實戰 Python Flask 開發｜基礎知識 x 物件偵測 x 機器學習應用

佐藤昌基
隸屬Techtouch股份有限公司。曾經開發網路廣告／SNS問卷相關的網路服務，身為科技主席／敏捷大師，參與並完成多數網路服務。歷經不動產科技新創事業的CTO後，進入目前的公司就職，主要負責後端開發工程。

平田哲也
隸屬Classi股份有限公司。曾於E-learning事業公司，負責維運／開發大型資格學校的LMS。後來出國深造，就讀倫敦大學學院教育研究院（UCL IOE）Knowledge Lab研究所，專攻Learning Analytics。回國後，進入目前的公司就職，主要使用Python、Flask、Google Cloud（Google Cloud Platform：GCP），從事AI/ML產品開發、基礎設施架構、MLOps。曾於Python Conference Taiwan、Python Conference US等海外會議，登台演講。


寺田學
一般社團法人PyCon JP的理事長、Plone Foundation Ambassador、CMS Communications股份有限公司的代表人、NVDA日本語團隊成員、一般社團法人Python工程人員培訓推廣協會的顧問理事、PSF Fellow Member 2019Q3 & Contributing member。主要從事Python網路相關業務的諮詢顧問、構築架設，熱心投入Python的相關教育、演講。自2010年積極參與日本國內的Python社群，致力於舉辦PyCon JP，亦從事其他的OSS活動。作為Plone的核心技術專家（Committer），也有參與Plone的開發。
 

【第0篇 緒論】
第0章 Flask 的概要與環境架設
0.1 Flask 的設計思維
0.2 為何要使用 Flask
0.3 Python 網路框架的比較
0.4 環境架設

【第1篇 Flask 入門】
第1章 建立最基礎的應用程式 - Flask 的基礎知識
1.1 MVT（Model、View、Template）模型
1.2 建立最基礎的應用程式
1.3 建立諮詢表單
1.4 Cookie
1.5 Session
1.6 Response

第2章 建立資料庫應用程式
2.1 目錄架構
2.2 啟動應用程式 - 使用 Blueprint
2.3 設置 SQLAlchemy
2,4 操作資料庫
2.5 建立使用資料庫的 CRUD 應用程式
2.6 模板的通用化與繼承
2.7 設定組態

第3章 建立驗證功能
3.1 準備建立的驗證功能與目錄架構
3.2 應用程式登錄驗證功能
3.3 建立註冊功能
3.4 建立登入功能
3.5 建立登出功能

【第2篇 Flask 實踐 1 - 開發物件偵測應用程式】
第4章 應用程式的規格與準備
4.1 物件偵測應用程式的規格
4.2 目錄架構
4.3 登錄物件偵測應用程式

第5章 建立圖片列表頁面
5.1 建立 UserImage 模型
5.2 建立圖片列表頁面的端點
5.3 建立圖片列表頁面的模板
5.4 SQLAlchemy 的表格連結與關聯性建立

第6章 建立註冊與登入頁面
6.1 修改註冊頁面的端點
6.2 建立通用標頭
6.3 修改註冊頁面的模板
6.4 修改登入頁面的端點
6.5 修改登入頁面的模板
6.6 確認註冊／登入頁面的運作情況

第7章 建立圖片上傳頁面
7.1 指定圖片上傳目的地
7.2 建立顯示圖片的端點
7.3 圖片列表頁面增加圖片上傳頁面的連結與圖片列表
7.4 建立圖片上傳頁面的表單類別
7.5 建立圖片上傳頁面的端點
7.6 建立圖片上傳頁面的模板
7.7 確認圖片上傳頁面的運作情況

第8章 建立物件偵測功能
8.1 建立 UserImageTags 模型
8.2 建立物件偵測功能的表單類別
8.3 設置物件偵測功能的程式庫
8.4 建立物件偵測功能的端點
8.5 在圖片列表頁面顯示標記訊息
8.6 在圖片列表頁面顯示【檢測】按鈕與標記訊息
8.7 確認物件偵測功能的運作情況
8.8 建立圖片刪除功能

第9章 建立搜尋功能
9.1 建立圖片搜尋功能的端點
9.2 建立圖片搜尋功能的模板
9.3 確認圖片搜尋功能的運作情況

第10章 建立自訂錯誤頁面
10.1 建立自訂錯誤頁面的端點
10.2 建立自訂錯誤頁面的模板
10.3 確認自訂錯誤頁面的顯示內容

第11章 建立單元測試
11.1 嘗試使用pytest
11.2 pytest 的 fixture 夾具
11.3 建立物件偵測應用程式的測試

【第3篇 Flask 實踐 2 - 建立/部署物件偵測功能的 API】
第12章 網路 API 的概要
12.1 World Wide Web（WWW）與 API 的意義
12.2 表示資源位置的網址功用
12.3 HTTP 方法的 CRUD 資源操作

第13章 物件偵測 API 的規格
13.1 物件偵測 API 的處理流程
13.2 安裝 PyTorch 與儲存已學習模型

第14章 實作物件偵測 API
14.1 物件偵測 API 的目錄架構與模組
14.2 準備實作
14.3 實作 1｜編寫 API 的啟動程式碼
14.4 實作 2｜編寫資料準備／前處理／後處理的程式碼
14.5 實作 3｜編寫已學習模型的執行程式碼
14.6 實作 4｜實作路由建置

第15章 部署物件偵測應用程式
15.1 Docker 的概要
15.2 Cloud Run 的概要
15.3 Dock 的使用準備
15.4 Cloud Run 的使用準備
15.5 步驟1｜Google Cloud 的 configuration 初始設定
15.6 步驟2｜製作 Dockerfile
15.7 步驟3｜建置 Docker 映像檔
15.8 步驟4｜將 Docker 映像檔加入 GCR
15.9 步驟5｜部署至 Cloud Run

【第4篇 開發機器學習 API】
第16章 機器學習的概要
16.1 機器學習的相關概念
16.2 機器學習處理的資料
16.3 機器學習處理的任務
16.4 演算法的數學式和程式碼表達
16.5 機器學習利用的 Python 程式庫
16.6 以 Python 程式庫實踐邏輯迴歸

第17章 機器學習 API 的開發程序與實踐
17.1 選定最佳的機器學習演算法／模型
17.2 實作機器學習演算法／模型
17.3 機器學習 API 的規格
17.4 準備開發
17.5 實作程序 1｜編寫分析腳本的產品程式碼
17.6 實作程序 2｜建立產品程式碼的 API
17.7 確認正常運作的情況
17.8 機器學習 API 到機器學習的基礎設施、MLOps

索引
作者／監修者簡介