Jupyterでアプリ開発をするのも、そろそろ限界になってきたので、少しファイルを分割、再編している。
FastAPIのフォルダ体系について、プラクティス的なものがあり、これに見習ってみる。
同時にQiitaでフローを書くべくMermaidを検討した。
しかしながら、調べていると、もっと良いモノが見つかった。
FastAPIのアプリケーション
フォルダの構成はこんな感じ・・・
シーケンス図
こんなのも書けるんですね・・・（書き方は、全くの我流です。）
状況
今週のEURUSDですが、PIX2PIXの予想に反して、さらに下落トレンドが継続中です。おかげさまで、資産が完全に溶けました。このアルゴリズムですが、まだ使いこなしに難があり、まさにＡＩ自動トレーニングの強化学習を取り入れなくてはならない状況です。
訓練と推論
ひとまずJupyterLab-Desktopを使っていましたが、モジュール化が必須になり、VSCODEにてリファクタリングしています。
alembic
- システム開発においても、やはり自己の成長目的があります。今回も何か新しい技術要素を獲得するというのが、もう一つのテーマであり、データベースのマイグレーションについて取り組みました。
- Djangoならmigrateがフレームワークに含まれていますし、Ruby Railsなら、Railsが勝手にやってくれます。しかしながら、FASTAPIについては、それに伴うものはありません。
- PYDANTICのスケマと、sqlalchemyのモデルを合わせてmigrationしてくれるような、優れたものは無いのでしょうか・・・
Api-token
- 業務で使う、MlopsのWEB-API開発には、やはりモデル特定のAPI-TOKENの導入が必須です。場合によってはユーザーとモデルの二重認証が必要かもしれません。まずはFastApiに認証機能を追加する方法を習得しようと思います。この際にauth2のようなことにも、着手します。
ML-Flow
- モデル毎の精度などを管理するために、機械学習フローを学ぼうと思います。現状ではOSSのML-FLOWが良いのではないかと思います。
この先も、FXトレードを片手間にしつつ、ITエンジニアとしての独立のため、ひそやかに独学を進めていきます。
- RailsによるWebアプリ開発
- React + FastAPIによるアプリ開発
- React-nativeによる、モバイルアプリ開発
- Goによる、BACKEND開発