pandas Part6 FastAPI로 머신러닝 모델 웹 앱 | ✅ 편저: 코담 운영자

📖 데이터 분석의 시작, Pandas 완전 정복 - Part 6: FastAPI로 머신러닝 모델 웹 앱 만들기

---

✨ 서론: Flask에서 FastAPI로 업그레이드

앞선 Part 5에서는 Flask를 사용해 머신러닝 모델을 웹 앱으로 배포했습니다. 이번 Part 6에서는 더 빠르고 현대적인 Python 웹 프레임워크인 FastAPI로 Titanic 생존자 예측 모델 웹 앱을 만들어봅니다.

⚡️ FastAPI 장점: 비동기 처리, OpenAPI 문서 자동 생성, 뛰어난 성능

---

🛠️ Step 1: 필요한 라이브러리 설치

pip install fastapi uvicorn scikit-learn pandas joblib

---

📦 Step 2: 모델 로드

import joblib

# 저장된 모델 로드
titanic_model = joblib.load('titanic_model.pkl')

---

🌐 Step 3: FastAPI 앱 기본 구조

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Passenger(BaseModel):
    Pclass: int
    Sex: int
    Age: float
    Fare: float
    SibSp: int
    Parch: int
    Embarked: int

@app.get("/")
def read_root():
    return {"message": "Titanic 생존자 예측 API에 오신 것을 환영합니다!"}

@app.post("/predict")
def predict_survival(passenger: Passenger):
    data = [[
        passenger.Pclass,
        passenger.Sex,
        passenger.Age,
        passenger.Fare,
        passenger.SibSp,
        passenger.Parch,
        passenger.Embarked
    ]]
    prediction = titanic_model.predict(data)
    result = "생존" if prediction[0] == 1 else "사망"
    return {"예측 결과": result}

---

🚀 Step 4: FastAPI 앱 실행

uvicorn app:app --reload

• 브라우저에서 http://127.0.0.1:8000 접속
• API 문서 자동 생성: http://127.0.0.1:8000/docs

---

📌 확장: 사용자 입력 폼 추가 (HTML + JavaScript)

FastAPI는 기본적으로 API 서버이므로, 사용자 UI를 추가하려면 별도의 Frontend(HTML/CSS/JS) 또는 React/Vue와 연결 가능.

💡 실무 팁: Streamlit 또는 Gradio를 사용하면 머신러닝 모델 웹 UI를 더 빠르게 구축할 수 있습니다.

---

📌 결론 및 다음 단계

• FastAPI로 배포한 API는 다른 서비스와 쉽게 연동 가능
• Docker 및 클라우드 환경에 배포 준비
• 인증/권한 기능 추가하여 실전 서비스화

🎯 최종 목표: Pandas → Scikit-learn → FastAPI까지 한 번에 이어지는 데이터 사이언스 파이프라인 완성!

---