دانلود کتاب Building Data Science Applications with FastAPI: Develop, manage, and deploy efficient machine learning applications with Python (به فارسی: ساخت اپلیکیشن های علوم داده با FastAPI: توسعه، مدیریت و استقرار برنامه های یادگیری ماشینی کارآمد با پایتون) نوشته شده توسط «François Voron»
اطلاعات کتاب ساخت اپلیکیشن های علوم داده با FastAPI: توسعه، مدیریت و استقرار برنامه های یادگیری ماشینی کارآمد با پایتون
موضوع اصلی: کامپیوتر – پایگاه داده
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: François Voron
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 426
حجم فایل: 5.73 مگابایت
کد کتاب: 1801079218 , 9781801079211
توضیحات کتاب ساخت اپلیکیشن های علوم داده با FastAPI: توسعه، مدیریت و استقرار برنامه های یادگیری ماشینی کارآمد با پایتون
با ویژگی‌های FastAPI و بهترین روش‌ها برای آزمایش، نظارت و استقرار برای اجرای برنامه‌های علمی داده با کیفیت بالا و قوی آشنا شوید
ویژگی‌های کلیدی
- جلد مفاهیم چارچوب FastAPI، از جمله جنبه های مربوط به برنامه نویسی ناهمزمان، اشاره به نوع، و تزریق وابستگی
- ایجاد API های کارآمد RESTful برای علم داده با پایتون مدرن
- ساخت، آزمایش و استقرار سیستم‌های علم داده و یادگیری ماشین با کارایی بالا با FastAPI
شرح کتاب
FastAPI یک چارچوب وب برای ساخت API با پایتون 3.6 و نسخه‌های بعدی آن بر اساس نکات استاندارد نوع پایتون است. با این کتاب، می‌توانید با استفاده از مثال‌های عملی، پشتیبان‌های API علم داده سریع و قابل اعتماد ایجاد کنید.
این کتاب با اصول چارچوب FastAPI و مفاهیم زبان برنامه‌نویسی مدرن پایتون مرتبط شروع می‌شود. شما از تمام جنبه‌های این چارچوب، از جمله سیستم تزریق وابستگی قدرتمند آن و نحوه استفاده از آن برای برقراری ارتباط با پایگاه‌های داده، پیاده‌سازی احراز هویت و یکپارچه‌سازی مدل‌های یادگیری ماشین مطلع خواهید شد. 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 پیاده‌سازی 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، نه تنها یاد خواهید گرفت که چگونه پایتون را در پروژه‌های علم داده پیاده‌سازی کنید، اما همچنین نحوه نگهداری و طراحی آنها برای برآورده کردن استانداردهای برنامه‌نویسی بالا با کمک FastAPI.
آنچه یاد خواهید گرفت
- مبانی پایتون مدرن و ورودی/خروجی غیرهمگام را کاوش کنید. برنامه نویسی
- با مفاهیم اولیه و پیشرفته چارچوب FastAPI آشنا شوید
- اجرای وابستگی FastAPI برای اجرای موثر مدل یادگیری ماشین
- ادغام یک تشخیص چهره ساده الگوریتم در پشتیبان FastAPI
- ادغام کتابخانه‌های رایج علوم داده پایتون در پشتیبان وب
- استقرار یک پشتیبان وب کارآمد و قابل اعتماد برای یک برنامه علمی داده
Who این کتاب برای
این کتاب علوم داده پایتون برای دانشمندان داده و توسعه دهندگان نرم افزار است که علاقه مند به کسب دانش FastAPI و اکوسیستم آن برای ساختن هستند. کاربردهای علم داده دانش اولیه علوم داده و مفاهیم یادگیری ماشین و نحوه به کارگیری آنها در پایتون توصیه می شود.
فهرست محتوا
- راه اندازی محیط توسعه پایتون
- ویژگی های برنامه نویسی پایتون
- توسعه API RESTful با FastAPI
- مدیریت مدل‌های داده pydantic در FastAPI
- تزریق وابستگی در FastAPI
- پایگاه‌های داده و ORMهای ناهمزمان
- مدیریت احراز هویت و امنیت در FastAPI
- تعریف سوکت های وب برای ارتباطات تعاملی دو طرفه در FastAPI
- تست یک API به صورت ناهمزمان با pytest و HTTPX
- استقرار یک پروژه FastAPI
- مقدمه ای بر NumPy و پانداها
- آموزش مدل های یادگیری ماشین با scikit-learn
- ایجاد یک نقطه پایانی API پیش بینی کارآمد با FastAPI
- پیاده سازی سیستم تشخیص چهره بلادرنگ با استفاده از WebSocket با FastAPI و OpenCV
Get well-versed with FastAPI features and best practices for testing, monitoring, and deployment to run high-quality and robust data science applications
Key Features
- Cover the concepts of the FastAPI framework, including aspects relating to asynchronous programming, type hinting, and dependency injection
- Develop efficient RESTful APIs for data science with modern Python
- Build, test, and deploy high performing data science and machine learning systems with FastAPI
Book Description
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 language concepts. You’ll 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’ll 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.
What you will learn
- Explore the basics of modern Python and async I/O programming
- Get to grips with basic and advanced concepts of the FastAPI framework
- Implement a FastAPI dependency to efficiently run a machine learning model
- Integrate a simple face detection algorithm in a FastAPI backend
- Integrate common Python data science libraries in a web backend
- Deploy a performant and reliable web backend for a data science application
Who this book is for
This Python data science 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.
Table of Contents
- Python Development Environment Setup
- Python Programming Specificities
- Developing RESTful API with FastAPI
- Managing pydantic Data Models in FastAPI
- Dependency Injections in FastAPI
- Databases and Asynchronous ORMs
- Managing Authentication and Security in FastAPI
- Defining WebSockets for Two-Way Interactive Communication in FastAPI
- Testing an API Asynchronously with pytest and HTTPX
- Deploying a FastAPI Project
- Introduction to NumPy and Pandas
- Training Machine Learning Models with scikit-learn
- Creating an Efficient Prediction API Endpoint with FastAPI
- Implement a Real-Time Face Detection System Using WebSockets with FastAPI and OpenCV
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.