دوره ی جامع FastAPI

3,399,000 تومان

8 فصل

مدرک اتمام دوره

پشتیبانی دائمی

FastAPI چیست؟

FastAPI یک فریم ورک توسعه ی Back-End مدرن، سریع و کم مصرف پایتونیه که مبتنی بر انواع داده های پایتون کار می کنه!

از پایتون تا برنامه نویسی وب

پایتون پرطرفدارترین زبان برنامه نویسی و پرکاربرد ترین زبان برنامه نویسی دنیاست و در کنار این مسئله اصولی به نام Zen رو رعایت میکنه که باعث میشه برنامه های پایتونی خوانا تر و بهتر از بقیه زبان های برنامه نویسی باشن. همچنین پایتون به عنوان یک زبان برنامه نویسی سطح بالا، ساده ترین روند یادگیری رو داره! پایتون یک زبان برنامه نویسی قدرتمنده و برنامه نویسی پایتون کار ساده ای نیست؛ ولی ساده میشه یادش گرفت!

حالا کنار همه ی این موارد! فرض کنید یک برنامه نویس پایتون هستید و میخواید یه برنامه ی Back-End بنویسید! آیا بهتر نبود که به جای یاد گرفتن یک زبان برنامه نویسی دیگه با خود پایتون برنامه ی بک اند رو می نوشتید؟

بله بهتر بود!

این مسئله باعث پیدایش کلی فریم ورک و کتابخونه برای زبان برنامه نویسی پایتون شد و اکثر این کتابخونه ها و فریم ورک ها به جز Djangoو Flask منسوخ شدن! Django یک فریم ورک بی نظیر بود و هست و هر روز هم از روز قبل بهتر میشه اما بیشتر مناسب پروژه های بزرگه تا کارای کوچیک و میکروسرویس ها! Flask هم با اینکه مناسب کارای کوچیک تر بود اما سرعت اصلا خوبی نداشت و نمیتونست درخواست های مختلف رو هم زمان بررسی کنه و پاسخ بده و ساختارش اجازه پیش اومدن انواع مشکلات مختلف رو میداد! پس توسعه دهنده های پایتون رسما حق نداشتن تا میکروسرویس توسعه بدن و اگر Django مناسب یک بخش پروژه نبود، پروژه با هر زبان دیگه ای به غیر از پایتون نوشته میشد!

از سیبیل تا تلسکوپ فضایی جیمز وب و Chat GPT

مشکلات بالا وجود داشت تا یه آقای مهربونی به نام سباستین رمیرز یه فریم ورک جدید نوشت!

Captains_Headshot_Resize_Sebastian-Ramirez_600x600_v1

اسم این فریم ورک رو FastAPI گذاشت و بدون هیچ چشم داشتی، شروع به توسعه ی این فریم ورک کرد! این فریم ورک روی یک پروژه ی پایتونی دیگه به اسم Starlette بنا شده بود ولی از اونجایی که Starlette یک مقداری پیچیده و سخت بود باعث شد که موفق نشه اما FastAPI سریع، قابل اطمینان و ساده بود.

الآن اما خیلی از روزهای ابتدایی FastAPI گذشته و این فریم ورک در بخش هایی از برنامه ی ارتباطی و دریافت تصویر تلسکوپ مشهور جیمز وب و ChatGPT استفاده میشه!

از Django تا FastAPI

از زمان معرفی FastAPI ، فریم ورک Django هم بیکار ننشسته و خیلی ویژگی های مهم و اساسی بهش اضافه شده اما با توجه به بزرگتر بودن هسته ی Django توسعه دهنده ها از جنگو برای بعضی از میکروسرویس ها استفاده نمی کنن و ترجیح میدن این کار رو با FastAPI انجام بدن! ضمنا از اونجایی که FastAPI در اختیار پایتون عمل میکنه و بر عکس جنگو که پایتون رو به خدمت گرفته توسعه پیدا میکنه، بهمون اجازه میده تا از هر ابزار پایتونی ای که دوست داریم استفاده کنیم تا اینکه به فکر جاگذاری اون توی قالب جنگو باشیم!

از Flask تا FastAPI

فریم ورک Flask در کمال سادگی به خاطر عدم رعایت هیچ اصولی کابوس توسعه دهنده ها بود و همچنین با اینکه از Django سبک تر بود، سرعت و عملکرد خیلی خیلی بدتری داشت! در واقع FastAPI میخ آخری بود که روی تابوت Flask کوبیده شد و تمام مشکلات Flask رو رفع کرد و کاملا جای این فریم ورک رو توی صنعت گرفت و بعد شروع کرد به گرفتن سهم NodeJS و PHP و GO.

ویژگی های FASTAPI

ویژگی های کلیدی FastAPI:

سرعت: سریع تر از NodeJS و Go
سریع تر نوشتن کد: 2 تا 3 برابر سریع تر میتوانید ویژگی های مختلف را نسبت به هر زبان و فریم ورک دیگری به برنامه ی خود اضافه کنید.
باگ های کمتر: احتمال خطای انسانی حدود 40% کاهش یافته است.
قابل درک: زمان دیباگ برنامه با سادگی استفاده و پشتیبانی کد ادیتورها به حداقل رسیده است.
ساده: این فریم ورک ایجاد شده که ساده، خوانا و قابل فهم باشد.
کوتاه: برنامه های کوتاه و ساده را به سرعت بنویسید.
قدرتمند: داکیومنتیشن برنامه ی شما به صورت خودکار تولید می شود! پس برنامه را بنویسید و به سرعت تست و دیپلوی کنید!
مبتنی بر استاندارد ها: این فریم ورک مبتنی بر استانداردهای OpenAPI و JSON Schema توسعه داده شده است.

دیگر چه چیزهایی در این دوره وجود دارد؟

دوره ی جامع FastAPI بیشتر از یک آموزش FastAPI است. در این دوره شما علاوه بر یادگیری عمیق و کاربردی FastAPI کار با دیتابیس های مختلفی را می آموزید و با مفاهیم بسیار مهم برنامه نویسی بک اند آشنا می شوید. همچنین بعضی از ابزار قدیمی تر FastAPI را با جایگزین های مدرن تر و بهتر عوض می کنیم و پس گذراندن این دوره شما به یکی از بهترین متخصصین FastAPI در دنیا تبدیل می شوید.

این دوره مناسب چه کسانی است؟

باید حداقل 4 گیگابایت رم داشته باشید و پردازنده شما از قابلیت مجازی سازی پشتیبانی کند!
باید با زبان برنامه نویسی پایتون و شی گرایی در این زبان آشنا باشید.(فصل 5 ام دوره ی کارگاه پایتون)
همچنین بهتر است با کتابخانه های استاندارد پایتون(فصل 6) و مفاهیم Typing در زبان پایتون(فصل 14) آشنا باشید تا بتوانید سریع تر با دوره ارتباط برقرار کنید.
در این دوره از داکر نیز استفاده خواهیم کرد، البته نیازی به یادگیری داکر به صورت دقیق وجود ندارد اما یادگیری داکر میتواند در آینده ی حرفه ای شما تاثیر بسزایی داشته باشد.

فصل های دوره

1- معرفی دوره
2- قراردادها و کلمات تخصصی
3- دسترسی به پشتیبانی
4- محیط جدید توسعه (آپدیت)
5- Poetry و UV
6- اگر برای یادگیری عجله دارید

1- معرفی فصل
2- پیش نیاز این فصل(آپدیت Poetry)
3- شروع کار با گیت
4- نصب گیت
5- دستورات مقدماتی گیت
6- برنچ های گیت
7- ایجاد محیط های ایزوله برای توسعه
8- ارتباط با محیط مجازی
9- فعال و غیرفعال کردن محیط مجازی
10- راه اندازی داکر
11- Dockerfile
12- یک اپلیکیشن ساده با FastAPI (آپدیت با Poetry)
13- بروزرسانی هسته‌ی پایتون و پکیج‌های خارجی
14- خلاصه این فصل

1- Routing
2- پیش نیاز این بخش
3- مفهوم Routing در FastAPI
4- Routing ساده در FastAPI
5- APIRouter
6- Validation با Pydantic
7- Nested Models
8- Path parameters
9- پارامتر های Query
10- دیتای درخواست ها - Request Body
11- FastAPI Automatic Docs
12- Swagger
13- ReDoc
14- تکمیل CRUD
15- خلاصه Routing
16- Reponse و Error Handling
17- پیش نیاز این بخش
18- Response
19- Response Header
20- Response body
21- Status Code
22- Response model
23- Error handling
24- خلاصه این بخش
25- Templating
26- پیش نیاز این بخش
27- Jinja
28- Jinja Filters
29- if در Jinja
30- loops در Jinja
31- Macros در Jinja
32- Jinja در FastAPI
33- خلاصه این بخش

1- معرفی فصل
2- پیش نیاز این فصل
3- ساختار اپلیکیشن های FastAPI
4- پایه‌ی برنامه‌ی Planner
5- پیاده‌سازی modelها
6- پیاده‌سازی routeها
7- User routes
8- Events routes
9- خلاصه فصل

1- Database
2- پیش نیاز این بخش
3- SQLModel
4- Tables
5- Rows
6- Sessions
7- ساخت database
8- Create
9- Read
10- Update
11- Delete
12- اتصال به MongoDB
13- Document
14- تنظیم و اتصال به database
15- شروع ساخت CRUD
16- Create
17- Read
18- Update
19- Delete
20- Event routes و دیباگ اتصال به Database
21- Users Routes
22- خلاصه این بخش
23- Authentication
24- پیش نیاز این بخش
25- متدهای مرسوم Authentication
26- Dependency injection
27- ساخت و استفاده از dependency
28- OAuth2 و JWT
29- Hash کردن پسوردها
30- ساخت و Verify کردن access token
31- user authentication dependency
32- user sign-in
33- event authorization
34- event document و آپدیت نهایی
35- CORS
36- خلاصه این بخش
37- Testing
38- پیش نیاز این بخش
39- Unit test با pytest
40- pytest fixtures
41- test environment
42- تست sign-up
43- تست sign-in
44- تست CRUD
45- تست Read
46- تست CREATE
47- تست UPDATE
48- تست DELETE
49- Coverage Test
50- خلاصه این بخش
51- Deployment و Worker و Load Test

1- معرفی فصل
2- پیش نیاز این فصل
3- راه‌اندازی محیط توسعه و نصب پکیج‌ها
4- configuration
5- Representation State Transfer (REST) API
6- request و response
7- Parameter types
8- Path parameters
9- Query parameter
10- Default parameter
11- Optional parameter
12- ترکیب parameter ها
13- Request body
14- Request header
15- Response data
16- form parameters
17- cookies
18- خلاصه‌ی این فصل

1- معرفی فصل
2- پیش نیاز این فصل
3- Structuring و مرتب کردن پروژه‌ی بزرگ
4- پیاده‌سازی سرویس‌های API
5- بکارگیری componentهای یک module
6- main.py
7- exception
8- single status code
9- Multiple status codes
10- HTTPException
11- user-defined HTTPException
12- بازنویسی handler پیش‌فرض
13- تبدیل object به دیتای JSON-compatible
14- API response
15- BackgroundTasks
16- asynchronous path operation
17- middleware
18- خلاصه این فصل

1- معرفی فصل
2- پیش نیاز این فصل
3- IoC/DI
4- dependency function
5- callable class DI
6- nested dependency
7- dependency caching
8- Depends parameter type
9- asynchronous dependency
10- DI design patterns
11- service DI
12- path operator DI
13- router DI
14- اینجکت دپندنسی روی خود فایل main.py
15- قسمت بندی و مرتب سازی یک پروژه بر اساس دپندنسی های موجود
16- لایه مدل
17- لایه ریپازیتوری (repository)
18- فکتوری متد های ریپازیتوری
19- لایه سرویس
20- REST API و لایه سرویس
21- ساختار اصلی پروژه
22- استفاده از کانتینر های خارجی یا third-party
23- استفاده از کانتینر های قابل تنظیم - ابزار Dependency Injector
24- استفاده از کانتینر های ساده - ابزار Lagom
25- استفاده از Lagom در FastAPI
26- اسکوپ قسمت هایی که به دپندنسی نیاز دارن
27- خلاصه این فصل