کتاب صوتی FastAPI و ساخت APIهای AI for the Future of Work

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره FastAPI و ساخت APIهای AI for the Future of Work

موضوع کلی: برنامه نویسی

موضوع میانی: فست ای‌پی‌آی (FastAPI)

📋 سرفصل‌های دوره

• 1. مقدمه دوره و نقشه راه
• 2. API چیست؟ چرا به آن نیاز داریم؟
• 3. معرفی FastAPI: چرا بهترین انتخاب است؟
• 4. مقایسه FastAPI با Flask و Django
• 5. آشنایی با استانداردهای OpenAPI و JSON Schema
• 6. مفاهیم کلیدی: ASGI, Starlette, Pydantic
• 7. آماده‌سازی محیط توسعه: Python, virtualenv, pip
• 8. نصب FastAPI و Uvicorn
• 9. ساخت اولین API: Hello World
• 10. آشنایی با مستندات تعاملی Swagger UI و ReDoc
• 11. Path Operations و متدهای HTTP (GET, POST, PUT, DELETE)
• 12. Path Parameters: تعریف و استفاده
• 13. Query Parameters: پارامترهای اختیاری و اجباری
• 14. تبدیل و اعتبارسنجی خودکار انواع داده
• 15. Pydantic چیست و چرا در FastAPI حیاتی است؟
• 16. Request Body و مدل‌های Pydantic
• 17. دریافت داده‌های JSON با Pydantic
• 18. اعتبارسنجی پیشرفته در Pydantic (Field)
• 19. ترکیب Path, Query و Body parameters
• 20. مدیریت مقادیر Nullable (Optional)
• 21. ارسال و دریافت List‌ها و Nested Models
• 22. استفاده از Union و AnyOf برای مدل‌های پیچیده
• 23. مدیریت خطاها و HTTPException
• 24. سفارشی‌سازی پاسخ‌های خطا
• 25. Response Model: کنترل داده‌های خروجی
• 26. استفاده از `response_model_exclude_unset` و `include/exclude`
• 27. Status Code های مختلف HTTP و کاربرد آنها
• 28. Form Data و دریافت داده از فرم‌های وب
• 29. File Uploads: آپلود یک فایل
• 30. Multiple File Uploads: آپلود چندین فایل
• 31. Dependencies: مفهوم تزریق وابستگی
• 32. ایجاد و استفاده از اولین Dependency
• 33. Dependencies به عنوان کلاس (Classes as Dependencies)
• 34. Dependencies در Path Operation Decorators
• 35. Sub-dependencies: وابستگی‌های تودرتو
• 36. Dependencies سراسری (Global Dependencies)
• 37. ساختاردهی پروژه: معرفی APIRouter
• 38. استفاده از APIRouter برای تقسیم‌بندی منطقی API
• 39. افزودن `prefix` و `tags` به APIRouter
• 40. Middleware: رهگیری Request و Response
• 41. ساخت یک Middleware سفارشی
• 42. CORS (Cross-Origin Resource Sharing) و مدیریت آن
• 43. Background Tasks: اجرای وظایف در پس‌زمینه
• 44. مقدمه‌ای بر پایگاه‌های داده و ORM
• 45. معرفی SQLModel: ترکیب SQLAlchemy و Pydantic
• 46. اتصال به پایگاه داده PostgreSQL/SQLite
• 47. ایجاد مدل‌های پایگاه داده با SQLModel
• 48. عملیات CRUD: ایجاد رکورد (Create)
• 49. عملیات CRUD: خواندن رکورد (Read)
• 50. عملیات CRUD: به‌روزرسانی و حذف (Update & Delete)
• 51. مدیریت Session پایگاه داده با Dependencies
• 52. روابط بین جداول (Relationships) در SQLModel
• 53. مبانی امنیت در APIها
• 54. Hashing رمزهای عبور با Passlib
• 55. مفهوم OAuth2 و جریان "Password Flow"
• 56. پیاده‌سازی لاگین و تولید توکن دسترسی
• 57. JWT (JSON Web Tokens): ساختار و کاربرد
• 58. ایجاد Dependency برای احراز هویت کاربر
• 59. محافظت از Endpoints با احراز هویت
• 60. دریافت اطلاعات کاربر فعلی از توکن
• 61. Scopes (سطوح دسترسی) در OAuth2
• 62. استفاده از API Keys برای احراز هویت
• 63. مفاهیم عمیق‌تر Async/Await در پایتون
• 64. استفاده از `async def` با پایگاه داده
• 65. WebSockets: ارتباط دوطرفه و Real-time
• 66. پیاده‌سازی یک چت سرور ساده با WebSocket
• 67. تست‌نویسی برای APIهای FastAPI با Pytest
• 68. تست کردن Path Operations و Dependencies
• 69. تست کردن ارتباط با پایگاه داده
• 70. Dependency Overrides برای تست‌نویسی
• 71. سفارشی‌سازی پاسخ‌ها: StreamingResponse و FileResponse
• 72. رویدادهای Startup و Shutdown در برنامه
• 73. معماری APIهای مبتنی بر هوش مصنوعی
• 74. ادغام یک مدل ساده Machine Learning (مثلاً Scikit-learn)
• 75. ساخت API برای پیش‌بینی (Prediction Endpoint)
• 76. مدیریت نسخه‌بندی مدل‌های هوش مصنوعی
• 77. مقدمه‌ای بر Hugging Face Transformers
• 78. ساخت API برای تحلیل احساسات متن (Sentiment Analysis)
• 79. ساخت API برای خلاصه‌سازی متن (Text Summarization)
• 80. ساخت API برای تولید متن (Text Generation - GPT-2/GPT-Neo)
• 81. بهینه‌سازی Inference: مدیریت بار روی CPU/GPU
• 82. پردازش وظایف سنگین AI با Background Tasks
• 83. استفاده از Celery با FastAPI برای وظایف طولانی‌مدت
• 84. ساخت API برای پردازش تصویر: طبقه‌بندی تصویر
• 85. دریافت فایل تصویر و پیش‌پردازش آن
• 86. ساخت API برای تشخیص اشیاء در تصویر (Object Detection)
• 87. مقدمه‌ای بر Vector Databases (مثل ChromaDB یا Pinecone)
• 88. ساخت API برای جستجوی معنایی (Semantic Search)
• 89. مفهوم RAG (Retrieval-Augmented Generation)
• 90. پیاده‌سازی یک API ساده RAG برای پرسش و پاسخ از اسناد
• 91. ارسال داده‌های صوتی و ساخت API تبدیل گفتار به متن (Speech-to-Text)
• 92. استریم کردن پاسخ از مدل‌های زبان بزرگ (Streaming Response for LLMs)
• 93. مقدمه‌ای بر Docker و کانتینرسازی
• 94. نوشتن Dockerfile برای برنامه FastAPI
• 95. استفاده از Docker Compose برای توسعه و تولید
• 96. تنظیمات تولید: Gunicorn و Uvicorn Workers
• 97. مفهوم CI/CD و خودکارسازی فرآیندها
• 98. استفاده از GitHub Actions برای تست و بیلد خودکار
• 99. مقدمه‌ای بر استقرار در فضای ابری (Cloud Deployment)
• 100. استقرار برنامه روی یک سرویس PaaS (مثل Render)