O que é uma Batch API – IA? – I2 – Inteligência Artificial

✅ O que é uma Batch API – IA?

Resposta do ChatGPT a nossa pesquisa.

Batch API em IA é uma interface de programação de aplicações (API) que permite enviar vários dados de uma vez só (em lote) para serem processados por modelos de inteligência artificial (IA).

📦 “Batch” significa “lote”

Em vez de enviar uma requisição por vez (por exemplo, uma imagem, um texto ou um áudio por chamada), você envia um conjunto de dados de uma só vez.

Exemplo prático:

Imagine uma IA de reconhecimento de sentimentos. Em vez de enviar uma frase por vez assim:

POST /analisar
{
  "texto": "Estou feliz hoje"
}

Você usa a Batch API para mandar várias:

POST /analisar-lote
{
  "textos": [
    "Estou feliz hoje",
    "O dia foi cansativo",
    "Amei o filme!"
  ]
}

A resposta também vem em lote:

{
  "resultados": [
    "positivo",
    "negativo",
    "positivo"
  ]
}

🤖 Por que usar Batch API com IA?

Vantagem	Explicação
Mais rápido	Processa várias entradas em uma só chamada, reduzindo o tempo total.
Mais barato	Economiza chamadas para servidores pagos (como OpenAI, Google Cloud etc.).
Ideal para big data	Quando você tem muitos dados para análise ou classificação.
Menos sobrecarga	Reduz o número de conexões simultâneas com o servidor.

🧠 Onde isso é usado?

Classificação de sentimentos de milhares de posts.
Tradução automática de lotes de documentos.
Processamento de imagens com IA (como OCR).
Transcrição de áudios em massa.
Análise de logs e detecção de anomalias.

Hali Omani said:

ChatGPT4:

Show! Vamos criar uma **Batch API com IA** usando **FastAPI** e um modelo de linguagem simples (vamos usar o `transformers` da Hugging Face, por exemplo, um modelo de análise de sentimentos). Isso pode rodar localmente ou em nuvem depois.

—

## 🚀 Exemplo prático: Batch API para análise de sentimentos

### 🧰 Pré-requisitos:
Instale essas bibliotecas:
“`bash
pip install fastapi uvicorn transformers torch
“`

—

### 📦 Código completo: `main.py`

“`python
from fastapi import FastAPI
from pydantic import BaseModel
from transformers import pipeline
from typing import List

app = FastAPI(title=”Batch API – IA”)

# Carrega o modelo de sentimento
sentiment_analyzer = pipeline(“sentiment-analysis”)

# Modelo de dados de entrada
class TextBatchRequest(BaseModel):
textos: List[str]

# Modelo de resposta
class SentimentResult(BaseModel):
texto: str
sentimento: str
confianca: float

@app.post(“/analisar-lote”, response_model=List[SentimentResult])
def analisar_textos_em_lote(request: TextBatchRequest):
resultados = sentiment_analyzer(request.textos)
resposta = []
for texto, resultado in zip(request.textos, resultados):
resposta.append(SentimentResult(
texto=texto,
sentimento=resultado[‘label’],
confianca=round(resultado[‘score’], 3)
))
return resposta
“`

—

### ▶️ Como rodar

No terminal:
“`bash
uvicorn main:app –reload
“`

A API vai estar disponível em:
“`
http://127.0.0.1:8000
“`

Acesse a documentação automática em:
“`
http://127.0.0.1:8000/docs
“`

—

### 📬 Exemplo de requisição (via `curl`, Postman ou Swagger):
“`json
POST /analisar-lote
{
“textos”: [
“Eu amo estudar IA!”,
“Estou muito cansado hoje”,
“Esse filme foi terrível”
]
}
“`

### ✅ Resposta:
“`json
[
{
“texto”: “Eu amo estudar IA!”,
“sentimento”: “POSITIVE”,
“confianca”: 0.999
},
{
“texto”: “Estou muito cansado hoje”,
“sentimento”: “NEGATIVE”,
“confianca”: 0.987
},
{
“texto”: “Esse filme foi terrível”,
“sentimento”: “NEGATIVE”,
“confianca”: 0.995
}
]
“`

—

Se quiser posso mostrar como transformar isso num microserviço na nuvem, ou incluir outros modelos de IA, como **classificação de tópicos**, **tradução automática**, ou **resumo de texto**.

8 de abril de 2025

Um comentário

Hali Omani said:

ChatGPT4:

Show! Vamos criar uma **Batch API com IA** usando **FastAPI** e um modelo de linguagem simples (vamos usar o `transformers` da Hugging Face, por exemplo, um modelo de análise de sentimentos). Isso pode rodar localmente ou em nuvem depois.

—

## 🚀 Exemplo prático: Batch API para análise de sentimentos

### 🧰 Pré-requisitos:
Instale essas bibliotecas:
“`bash
pip install fastapi uvicorn transformers torch
“`

—

### 📦 Código completo: `main.py`

“`python
from fastapi import FastAPI
from pydantic import BaseModel
from transformers import pipeline
from typing import List

app = FastAPI(title=”Batch API – IA”)

# Carrega o modelo de sentimento
sentiment_analyzer = pipeline(“sentiment-analysis”)

# Modelo de dados de entrada
class TextBatchRequest(BaseModel):
textos: List[str]

# Modelo de resposta
class SentimentResult(BaseModel):
texto: str
sentimento: str
confianca: float

@app.post(“/analisar-lote”, response_model=List[SentimentResult])
def analisar_textos_em_lote(request: TextBatchRequest):
resultados = sentiment_analyzer(request.textos)
resposta = []
for texto, resultado in zip(request.textos, resultados):
resposta.append(SentimentResult(
texto=texto,
sentimento=resultado[‘label’],
confianca=round(resultado[‘score’], 3)
))
return resposta
“`

—

### ▶️ Como rodar

No terminal:
“`bash
uvicorn main:app –reload
“`

A API vai estar disponível em:
“`
http://127.0.0.1:8000
“`

Acesse a documentação automática em:
“`
http://127.0.0.1:8000/docs
“`

—

### 📬 Exemplo de requisição (via `curl`, Postman ou Swagger):
“`json
POST /analisar-lote
{
“textos”: [
“Eu amo estudar IA!”,
“Estou muito cansado hoje”,
“Esse filme foi terrível”
]
}
“`

### ✅ Resposta:
“`json
[
{
“texto”: “Eu amo estudar IA!”,
“sentimento”: “POSITIVE”,
“confianca”: 0.999
},
{
“texto”: “Estou muito cansado hoje”,
“sentimento”: “NEGATIVE”,
“confianca”: 0.987
},
{
“texto”: “Esse filme foi terrível”,
“sentimento”: “NEGATIVE”,
“confianca”: 0.995
}
]
“`

—

Se quiser posso mostrar como transformar isso num microserviço na nuvem, ou incluir outros modelos de IA, como **classificação de tópicos**, **tradução automática**, ou **resumo de texto**.

8 de abril de 2025

O que é uma Batch API – IA?