دوره FastAPI و ساخت APIهای AI for Cryptocurrencies همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب FastAPI و ساخت APIهای AI for Cryptocurrencies

موضوع کلی: برنامه نویسی

موضوع میانی: فست ای‌پی‌آی (FastAPI)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر FastAPI
• 2. مقدمه ای بر ساخت API
• 3. مقدمه ای بر حوزه ارزهای دیجیتال
• 4. چرا FastAPI برای API های AI ارزهای دیجیتال؟
• 5. نصب FastAPI
• 6. ساختار پروژه FastAPI
• 7. اولین برنامه FastAPI
• 8. مسیرهای (Routes) در FastAPI
• 9. پارامترهای مسیر (Path Parameters)
• 10. پارامترهای کوئری (Query Parameters)
• 11. پارامترهای بدنه (Body Parameters)
• 12. اعتبارسنجی داده ها با Pydantic
• 13. مدل های Pydantic
• 14. انواع داده در Pydantic
• 15. اعتبارسنجی فیلدها
• 16. اعتبارسنجی سفارشی
• 17. اعتبارسنجی پیشرفته
• 18. مدیریت خطا در FastAPI
• 19. استثناها (Exceptions)
• 20. مدیریت خطاهای سفارشی
• 21. پاسخ های استاندارد
• 22. مستندات خودکار API (Swagger UI)
• 23. مستندات خودکار API (ReDoc)
• 24. پیکربندی مستندات
• 25. احراز هویت (Authentication)
• 26. توکن های JWT
• 27. مدیریت Session
• 28. OAuth2
• 29. مجوزها (Permissions)
• 30. مدیریت وابستگی ها (Dependency Injection)
• 31. مدیریت وابستگی های سفارشی
• 32. مدیریت وابستگی های کلاس
• 33. مدیریت وابستگی های تابع
• 34. ذخیره سازی داده ها (Data Storage)
• 35. پایگاه داده های SQL
• 36. ORM با SQLAlchemy
• 37. اتصال به پایگاه داده PostgreSQL
• 38. اتصال به پایگاه داده MySQL
• 39. اتصال به پایگاه داده SQLite
• 40. پایگاه داده های NoSQL
• 41. MongoDB
• 42. Redis
• 43. ذخیره سازی فایل ها
• 44. مدیریت فایل ها
• 45. آپلود فایل ها
• 46. ساخت API برای داده های تاریخی ارزهای دیجیتال
• 47. واکشی داده های تاریخی
• 48. پردازش داده های تاریخی
• 49. مدل سازی پیش بینی قیمت
• 50. آموزش مدل های یادگیری ماشین
• 51. مدل های سری زمانی (Time Series Models)
• 52. مدل های رگرسیون
• 53. مدل های طبقه بندی
• 54. استفاده از TensorFlow/Keras
• 55. استفاده از PyTorch
• 56. استفاده از Scikit-learn
• 57. ساخت API برای پیش بینی قیمت
• 58. نقطه پایانی (Endpoint) برای پیش بینی
• 59. ورودی های API برای پیش بینی
• 60. خروجی های API برای پیش بینی
• 61. مدیریت مدل های آموزش دیده
• 62. ذخیره و بارگذاری مدل ها
• 63. نسخه بندی مدل ها
• 64. ساخت API برای تحلیل احساسات (Sentiment Analysis)
• 65. واکشی نظرات کاربران
• 66. پردازش متن نظرات
• 67. مدل های تحلیل احساسات
• 68. آموزش مدل های تحلیل احساسات
• 69. استفاده از کتابخانه NLTK
• 70. استفاده از کتابخانه spaCy
• 71. استفاده از کتابخانه transformers
• 72. ساخت API برای تحلیل احساسات
• 73. نقطه پایانی برای تحلیل احساسات
• 74. ورودی های API برای تحلیل احساسات
• 75. خروجی های API برای تحلیل احساسات
• 76. ساخت API برای شناسایی الگوهای نمودار
• 77. الگوهای کلاسیک نمودار
• 78. شناسایی الگوهای فنی
• 79. الگوریتم های شناسایی الگو
• 80. ساخت API برای شناسایی الگوهای نمودار
• 81. نقطه پایانی برای شناسایی الگوها
• 82. ورودی های API برای شناسایی الگوها
• 83. خروجی های API برای شناسایی الگوها
• 84. ساخت API برای معامله خودکار (Automated Trading)
• 85. اتصال به صرافی های ارز دیجیتال
• 86. مدیریت سفارشات (Order Management)
• 87. اجرای استراتژی های معاملاتی
• 88. مدیریت ریسک
• 89. ساخت API برای اجرای معاملات
• 90. نقطه پایانی برای ارسال سفارش
• 91. نقطه پایانی برای لغو سفارش
• 92. نقطه پایانی برای دریافت وضعیت سفارش
• 93. استقرار (Deployment) API
• 94. استقرار با Docker
• 95. استقرار با Gunicorn/Uvicorn
• 96. استقرار بر روی AWS
• 97. استقرار بر روی Google Cloud
• 98. استقرار بر روی Azure
• 99. امنیت API
• 100. جلوگیری از حملات رایج