اپلیکیشن اندرویدی فلش‌کارت آموزشی FastAPI و ساخت API برای مدیریت یادگیری عمیق

📚 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)