사항은 숨겨야 한다
__전문가의 조언: 대용량 다운로드 기능을 지원해야 한다
__전문가의 조언: SDK 문서를 만들어야 한다
__SDK 테스트
__전문가의 조언: 모든 API 작업을 SDK로 지원해야 한다
1부 프로젝트를 마무리하며
참고 자료
요약

2부 | 데이터 사이언스 프로젝트에서 API 활용하기

8장 데이터 사이언티스트가 API에 관해 알아야 할 것들
다양한 API 스타일 활용하기
HTTP 기본 사항
API를 책임감 있게 사용하는 방법
관심사 분리: API 호출 코드 분리와 SDK 활용의 중요성
API를 만드는 방법
API 테스트 방법
API 배포 및 컨테이너화
버전 관리 시스템의 중요성
2부 포트폴리오 프로젝트 소개
GitHub Codespace 실행하기
__2부 저장소 복제하기
__GitHub Codespace 실행 및 설정
로컬에서 SWC API 실행하기
참고 자료
요약

9장 데이터 분석을 위한 API 활용
스포츠 분석을 위한 사용자 정의 측정 지표
판타지 사용자 정의 측정 지표를 위한 API 데이터 소스
샤크 리그 점수 사용자 정의 측정 지표 만들기
9장에서 사용하는 소프트웨어
__httpx
__주피터 노트북
__pandas
Codespace에 새 라이브러리 설치하기
Codespace에서 API 실행하기
API 클라이언트 파일 만들기
주피터 노트북 생성 및 환경 설정
노트북 설정하기
API 데이터 활용하기
리그 균형 점수 계산
라인업 효율성 점수 계산
샤크 리그 점수 계산
참고 자료
요약

10장 데이터 파이프라인에서 API 활용하기
데이터 파이프라인의 데이터 소스 유형
데이터 파이프라인 구축 계획
Apache Airflow로 데이터 파이프라인 오케스트레이션하기
GitHub Codespace에 Apache Airflow 설치하기
로컬 분석용 데이터베이스 만들기
Codespace에서 API 실행하기
Airflow 연결 설정
첫 번째 DAG 만들기
공유 함수 만들기
DAG 실행하기
요약

11장 Streamlit 데이터 애플리케이션에서 API 사용하기
대화형 시각화로 사용자 참여 유도하기
11장에서 사용하는 소프트웨어
__nfl_data_py
__Streamlit
Streamlit 및 nfl_data_py 설치하기
Codespace에서 API 실행하기
9장 API 클라이언트 재사용하기
Streamlit 애플리케이션 만들기
진입점 파일 업데이트
Streamlit 애플리케이션 실행하기
팀 선수 명단 페이지 만들기
팀 통계 페이지 만들기
Streamlit 애플리케이션 배포하기
2부 프로젝트를 마무리하며
참고 자료
요약

3부 | API로 AI 활용하기

12장 API로 AI 활용하기
AI와 API의 접점
생성형 AI와 LLM이 사용할 API 설계하기
AI의 정의
생성형 AI와 LLM
에이전트형 AI 애플리케이션 만들기
3부 포트폴리오 프로젝트 소개
GitHub Codespace 시작하기
__3부 저장소 복제하기
__GitHub Codespace 실행 및 설정
참고 자료
요약

13장 머신러닝 API 배포하기
머신러닝 모델 학습 과정
13장에서 사용하는 소프트웨어
__ONNX Runtime
__scikit-learn
__sklearn-onnx
Codespace에 새 라이브러리 설치하기
CRISP-DM 프로세스 사용하기
비즈니스 이해
데이터 이해
데이터 준비
모델링
평가
배포
참고 자료
요약

14장 LangChain을 활용해 API 사용하기
AI를 사용해 API 호출하기(LangChain 활용)
LangGraph 에이전트 만들기
__Anthropic 가입하기
__GitHub Codespace 실행하기
Codespace에 새 라이브러리 설치하기
주피터 노트북 만들기
LangGraph 에이전트와 대화하기
로컬에서 SWC API 실행하기
swcpy SDK 설치하기
LangChain 툴킷 만들기
AI를 사용해 API 호출하기(LangGraph 활용)
에이전트와 대화하기(도구 사용)
참고 자료
요약

15장 챗GPT를 사용해 API 호출하기
애플리케이션 아키텍처
챗GPT 시작하기
사용자 정의 GPT 만들기
GitHub Codespace 실행하기
GitHub Codespace에서 SWC API 실행하기
OAS 파일에 서버 정보 추가하기
GPT 작업 만들기
GPT에서 API 테스트하기
사용자 정의 GPT와 대화하기
3부 포트폴리오 프로젝트 마무리
요약

찾아보기

저자소개

라이언 데이 (지은이)    정보 더보기
미국 주립은행 감독관 협의회(CSBS, Conference of State Bank Supervisors)의 선임 데이터 사이언티스트다. 연방기관 디지털 서비스 부서에서 클라우드, 데이터 사이언스, API 개발을 이끌었으며, FastAPI 프로젝트에서 코드 리뷰와 QA 활동도 하고 있다. AWS 솔루션스 아키텍트(solutions architect) 자격증을 보유하고 있으며, 미국 비즈니스 경제학 협회(National Association of Business Economics) 회원이다. 흥미로운 데이터를 끊임없이 생성하는 판타지 풋볼이 본인이 오랫동안 몰두해 온 주제이기 때문에, 데이터 사이언스 및 코딩 프로젝트에 판타지 풋볼을 적극적으로 활용하고 있다.
펼치기
이한우 (옮긴이)    정보 더보기
위즈코어(Wizcore) 기술연구소 수석연구원. 엔터프라이즈 소프트웨어 개발과 시스템 아키텍처 설계를 담당하며, 스마트 팩토리 환경에서 수집되는 대용량 시계열 데이터를 위한 API 게이트웨이와 실시간 데이터 처리 파이프라인 연구에 집중하고 있다. AI 모델이 현장 시스템과 원활히 연동되도록 하는 MLOps 및 API 최적화 기술에 깊은 관심을 갖고, 이번 번역 작업에서 실무 개발자의 시선으로 통찰을 더했다.
펼치기
김경환 (옮긴이)    정보 더보기
위즈코어 기술연구소 수석연구원. 데이터베이스, 검색엔진, 빅데이터, AI 분야에서 30년 이상의 개발 경험을 보유하고 있다. 텍스트 마이닝 기반 DLP 솔루션, ITS 빅데이터 플랫폼 설계·구축 등 다양한 데이터 기반 시스템 개발을 주도했다. 현재 위즈코어에서 제조 데이터 플랫폼의 API 아키텍처 설계와 데이터 거버넌스 전략 수립을 담당하며, 한양대학교 겸임교수로도 활동하고 있다.
펼치기
장기식 (옮긴이)    정보 더보기
위즈코어 기술연구소장. 고려대학교 정보보호대학원에서 박사 학위를 취득했으며, 경찰청 사이버안전국 디지털포렌식센터에서 근무한 경력이 있다. 현재 위즈코어 기술연구소를 이끌며 제조 AI 모델의 경량화(ONNX), MLOps 파이프라인 구축, 고성능 API 게이트웨이 설계를 총괄하고 있다. 데이터 분석·머신러닝·보안 분야 전문가로, 『적대적 머신러닝』(에이콘출판, 2020), 『그래프 머신러닝』(에이콘출판, 2023) 등 전문서를 다수 번역했다.
펼치기
정인화 (옮긴이)    정보 더보기
위즈코어 데이터사업부 전무이사이자 베트남 법인장. 스마트 제조와 데이터 사이언스, AI 기술을 융합한 프로젝트를 다수 수행해 왔다. 위즈코어 기술연구소에서 제조 데이터 분석, 품질 예측 모델링, 공정 최적화 시스템 개발을 총괄했으며, 현재는 글로벌 데이터 플랫폼 사업을 리딩하며 아시아 지역의 디지털 전환(DX, Digital Transformation)을 주도하고 있다. 데이터 수집·분석 플랫폼과 AI 모델을 유기적으로 연결하는 API 기술을 실무 현장에 적용하는 연구와 개발을 이끌고 있다.
펼치기
허옥 (옮긴이)    정보 더보기
고려대학교 정보보호대학원 박사과정 재학 중인 정보보호 전문가. 삼성전자와 엔씨소프트 등에서 20여 년간 정보보호 업무를 수행했으며, 현재는 야놀자/놀유니버스에서 정보보호 리더로 재직 중이다. 클라우드 네이티브 환경의 보안 아키텍처와 데이터 보호 전략에 깊은 관심을 두고 있으며, 안전한 API 설계를 위한 보안 모델 연구를 병행하고 있다.
펼치기
이 포스팅은 쿠팡 파트너스 활동의 일환으로,
이에 따른 일정액의 수수료를 제공받습니다.
이 포스팅은 제휴마케팅이 포함된 광고로 커미션을 지급 받습니다.
도서 DB 제공 : 알라딘 서점(www.aladin.co.kr)
최근 본 책