آموزش Pydantic نسخه 2 - مباحث ضروری
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد مدلهای پیشرفته Pydantic نسخه 2
- اعتبارسنجها و سریالسازهای سفارشی
- استفاده از تایپهای حاشیهنویسی شده با Pydantic
- Aliases، ویژگیها و فیلدهای محاسباتی
- اپلیکیشنهای Pydantic، از جمله اعتبارسنجی آرگومانهای تابع پایتون
توضیحات دوره
این یک دوره آموزشی در سطح پیشرفته درباره استفاده از کتابخانه Pydantic نسخه 2 است. این دوره برای مبتدیان مناسب نیست.
ما سالها با Pydantic (از نسخه 1) کار کردهایم و از آن تجربه برای ارائه دورهای استفاده میکنیم که روی اجزای ضروری Pydantic که برای استفاده حرفهای، موثر و استفاده از پتانسیل کامل آن باید بدانید، تمرکز دارد.
Pydantic یک فریمورک بسیار انعطافپذیر برای مدلسازی، اعتبارسنجی و تجزیه داده در پایتون ارائه میدهد.
اگرچه Pydantic اغلب با فریمورکهایی مانند FastAPI مرتبط است، اما کاربردهای آن، از مدلسازی و اعتبارسنجی داده در پایگاه دادهها (مانند Redis ،DynamoDB و Clickhouse)، صفها (مانند SQS ،ElasticMQ و RabbitMQ) و حتی فایلهای CSV، تا ارائه اعتبارسنجی آرگومانها برای توابع سفارشی پایتون شما، خیلی گستردهتر از توسعه REST API است.
Pydantic، فریمورک مدلسازی داده است که باید در جعبه ابزار هر توسعهدهنده جدی پایتون وجود داشته باشد، زیرا انعطافپذیر، سریع و آسان برای فهم است.
هر زمان که یک پروژه پایتون داشته باشید که حاوی مقدار قابل توجهی از اعتبارسنجی و مدلسازی داده به کلاسهای پایتون باشد، میتوانید بهطور موثر از Pydantic استفاده کنید.
شما میتوانید Pydantic را به نوعی شبیه به کلاسهای داده پایتون تصور کنید، اما همراه با یک لایه اعتبارسنجی داده پیشرفته و انعطافپذیر و همچنین توانایی آسان برای سریالزدایی (بارگذاری) و سریالسازی (خروجی) کلاسهای پایتون و Pydantic به دیکشنریهای ساده و جیسان میباشد. درست مانند کلاسهای داده، Pydantic از قابلیتهای type hinting پایتون برای تعریف مدلهای داده استفاده میکند، اما سپس قابلیتهای اعتبارسنجی و سریالسازی و سریالزدایی را اضافه میکند که همه بهطور کامل قابل سفارشیسازی هستند.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان باتجربه پایتون که میخواهند اجزای ضروری Pydantic را بهطور عمیق بیاموزند.
- این دوره آخرین نسخه Pydantic نسخه 2.x (نه نسخه 1.x) را پوشش میدهد.
آموزش Pydantic نسخه 2 - مباحث ضروری
-
اهداف و پیشنیازهای دوره 12:08
-
بررسی برنامه درسی دوره 09:48
-
استفاده از مخزن گیتهاب همراه 04:14
-
مقدمه 14:30
-
ایجاد مدل Pydantic 10:50
-
سریالزدایی 07:57
-
سریالسازی 08:21
-
Type Coercion 12:02
-
فیلدهای ضروری در مقابل فیلدهای آپشنال 12:57
-
فیلدهای Nullable 10:32
-
ترکیب Nullable و آپشنال 04:56
-
بررسی فیلدها 10:04
-
تولید اسکیمای جیسان 04:44
-
پروژه 04:05
-
راه حل پروژه 03:01
-
مقدمه 02:06
-
مدیریت فیلدهای اضافی 12:20
-
Strict Type Coercion در مقایل Lax Type Coercion 22:20
-
اعتبارسنجی مقادیر پیشفرض 04:22
-
اعتبارسنجی تخصیصها 03:40
-
تغییرپذیری 05:42
-
تبدیل اعداد به رشتهها 04:11
-
استانداردسازی رشتهها 06:31
-
مدیریت Enums در پایتون 14:39
-
پروژه 01:29
-
راه حل پروژه 01:35
-
مقدمه 17:39
-
Aliasing فیلد و مقادیر پیشفرض 13:32
-
توابع ژنراتور Alias 16:13
-
سریالزدایی بر اساس نام فیلد یا Alias 08:23
-
Aliases سریالسازی 06:07
-
Aliases اعتبارسنجی 22:12
-
سریالسازهای سفارشی 32:14
-
پروژه 03:06
-
راه حل پروژه 04:34
-
مقدمه 02:35
-
PositiveInt 05:27
-
لیستهای Constrain شده 08:43
-
UUID 06:32
-
تایپهای مرتبط با تاریخ 11:24
-
تایپهای شبکه 17:43
-
پروژه 01:54
-
راه حل پروژه 02:18
-
مقدمه 03:12
-
Constraints عددی 06:18
-
Constraints رشته 13:22
-
فکتوریهای پیشفرض 16:46
-
پیکربندیهای اضافی فیلد 16:20
-
پروژه 02:52
-
راه حل پروژه 03:06
-
مقدمه 02:04
-
Pydantic و تایپهای حاشیهنویسی شده 08:49
-
تایپهای حاشیهنویسی شده و متغیرهای تایپ 10:24
-
Constraints رشته 04:40
-
پروژه 02:39
-
راه حل پروژه 05:54
-
مقدمه 18:20
-
اعتبارسنجهای After 26:47
-
اعتبارسنجهای Before 14:37
-
ترکیب اعتبارسنجهای Before و After 09:17
-
اعتبارسنجهای سفارشی با استفاده از تایپهای حاشیهنویسی شده 24:33
-
اعتبارسنجهای فیلد وابسته 15:11
-
پروژه 07:33
-
راه حل پروژه 11:11
-
مقدمه 04:05
-
ویژگیها 07:05
-
فیلدهای محاسباتی 11:04
-
پروژه 03:48
-
راه حل پروژه 04:03
-
مقدمه 02:05
-
سریالسازهای سفارشی با تایپهای حاشیهنویسی شده 07:05
-
پروژه 01:30
-
راه حل پروژه 03:22
-
مقدمه 07:12
-
کامپوزیشن مدل 21:48
-
وراثت مدل 16:00
-
پروژه 04:03
-
راه حل پروژه 04:42
-
جمعبندی راهحل پروژه نهایی 02:48
-
مقدمه 02:24
-
Consume کردن REST API 19:10
-
جذب فایل CSV 12:31
-
اعتبارسنجی آرگومانهای تابع 17:20
-
ژنراتورهای کد مدل 29:54
-
نتیجه گیری 05:25
مشخصات آموزش
آموزش Pydantic نسخه 2 - مباحث ضروری
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متخصص
- تعداد درس:85
- مدت زمان :13:20:59
- حجم :3.78GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy