یادگیری Pydantic - اعتبارسنجی پیشرفته داده در پایتون

آنچه یاد خواهید گرفت:

• کسب درک عمیق‌تری از Pydantic و نحوه‌ استفاده از آن
• تمرین در تعریف مدل‌های داده‌ Pydantic با استفاده از type hints، اعتبارسنجی‌های سفارشی و پیکربندی تیونینگ دقیق
• یاد می‌گیرید چگونه مدل‌های داده‌ پیچیده، وابسته و تودرتو را با Pydantic تعریف کنید.
• سریال‌سازی نمونه‌های مدل به فرمت جی‌سان و سریال‌زدایی داده‌ ورودی
• تمرین استفاده از Pydantic در کانتکس ساخت و استقرار API وب پایتون واقعی
• تسلط به مفاهیم مرتبط با توسعه اپلیکیشن مدرن پایتون، مانند مدیریت وابستگی‌ها و کنترل نسخه 

توضیحات دوره

به بهترین منبع آنلاین برای یادگیری Pydantic مدرن خوش آمدید، کتابخانه اعتبارسنجی داده که کامیونیتی پایتون را تحت تأثیر قرار داده است.

Pydantic اولین بار در سال 2018 منتشر شد و از آن زمان به یکی از محبوب‌ترین کتابخانه‌های پایتون تبدیل شده است. امروزه بیش از 130 میلیون بار در ماه دانلود می‌شود و توسط برخی از بزرگ‌ترین سازمان‌ها از جمله غول‌های فناوری مانند گوگل، آمازون، اپل، متا و نتفلیکس و همچنین شرکت‌های بزرگ در صنایع مختلف نظیر استارباکس و JPMorgan Chase استفاده می‌شود. بله، حتی ناسا نیز از آن بهره می‌برد.

دلیل خوبی برای این موضوع وجود دارد. Pydantic، کتابخانه قدرتمند است که به‌ طوری زیبا یک مشکل بسیار رایج در توسعه نرم‌افزار، یعنی اعتبارسنجی داده‌ را حل می‌کند.

سرعت، سینتکس اعلامی ساده و گسترش‌پذیری Pydantic، آن را به یک ابزار ضروری در توسعه پایتون مدرن تبدیل کرده است.

در این دوره، همه مواردی که نیاز دارید تا با Pydantic شروع به کار کنید، از ابتدایی‌ترین مفاهیم تعریف مدل‌های داده تا مباحث پیشرفته‌تر مانند فیلدهای با پیش‌فرض فکتوری، ایجاد اعتبارسنجی‌های سفارشی برای مدل‌ها، سریال‌سازی داده و بسیاری موارد دیگر را یاد خواهید گرفت.

بخش اول دوره به‌ طور خالص مربوط به Pydantic خواهد بود، جایی که آن را به‌ صورت مستقل بررسی خواهیم کرد.

شما موارد زیر را یاد خواهید گرفت:

• چگونه مدل‌های داده را با Pydantic تعریف کنید؟
• چگونه مدل‌های پیچیده‌تر را از مدل‌های ساده‌تر از طریق وراثت ترکیب کنید؟
• اصول type hinting در پایتون، شامل enumerations، لیترال‌ها و دیگر تایپ‌های پیشرفته
• چگونه از سیستم اعتبارسنجی قدرتمند Pydantic استفاده کنید؟
• چگونه داده‌ را سریال‌سازی و سریال‌زدایی کنید؟
• چگونه مدل‌ها را در اسکیماها استخراج کنید؟
• چگونه داده‌ را در برابر مدل‌های Pydantic اعتبارسنجی کنید؟

سپس در بخش دوم دوره به پروژه Capstone خواهیم پرداخت، جایی که از Pydantic استفاده خواهیم کرد تا API وب پایتون را توسعه داده و مستقر کنیم که به کاربران اجازه می‌دهد نظرسنجی‌ها را ایجاد کنند. این اپلیکیشن از Redis به‌عنوان دیتااستور کلید-مقدار پایدار ما استفاده کرده و به‌ عنوان تابع بدون سرور در تولید مستقر خواهد شد.

پروژه Capstone به‌ طور گام‌به‌گام توسعه داده می‌شود، با حدود 30 چالش مهارتی، جایی که از شما خواسته می‌شود ویژگی‌های کوچکی را به تدریج پیاده‌ کنید. این پروژه فرصتی برای تمرین آموخته‌های اولیه شما در دوره خواهد بود و شما همچنین موارد زیر را در اختیار خواهید داشت:

• کسب احساس عملی از نحوه استفاده از Pydantic در اپلیکیشن‌های واقعی
• یادگیری درباره توسعه API مدرن با پایتون 
• درک اینکه Redis چیست و چگونه می‌توان از آن به‌ عنوان دیتااستور پایدار استفاده کرد.
• یادگیری درباره محیط‌های مجازی و مدیریت وابستگی‌ها در پایتون
• تمرین استفاده از گیت و گیت‌هاب
• یادگیری مبانی رایانش بدون سرور با استقرار API به‌ عنوان تابع بدون سرور 

این دوره از آخرین نسخه Pydantic استفاده خواهد کرد که از قدرت Rust برای دستیابی به عملکرد سریع استفاده می‌کند.

همچنین، اگر در پایتون تازه‌کار هستید یا مدتی است که از این زبان استفاده نکرده‌اید، یک دوره فشرده و کامل برای یادگیری پایتون به‌ عنوان پیوست اضافی در نظر گرفته شده است که به سرعت شما را به جریان خواهد انداخت.

این دوره برای چه کسانی مناسب است؟

• کسی که به یادگیری Pydantic علاقه‌مند است.