کتاب FastAPI و ساخت APIهای AI for Sustainable Development Goals (SDGs) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره FastAPI و ساخت APIهای AI for Sustainable Development Goals (SDGs)

موضوع کلی: برنامه نویسی

موضوع میانی: فست ای‌پی‌آی (FastAPI)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر توسعه پایدار و اهداف جهانی
  • 2. آشنایی با مفاهیم توسعه پایدار
  • 3. نقش فناوری در دستیابی به اهداف توسعه پایدار
  • 4. معرفی چارچوب اهداف توسعه پایدار (SDGs)
  • 5. مروری بر اهداف توسعه پایدار سازمان ملل متحد
  • 6. اصول کلیدی توسعه پایدار
  • 7. کاربرد هوش مصنوعی در تحلیل داده‌های توسعه پایدار
  • 8. معماری سیستم‌های AI برای توسعه پایدار
  • 9. مقدمه‌ای بر فریم‌ورک FastAPI
  • 10. ویژگی‌های کلیدی FastAPI
  • 11. نصب و راه‌اندازی FastAPI
  • 12. ساخت اولین API با FastAPI
  • 13. اصول طراحی APIهای RESTful
  • 14. مدیریت درخواست‌ها و پاسخ‌ها در FastAPI
  • 15. اعتبارسنجی داده‌ها با Pydantic
  • 16. انواع داده‌ها و مدل‌سازی با Pydantic
  • 17. کار با انواع داده‌های پیشرفته در Pydantic
  • 18. مدیریت خطا و استثناها در FastAPI
  • 19. لاگ‌گیری و پایش APIها
  • 20. امنیت APIها در FastAPI
  • 21. احراز هویت و مجوزدهی در FastAPI
  • 22. استفاده از OAuth2 برای امنیت API
  • 23. مستندسازی خودکار API با Swagger UI و ReDoc
  • 24. تست APIهای FastAPI
  • 25. اصول تست واحد (Unit Testing)
  • 26. استفاده از pytest برای تست APIها
  • 27. تست یکپارچه‌سازی (Integration Testing)
  • 28. مدیریت پایگاه داده در FastAPI
  • 29. کار با پایگاه‌های داده رابطه‌ای (SQL)
  • 30. استفاده از SQLAlchemy با FastAPI
  • 31. مدیریت تراکنش‌ها در پایگاه داده
  • 32. کار با پایگاه‌های داده NoSQL
  • 33. استفاده از MongoDB با FastAPI
  • 34. مدل‌سازی داده‌ها برای NoSQL
  • 35. مقدمه‌ای بر یادگیری ماشین
  • 36. مفاهیم کلیدی یادگیری ماشین
  • 37. انواع الگوریتم‌های یادگیری ماشین
  • 38. یادگیری با نظارت (Supervised Learning)
  • 39. یادگیری بدون نظارت (Unsupervised Learning)
  • 40. یادگیری تقویتی (Reinforcement Learning)
  • 41. کاربرد یادگیری ماشین در توسعه پایدار
  • 42. تحلیل داده‌های شهری و هوشمندسازی
  • 43. بهینه‌سازی مصرف انرژی با AI
  • 44. مدیریت منابع آب با AI
  • 45. کشاورزی پایدار و هوشمند
  • 46. پیش‌بینی بلایای طبیعی با AI
  • 47. مدیریت پسماند و بازیافت با AI
  • 48. APIهای مرتبط با بهداشت و درمان پایدار
  • 49. APIهای مرتبط با آموزش با کیفیت
  • 50. APIهای مرتبط با برابری جنسیتی
  • 51. APIهای مرتبط با آب پاک و بهداشت
  • 52. APIهای مرتبط با انرژی پاک و مقرون به صرفه
  • 53. APIهای مرتبط با کار شایسته و رشد اقتصادی
  • 54. APIهای مرتبط با صنعت، نوآوری و زیرساخت
  • 55. APIهای مرتبط با کاهش نابرابری‌ها
  • 56. APIهای مرتبط با شهرها و جوامع پایدار
  • 57. APIهای مرتبط با مصرف و تولید مسئولانه
  • 58. APIهای مرتبط با اقدام اقلیمی
  • 59. APIهای مرتبط با حیات زیر آب
  • 60. APIهای مرتبط با حیات روی زمین
  • 61. APIهای مرتبط با صلح، عدالت و موسسات قوی
  • 62. APIهای مرتبط با مشارکت برای اهداف
  • 63. پیاده‌سازی مدل‌های یادگیری ماشین در FastAPI
  • 64. آماده‌سازی داده‌ها برای مدل‌های AI
  • 65. آموزش مدل‌های یادگیری ماشین
  • 66. ارزیابی عملکرد مدل‌های AI
  • 67. تنظیم ابرپارامترهای مدل‌ها
  • 68. استقرار مدل‌های AI به عنوان API
  • 69. استفاده از کتابخانه‌های AI محبوب (Scikit-learn, TensorFlow, PyTorch)
  • 70. ادغام مدل‌های TensorFlow با FastAPI
  • 71. ادغام مدل‌های PyTorch با FastAPI
  • 72. ساخت APIهای پردازش زبان طبیعی (NLP)
  • 73. تحلیل احساسات برای پایش افکار عمومی
  • 74. خلاصه‌سازی متون مرتبط با توسعه پایدار
  • 75. ترجمه ماشینی برای اهداف جهانی
  • 76. APIهای بینایی ماشین (Computer Vision)
  • 77. تشخیص آلودگی با استفاده از تصاویر
  • 78. تحلیل تصاویر ماهواره‌ای برای پایش محیط زیست
  • 79. شناسایی الگوهای مصرف با استفاده از بینایی ماشین
  • 80. مقدمه‌ای بر معماری میکروسرویس
  • 81. مزایا و معایب میکروسرویس‌ها
  • 82. طراحی APIهای مستقل و قابل مقیاس
  • 83. ارتباط بین میکروسرویس‌ها
  • 84. استفاده از صف پیام (Message Queues)
  • 85. مدیریت وضعیت توزیع شده
  • 86. استقرار APIها در محیط‌های ابری
  • 87. مقدمه‌ای بر Docker و کانتینرسازی
  • 88. ساخت Dockerfile برای برنامه‌های FastAPI
  • 89. استفاده از Docker Compose برای مدیریت سرویس‌ها
  • 90. استقرار برنامه‌های FastAPI در Kubernetes
  • 91. پایش و مدیریت برنامه‌های در حال اجرا
  • 92. اصول DevOps برای توسعه پایدار
  • 93. استراتژی‌های CI/CD
  • 94. خودکارسازی فرآیندهای استقرار
  • 95. مدیریت چرخه عمر API
  • 96. بهینه‌سازی عملکرد APIها
  • 97. کاهش زمان پاسخ‌دهی
  • 98. مدیریت منابع سرور
  • 99. اصول امنیت سایبری در APIهای AI
  • 100. محافظت در برابر حملات متداول
تگ‌ها: AI API FastAPI Python SDG اهداف توسعه پایدار برنامه نویسی پایتون توسعه پایدار ساخت API هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.