Новинка: Прикладные API для искусственного интеллекта и Data Science

В течение последних двух лет мы проделали большую работу по изданию неустаревающих книг, связанных с проектированием и развитием API. Как известно, сам вопрос «Что такое API? ^[1]» довольно многогранен, и в своё время на Хабре развёрнутый ответ на него дала одна из наших топовых авторов Ольга Назина @Molechka ^[2] – к настоящему моменту её статья собрала почти 1 350 000 просмотров и 1555 закладок. Книги Ольги Назиной не относятся к этой статье напрямую, но, если вы их ещё не читали, рекомендуем посмотреть все четыре ^[3]. Будем исходить из того, что API – это предоставляемый программой интерфейс-контракт, в котором заложены правила взаимодействия с ней, в частности, форматы принимаемых и выдаваемых данных. Нашим главным бестселлером в этой области является книга «Проектирование архитектуры API: Как правильно проектировать, развивать и эксплуатировать API ^[4]» (вышла на русском языке в июне 2024 года), написанная великим Джеймсом Гофом в соавторстве с Дэниэлом Брайантом и Мэтью Оберном, а также ещё три крутые книги:

«API как искусство: разработка, поддержка, интеграция ^[5]» Сергея Константинова (вышла в мае 2024 года)

«Архитектура бэкенда. API для надежных корпоративных приложений ^[6]» Владислава Светлакова (вышла в августе 2025 года)

«Web API. Сборник рецептов: Повысьте уровень JavaScript-приложений ^[7]» Джо Аттарди (вышла в сентябре 2025 года).

На этой  в продаже появилась следующая книга, наполняющая эту нишу: «Прикладные API для искусственного интеллекта и Data Science ^[8]» Райана Дэя — оригинал вышел в издательстве «O’Reilly» в апреле 2025 года. Эта весьма оригинальная книга исследует работу с библиотеками Python и в качестве сквозного проекта рассматривает фэнтези-футбол. Для нас это первый опыт ^[9] издания книги с серьёзным включением FastAPI, но в перспективе мы не теряем надежд издать и исходно русскоязычную книгу об этом фреймворке.

Книга Дэя рассчитана на опытных читателей, готовых разрабатывать для проекта не только архитектуру, но и собственный SDK на Python. Тем не менее, базовый материал по проектированию API в книге тоже есть, но он запрятан глубже и находится в районе 8-10 главы. Начать же свою книгу автор предпочитает с описания проекта, подбора архитектуры (сравнивает применимость REST и GraphQL в выбранной области), а также разъясняет, как устроен Github к книге. Он выкладывает ссылки на эту подборку примеров в предисловии к книге, поэтому предложим посмотреть их и здесь:

   Часть I: https://github.com/handsonapibook/api-book-part-one ^[10]

Часть II: https://github.com/handsonapibook/api-book-part-two ^[11]

Часть III: https://github.com/handsonapibook/api-book-part-three ^[12]

Знакомству с FastAPI посвящена 4-я глава. В частности, автор рассказывает об использовании библиотек Pydantic, Uvicorn и HTTPX. Глава 5 посвящена документированию API, в том числе, с применением SwaggerUI, а глава 6 – развёртыванию API. Причём, в главе 6 даётся вводный материал о Docker и контейнеризации, Docker рассматривается как основной инструмент упаковки программ и, соответственно, как унифицированный API. Всю эту информацию автор подаёт как достаточную подготовку к разработке собственного Python SDK. В дальнейшем речь пойдёт именно об API для обработки данных средствами искусственного интеллекта ^[13], однако материал по сборке SDK на Python ценен сам по себе и будет интересен любому опытному Python-разработчику. Так заканчивается первая часть книги, занимающая 180 страниц.

Дальнейший материал (главы 8-13) посвящён разбору постепенно усложняющихся примеров на анализ данных с использованием ноутбуков Jupyter. Приводится минимальная информация об устройстве и назначении библиотек pandas и scikit-learn (только для контекста), а также подробно рассматривается фреймворк Streamlit ^[14] для совместного использования данных из разных приложений.

Наконец, в последних двух главах автор перекидывает мостик между data science и большими языковыми моделями ^[15]: глава 14 посвящена работе с фреймворком Langchain ^[16], а глава 15 – с ChatGPT (содержит как последовательности скриншотов, так и примеры промптов, и код на Python, и даже команды для работы через терминал).

Таким образом, автору удалось уместить в небольшом объёме (320 страниц) полный гайд по подключению лёгкого приложения к мощным механизмам обработки данных, а также сопоставить возможности ChatGPT и LangChain и практически с нуля (кто не знает REST?) проиллюстрировать сборку инструментария для обработки данных средствами искусственного интеллекта. Во многом это удалось сделать, сокращая и упрощая примеры, однако мы полагаем, что заявленная тема полноценно рассмотрена для любого проекта, суть которого заключается в создании аккуратного шлюза для взаимодействия со сторонней БЯМ и первичного разбора/классификации данных, укладывающихся в известную разработчикам схему.

Также книга подойдёт читателям, желающим обогатить своё портфолио и погонять игрушечный проект из области data science, чтобы выявить в нём возможные узкие места и пограничные случаи. Наконец, она придётся очень кстати тем читателям, которые хотят освоить искусство LLMOPS (следите за рекламой, отличная книга Никиты Горячева @boramorka ^[17] на эту тему уже написана и находится в редактуре с 5 мая — вот ^[18] бесплатная ознакомительная версия).

Удачи вам в освоении сложных API и вдохновения в создании мощных инструментов в области data science.