FastAPI Cloud reposted this
"Arma un servicio de reconocimiento facial que sea preciso y rápido." Ese fue el encargo. Detrás de esa frase simple había un problema nada simple: identificar a una persona a partir de una sola foto, entre N rostros distintos. Y ojo: cuando hablo de N, no me refiero a un grupo de 50 o 300 personas; era diseñar pensando en más de 100000, y que el sistema siga escalando sin rediseñarse. Mi primera decisión fue la más importante: no reinventar la rueda. Entrenar y servir un modelo propio de reconocimiento facial suena atractivo, pero implica meses de trabajo para terminar con algo probablemente inferior a lo que ya existe como servicio administrado. Elegí construir sobre herramientas probadas y enfocar mi energía en lo que sí aporta valor: el diseño del servicio. 𝗤𝘂é 𝗲𝗹𝗲𝗴í 𝗱𝗲 𝗔𝗪𝗦 𝘆 𝗽𝗼𝗿 𝗾𝘂é: - 𝗔𝗺𝗮𝘇𝗼𝗻 𝗥𝗲𝗸𝗼𝗴𝗻𝗶𝘁𝗶𝗼𝗻 (𝗙𝗮𝗰𝗲 𝗖𝗼𝗹𝗹𝗲𝗰𝘁𝗶𝗼𝗻𝘀): el reconocimiento facial ya resuelto. Un motor de búsqueda de vectores faciales que cubre la identificación 1:N contra toda la colección y la verificación 1:1 contra un DNI, con precisión de nivel productivo desde el día uno. Cero modelos que entrenar, cero GPUs que administrar. - 𝗗𝘆𝗻𝗮𝗺𝗼𝗗𝗕: datos de empleados, usuarios y tokens con latencia de milisegundos y sin administrar servidores de base de datos. - 𝗦𝟯: las fotos, que solo se persisten cuando el rostro fue validado e indexado. El código sigue una arquitectura modular: cada recurso es un módulo con capas controller → service → repository, interfaces separadas de implementaciones y DTOs como contrato. Mañana puedo cambiar el motor de reconocimiento sin tocar la lógica de negocio. ¿𝗣𝗼𝗿 𝗾𝘂é 𝗙𝗮𝘀𝘁𝗔𝗣𝗜? Para proyectos de IA es mi as bajo la manga: validación automática con Pydantic, inyección de dependencias nativa que hace trivial trabajar contra interfaces, tipado que documenta el código por sí solo y Swagger UI para probar endpoints con fotos sin escribir un cliente. FastAPI seguirá siendo mi framework preferido en Python. ¿𝗣𝗼𝗿 𝗾𝘂é 𝗙𝗮𝘀𝘁𝗔𝗣𝗜 𝗖𝗹𝗼𝘂𝗱? Tuve acceso a la beta pública y aproveché para desplegar ahí, y la experiencia hizo honor a su promesa: cero configuración. Todo se redujo a un comando: fastapi deploy En segundos la API estaba en producción, con HTTPS por defecto, autoescalado según demanda y variables de entorno gestionadas desde la plataforma. Mi pyproject.toml fue suficiente: nada de contenedores que armar ni infraestructura que describir. Y viniendo del mismo equipo que creó el framework, se nota que está pensado para cómo realmente trabajamos los que construimos con FastAPI. Una buena infraestructura es la base de un buen servicio. La diferencia está en poder dedicar tu energía a diseñarla bien, y no a pelear con la fricción del despliegue. Gracias FastAPI, FastAPI Cloud y a Sebastián Ramírez Montaño por elevar la experiencia de desarrollo en Python. #FastAPI #Python #IA #AWS #Rekognition #FastAPICloud #GenAI