모듈 4: 모델 서빙을 위한 Python 심화, FastAPI (16h)

Module 1-1: Python 타입 힌트 → FastAPI의 자동 검증 기반
Module 1-4: Pydantic 데이터 검증 → FastAPI의 request/response 스키마로 사용

학습 결과

학생은 FastAPI + Docker를 이용하여 머신러닝 모델을 REST API로 배포할 수 있다.

#	ABCD 학습목표	Bloom 수준	관련 sources	평가 방법
4-1	Behavior: FastAPI 프레임워크로 3개 이상의 엔드포인트를 구현하고 / Condition: 타입 검증·자동 문서화 기능 활용하여 / Degree: API 스키마가 자동으로 생성되도록 구성	Understand	fastapi-docker-official-deployment, fastapi-docker-medium-comprehensive-guide	코드 리뷰
4-2	Behavior: Dockerfile을 작성하고 레이어 캐싱 최적화를 적용하여 / Condition: 코드 변경 시 / Degree: 빌드 시간을 30초 이내로 유지	Analyze	fastapi-docker-official-deployment, containerization	빌드 시간 검증
4-3	Behavior: FastAPI 컨테이너에 헬스체크 엔드포인트를 구현하고 / Condition: Docker/Kubernetes 환경에서 / Degree: 자동 재시작이 정상 작동	Apply	fastapi-docker-best-practices-production	환경 테스트

순서	Sources	학습목표	예상 학습 시간	비고
1️⃣	fastapi-docker-official-deployment	4-1, 4-2	2h	기초+심화: 공식 문서 + 레이어 캐싱 최적화
2️⃣	fastapi-docker-medium-comprehensive-guide	4-1	1.5h	보완: 보안 & 배포 옵션 (ECS/Kubernetes/Cloud)
3️⃣	fastapi-docker-best-practices-production	4-3	2h	실습: 헬스체크·.dockerignore·로깅
4️⃣	docker-compose-multi-service-orchestration-skala	4-3	1.5h	확장: Docker Compose로 멀티서비스 연결
	학습 시간 합계	4-1~4-3	~7h	강의 16h 중 이론·실습 학습 부분