- عنوان کتاب: Building Data Science Applications with FastAPI
- نویسنده: François Voron
- حوزه: برنامه نویسی پایتون
- سال انتشار: 2023
- تعداد صفحه: 423
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 4.63 مگابایت
FastAPI یک چارچوب وب برای ساخت API با پایتون 3.6 و نسخه های بعدی آن بر اساس نکات استاندارد نوع پایتون است. با استفاده از این کتاب، میتوانید با استفاده از مثالهای عملی، پشتیبانهای API علم داده سریع و قابل اعتماد ایجاد کنید. این کتاب با اصول اولیه چارچوب FastAPI و مفاهیم برنامه نویسی مدرن پایتون مرتبط شروع می شود. سپس با تمام جنبههای چارچوب آشنا میشوید، از جمله سیستم تزریق وابستگی قدرتمند آن و نحوه استفاده از آن برای برقراری ارتباط با پایگاههای داده، پیادهسازی احراز هویت و ادغام مدلهای یادگیری ماشین. بعداً، بهترین روشهای مربوط به آزمایش و استقرار را برای اجرای یک برنامه کاربردی با کیفیت بالا و قوی پوشش خواهید داد. همچنین با اکوسیستم گسترده بسته های علم داده پایتون آشنا خواهید شد. همانطور که پیشرفت می کنید، یاد خواهید گرفت که چگونه با استفاده از FastAPI برنامه های علوم داده در پایتون بسازید. این کتاب همچنین نشان می دهد که چگونه می توان باطن های پیش بینی یادگیری ماشین سریع و کارآمد را توسعه داد و آنها را برای دستیابی به بهترین عملکرد آزمایش کرد. در نهایت، نحوه پیاده سازی یک سیستم تشخیص چهره در زمان واقعی را با استفاده از WebSockets و یک مرورگر وب به عنوان مشتری خواهید دید. در پایان این کتاب FastAPI، شما نه تنها نحوه پیادهسازی Python در پروژههای علم داده، بلکه نحوه نگهداری و طراحی آنها را برای برآورده کردن استانداردهای برنامهنویسی بالا با کمک FastAPI یاد خواهید گرفت. این کتاب برای دانشمندان داده و توسعه دهندگان نرم افزار است که علاقه مند به کسب دانش FastAPI و اکوسیستم آن برای ساخت برنامه های کاربردی علم داده هستند. دانش اولیه علوم داده و مفاهیم یادگیری ماشین و نحوه به کارگیری آنها در پایتون توصیه می شود.
FastAPI is a web framework for building APIs with Python 3.6 and its later versions based on standard Python type hints. With this book, you’ll be able to create fast and reliable data science API backends using practical examples. This book starts with the basics of the FastAPI framework and associated modern Python programming concepts. You’ll then be taken through all the aspects of the framework, including its powerful dependency injection system and how you can use it to communicate with databases, implement authentication, and integrate machine learning models. Later, you will cover best practices relating to testing and deployment to run a high-quality and robust application. You’ll also be introduced to the extensive ecosystem of Python data science packages. As you progress, you’ll learn how to build data science applications in Python using FastAPI. The book also demonstrates how to develop fast and efficient machine learning prediction backends and test them to achieve the best performance. Finally, you’ll see how to implement a real-time face detection system using WebSockets and a web browser as a client. By the end of this FastAPI book, you’ll have not only learned how to implement Python in data science projects but also how to maintain and design them to meet high programming standards with the help of FastAPI. This book is for data scientists and software developers interested in gaining knowledge of FastAPI and its ecosystem to build data science applications. Basic knowledge of data science and machine learning concepts and how to apply them in Python is recommended.
این کتاب را میتوانید بصورت رایگان از لینک زیر دانلود نمایید.
نظرات کاربران