, ,

کتاب FastAPI و ساخت API برای مدیریت یادگیری عمیق

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب FastAPI و ساخت API برای مدیریت یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: فست ای‌پی‌آی (FastAPI)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر FastAPI
  • 2. چرا FastAPI؟
  • 3. مزایای FastAPI
  • 4. نصب FastAPI
  • 5. نصب uvicorn
  • 6. ساخت اولین API با FastAPI
  • 7. مفهوم Route در FastAPI
  • 8. استفاده از Decorator @app.get()
  • 9. استفاده از Decorator @app.post()
  • 10. استفاده از Decorator @app.put()
  • 11. استفاده از Decorator @app.delete()
  • 12. انواع HTTP Methods
  • 13. پارامترهای Route
  • 14. پارامترهای Query String
  • 15. پارامترهای Path
  • 16. پارامترهای Body
  • 17. تعریف مدل داده با Pydantic
  • 18. اعتبارسنجی داده ورودی با Pydantic
  • 19. انواع داده در Pydantic
  • 20. فیلدهای اختیاری در Pydantic
  • 21. فیلدهای پیش فرض در Pydantic
  • 22. فیلدهای مخفی در Pydantic
  • 23. ارث بری در مدل های Pydantic
  • 24. اعتبارسنجی سفارشی در Pydantic
  • 25. استفاده از انواع داده پیشرفته Pydantic
  • 26. مدیریت خطاهای HTTP
  • 27. کدهای وضعیت HTTP
  • 28. استفاده از HTTPException
  • 29. پیغام های خطای سفارشی
  • 30. مدیریت پارامترهای Header
  • 31. مدیریت پارامترهای Cookie
  • 32. استفاده از Background Tasks
  • 33. تزریق وابستگی (Dependency Injection)
  • 34. مفهوم Dependency
  • 35. نوشتن Dependencies ساده
  • 36. Dependencies با پارامتر
  • 37. Dependencies با مقادیر پیش فرض
  • 38. Dependencies با انواع داده
  • 39. Dependencies با اعتبارسنجی
  • 40. Dependencies با داده های خارجی
  • 41. Dependencies با Context
  • 42. Dependency Overriding
  • 43. استفاده از Security در FastAPI
  • 44. احراز هویت (Authentication)
  • 45. مجوز دسترسی (Authorization)
  • 46. استفاده از OAuth2
  • 47. JWT (JSON Web Tokens)
  • 48. تنظیمات امنیتی با Security Schemas
  • 49. استفاده از Basic Authentication
  • 50. استفاده از API Keys
  • 51. استفاده از OAuth2 Password Flow
  • 52. استفاده از OAuth2 Implicit Flow
  • 53. استفاده از OAuth2 Access Code Flow
  • 54. استفاده از OAuth2 Client Credentials Flow
  • 55. تنظیمات CORS (Cross-Origin Resource Sharing)
  • 56. مدیریت فایل ها در FastAPI
  • 57. آپلود فایل تکی
  • 58. آپلود چندین فایل
  • 59. اعتبارسنجی فایل ها
  • 60. دانلود فایل
  • 61. کار با پایگاه داده در FastAPI
  • 62. اتصال به پایگاه داده
  • 63. استفاده از SQLAlchemy
  • 64. تعریف مدل های پایگاه داده
  • 65. عملیات CRUD (Create, Read, Update, Delete)
  • 66. استفاده از Async SQLAlchemy
  • 67. استفاده از ORM ها
  • 68. استفاده از Pydantic برای Serializing/Deserializing داده های پایگاه داده
  • 69. مدیریت تراکنش ها
  • 70. اتصال به پایگاه داده NoSQL (مانند MongoDB)
  • 71. استفاده از Motor (برای MongoDB)
  • 72. مدیریت Session در پایگاه داده
  • 73. عملیات Asynchronous در پایگاه داده
  • 74. استفاده از FastAPI برای مدیریت یادگیری عمیق
  • 75. مقدمه ای بر یادگیری عمیق
  • 76. معرفی چارچوب های یادگیری عمیق (TensorFlow, PyTorch)
  • 77. نصب TensorFlow
  • 78. نصب PyTorch
  • 79. ساخت API برای آموزش مدل های یادگیری عمیق
  • 80. بارگذاری داده ها
  • 81. پیش پردازش داده ها
  • 82. تعریف معماری مدل
  • 83. کامپایل مدل
  • 84. آموزش مدل
  • 85. ذخیره سازی مدل آموزش دیده
  • 86. بارگذاری مدل آموزش دیده
  • 87. استفاده از مدل برای پیش بینی
  • 88. ساخت API برای پیش بینی با مدل های یادگیری عمیق
  • 89. ارسال داده ورودی برای پیش بینی
  • 90. دریافت نتایج پیش بینی
  • 91. مدیریت پارامترهای پیش بینی
  • 92. استفاده از مدل های از پیش آموزش دیده
  • 93. تنظیمات برای پیش بینی (مانند batch size)
  • 94. بهینه سازی API برای یادگیری عمیق
  • 95. مدیریت منابع (CPU, GPU)
  • 96. استفاده از Docker برای استقرار API
  • 97. استفاده از Kubernetes برای مقیاس پذیری
  • 98. مدیریت ورژن های مدل
  • 99. API برای ارزیابی مدل
  • 100. API برای تنظیم ابرپارامترها (Hyperparameter Tuning)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب FastAPI و ساخت API برای مدیریت یادگیری عمیق”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا