توضیحات

آموزش صفر تا صد FastAPI و GenAI در پایتون

نام دوره : FastAPI with GenAI and AgenticAI project – From Basic to AI

پیش‌نیازها

• تسلط پایه بر زبان برنامه‌نویسی پایتون: آشنایی با انواع داده (Data Types)، حلقه‌ها، توابع، و شناخت مقدماتی از دکوراتورها (Decorators) و برنامه‌نویسی ناهمگام (async/await).

• آشنایی با محیط‌های مجازی پایتون (Virtual Environments): توانایی استفاده از ابزارهایی نظیر uv، venv یا ابزارهای مشابه جهت ایزوله نگه داشتن وابستگی‌های پروژه.

• نصب پایتون و یک ویرایشگر کد دلخواه: دسترسی به محیط توسعه مانند VS Code، Cursor، Zed یا Vim بر روی سیستم شخصی.

• بدون نیاز به سابقه قبلی در FastAPI یا فریم‌ورک‌های بک‌اند: تمامی مفاهیم معماری سرور و توسعه API از صفر مطلق و به صورت گام‌به‌گام ساخته می‌شوند.

توضیحات:

چرا بسیاری از آموزش‌های کوتاه و سطحی نمی‌توانند توسعه‌دهندگان را برای چالش‌های واقعی محیط پروداکشن و یکپارچه‌سازی مدل‌های هوش مصنوعی آماده کنند؟

نوشتن چند اندپوینت ساده بدون درک چرخه حیات درخواست و پاسخ (Request-Response Lifecycle)، تزریق وابستگی (Dependency Injection)، جداسازی دغدغه‌ها (Separation of Concerns) و مدیریت رویدادهای چرخه عمر برنامه (Lifespan Events)، در پروژه‌های بزرگ به کدهای شکننده و گلوگاه‌های عملکردی منجر می‌شود. برای تبدیل شدن به یک مهندس بک‌اند حرفه‌ای، باید دقیقاً بدانید در زیر پوست FastAPI چه می‌گذرد و چگونه می‌توان آن را با پایگاه‌های داده رابطه‌ای، مستندمحور و برداری ترکیب کرد.

این دوره عمیق و پروژه‌محور، با رویکردی فراتر از اسکریپت‌های از پیش نوشته‌شده و در قالب انتقال تجربه مستقیم یک توسعه‌دهنده ارشد طراحی شده است. آموزش با کالبدشکافی دقیق نحوه همکاری ASGI، Uvicorn، Starlette و Pydantic آغاز می‌شود و سپس از طریق ساخت پروژه‌های واقعی متعدد ادامه می‌یابد؛ از ساخت سرویس جستجوی کد پستی با اعتبارسنجی‌ها و استثناهای سفارشی، اپلیکیشن‌های مبتنی بر دیتابیس با SQLModel و سیستم احراز هویت مبتنی بر هدر گرفته تا ورود به قلمرو مدرن هوش مصنوعی شامل استریم بلادرنگ با Server-Sent Events، مدیریت اسناد در MongoDB، پایپ‌لاین‌های پردازش تصویر و پیاده‌سازی یک سیستم کامل RAG با وکتور دیتابیس‌ها، همراه با اصول استفاده مهندسی از ابزارهای کدنویسی هوش مصنوعی.

سرفصل‌های تخصصی و مهارت‌های کسب‌شده

• مبانی معماری بک‌اند و لایه‌های زیرین FastAPI:

  • درک فلسفه وجودی FastAPI، استاندارد ارتباطی ASGI و تفاوت آن با معماری سنتی WSGI.

  • کالبدشکافی نحوه تعامل سرور Uvicorn، فریم‌ورک Starlette و کتابخانه Pydantic در چرخه درخواست و پاسخ.

  • طراحی ساختار استاندارد پروژه‌های بزرگ، جداسازی دغدغه‌ها و مدیریت رویدادهای Lifespan.

• ساخت سرویس‌های کاربردی، اعتبارسنجی و مدیریت خطا:

  • پیاده‌سازی پروژه Menu API و سرویس جستجوی کد پستی (Pincode Lookup Service).

  • طراحی مدل‌های دقیق Pydantic، نگارش اعتبارسنج‌های سفارشی (Custom Validators) و مدیریت متمرکز استثناها (Custom Exceptions).

  • پیاده‌سازی فیلترهای چندپارامتری، صفحه‌بندی داده‌ها (Pagination) و سرویس‌های گزارش‌گیری آماری.

• کار با پایگاه‌های داده، تزریق وابستگی و امنیت API:

  • ساخت اپلیکیشن‌های کامل CRUD مبتنی بر پایگاه داده با استفاده از کتابخانه مدرن SQLModel.

  • تسلط عمیق بر سیستم تزریق وابستگی (Dependency Injection) برای مدیریت نشست‌های دیتابیس و احراز هویت.

  • پیاده‌سازی سیستم احراز هویت مبتنی بر هدر (Header-Based Authentication) و ایمن‌سازی اندپوینت‌ها.

• معماری‌های مدرن، داده‌های بدون ساختار و ارتباط بلادرنگ:

  • توسعه اپلیکیشن‌های مستندمحور و مقیاس‌پذیر با ادغام پایگاه داده MongoDB.

  • پیاده‌سازی جریان داده‌های یک‌طرفه بلادرنگ با Server-Sent Events (SSE) مناسب برای نمایش تدریجی پاسخ‌های هوش مصنوعی.

• توسعه سیستم‌های هوش مصنوعی مولد، پردازش تصویر و RAG:

  • ساخت ویژگی‌های مبتنی بر مدل‌های زبانی بزرگ (LLM-Driven Features) و ایجنت‌های هوشمند در اکوسیستم پایتون.

  • طراحی و پیاده‌سازی پایپ‌لاین‌های پردازش تصویر در بک‌اند با کارایی بالا.

  • ساخت یک سیستم جامع Retrieval-Augmented Generation (RAG) آماده پروداکشن با استفاده از پایگاه‌های داده برداری (Vector Databases).

  • آشنایی با روش‌های استاندارد و حرفه‌ای استفاده از ابزارهای کدنویسی هوش مصنوعی در فرآیند توسعه واقعی.

چرا باید در دوره آموزش صفر تا صد FastAPI و GenAI در پایتون شرکت کنید؟

• رویکرد عمیق و پروژه‌محور به جای آموزش‌های سطحی: تمرکز بر ساخت بیش از ۱۰ پروژه واقعی و کاربردی که مستقیماً برای قرارگیری در پورتفولیو و رزومه فنی ارزشمند هستند.

• درک کامل عملکرد داخلی فریم‌ورک: آموزش چرایی سرعت بالای FastAPI و نحوه تعامل اجزای هسته‌ای آن جهت جلوگیری از نگارش کدهای غیراستاندارد.

• پوشش یکپارچه بک‌اند سنتی و هوش مصنوعی مدرن: تلفیق بی‌نقص دیتابیس‌های SQL و NoSQL با استریمینگ SSE، پردازش تصویر و سیستم‌های RAG و ایجنت‌ها.

• انتقال تجربیات واقعی محیط پروداکشن: بررسی نکات کلیدی معماری، ساختاردهی تمیز پروژه و بهره‌گیری اصولی از دستیارهای کدنویسی AI به سبک مهندسان ارشد.

دوره آموزش صفر تا صد FastAPI و GenAI در پایتون برای چه کسانی مناسب است؟

• توسعه‌دهندگان پایتون: برنامه‌نویسانی که قصد دارند با تسلط بر سریع‌ترین و مدرن‌ترین فریم‌ورک پایتون، به مهندسان حرفه‌ای بک‌اند تبدیل شوند.

• متخصصان علم داده و علاقه‌مندان به هوش مصنوعی: افرادی که نیاز دارند مدل‌های خود را سرو کرده و APIهای مقیاس‌پذیر پیرامون LLMها، ایجنت‌ها و اپلیکیشن‌های RAG بسازند.

• دانشجویان و برنامه‌نویسان خودآموز: کسانی که از مثال‌های ساده و تکراری خسته شده‌اند و می‌خواهند پروژه‌های واقعی و آماده استقرار را برای ورود به بازار کار بسازند.