چرا به SDLC نیاز داریم؟
سرفصلهای کلیدی شامل اصول DevOps، کانتینرسازی با Docker، ارکستراسیون با Kubernetes، و استقرار در پلتفرمهای ابری مانند AWS یا GCP است. شرکتکنندگان همچنین تجربه عملی در طراحی APIهای RESTful، یکپارچهسازی پایگاههای داده، و پیادهسازی سیستمهای امن با JWT و OAuth2 کسب میکنند. با تسلط بر این مهارتها، فراگیران توانایی مشارکت در توسعه راهکارهای نرمافزاری مبتنی بر هوش مصنوعی را با استانداردهای مدرن صنعت خواهند داشت.
محتوای دوره:
این دوره در ادامه کورس MLOps طراحی شده و هدف آن تمرکز بر جزئیات فرآیند استقرار و عملیاتیسازی مدلهای هوشمند با تاکید بر اصول توسعه نرمافزار است. با بهرهگیری از مفاهیم DevOps و استفاده از ابزارهای مدرن برای توسعه و استقرار نرمافزار، این دوره شرکتکنندگان را به مهارتهای لازم برای طراحی، تست، و استقرار پروژههای نرمافزاری و هوش مصنوعی در محیطهای عملیاتی مجهز میکند.
سرفصلهای این دوره شامل موضوعات زیر میباشد:
- مقدمهای بر SDLC و DevOps
- معرفی مفاهیم DevOps، ادغام مداوم (CI) و تحویل مداوم (CD).
- پروژه عملی: راهاندازی یک خط لوله DevOps ساده با استفاده از GitHub Actions برای استقرار خودکار.
- کانتینرسازی و استقرار در ابر (Cloud Deployment)
- کانتینرسازی برنامهها با Docker، مدیریت با Kubernetes، و استفاده از پلتفرمهای ابری نظیر AWS و
- پروژه عملی: کانتینرسازی یک برنامه پایتون، راهاندازی زیرساخت ابری، و استقرار آن با
- طراحی API و امنیت
- طراحی APIهای RESTful، تأمین امنیت با استفاده از JWT و OAuth2، و بهترین روشهای امنیتی.
- پروژه عملی: توسعه یک API امن با FastAPI و پیادهسازی احراز هویت با توکنهای
- FastAPI و یکپارچهسازی پایگاه داده
- استفاده از FastAPI برای توسعه API، اتصال به پایگاههای داده و طراحی میکروسرویسها.
- پروژه عملی: توسعه یک API با FastAPI و اتصال آن به پایگاه داده
- تست و خودکارسازی (Automation)
- نوشتن تستهای واحد و یکپارچه، معرفی TDD، و استفاده از pytest برای تست برنامههای پایتون.
- پروژه عملی: نوشتن تستهای واحد و یکپارچه برای برنامههای پایتون با
این دوره برای افراد علاقهمند به توسعه نرمافزار و هوش مصنوعی که به دنبال درک عمیقتر فرآیند استقرار، تست و مدیریت نرمافزار هستند، بسیار کاربردی است.
