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, 平田哲也, 寺田學
- 出版商: 碁峰 樂讀精選兩書66折(部分除外)
- 出版日期: 2022-11-28
- 定價: $620
- 售價: 7.9 折 $490
- 貴賓價: 7.5 折 $465
- 語言: 繁體中文
- ISBN: 626324349X
- ISBN-13: 9786263243491
-
相關分類:
Flask、Python、程式語言、Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Flask 網頁開發, 2/e (Flask Web Development : Developing Web Applications with Python, 2/e)$580$493 -
Flask Web 開發入門、進階與實戰$714$678 -
經理人之道：技術領袖航向成長與改變的參考指南 (The Manager's Path: A Guide for Tech Leaders Navigating Growth and Change)$480$379 -
打造機器學習應用｜從構想邁向產品 (Building Machine Learning Powered Applications)$580$458 -
Python 架站特訓班：Django 3 最強實戰, 2/e (附影音/範例)$480$408 -
跟著 Docker 隊長，修練 22天就精通 - 搭配 20小時作者線上教學，無縫接軌 Microservices、Cloud-native、Serverless、DevOps 開發架構$880$695 -
Web 應用系統安全｜現代 Web 應用程式開發的資安對策 (Web Application Security)$580$458 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
Python 網頁框架超集合：在 Django、Tornado、Flask、Twisted 全面應用 (有些許瑕疵,不影響閱讀)$800$680 -
MongoDB 5.x 實戰應用$500$375 -
Python FastAPI 構建數據科學應用$534$507 -
AI 開發的機器學習系統設計模式$620$465 -
Flask Web 全棧開發實戰$474$450 -
AI 必須！從做中學貝氏統計 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器 (Bayesian Statistics for Beginners: A Step-By-Step Approach)$1,200$948 -
Python ✕ Excel 高效率打造辦公室作業+數據分析自動化$650$514 -
Google 的軟體工程之道｜從程式設計經驗中吸取教訓 (Software Engineering at Google)$880$695 -
IT 工程師必需！Linux 快速入門實戰手冊 - 從命令列、系統設定到開發環境建置, 實體機、虛擬機、容器化、WSL、雲端平台全適用$630$498 -
FLAG'S 創客‧自造者工作坊 -- Python×AI 生醫感測健康大應用$1,599$1,439 -
不可不知的 Docker 開發部署實戰筆記：網站工程師一定要會的 8大核心能力$620$484 -
圖說演算法：使用 Python, 2/e【暢銷回饋版】$500$390 -
凡人也能懂的白話人工智慧演算法 (Grokking Artificial Intelligence Algorithms)$580$435 -
Python Web 開發項目教程 (Flask 版)$299$284 -
一本精通 - LINE BOT + Python + Google Dialogflow 完整掌握 LINE BOT 的開發技巧 打造全方位 AI機器人$650$514 -
Python 資料結構×演算法 刷題鍛鍊班：234 題帶你突破 Coding 面試的難關$650$553 -
快速學會 Python 架站技術：活用 Django 4 建構動態網站的 16堂課$780$608
相關主題
商品描述
從如何建立一個Web應用程式到API與部署，獻給工程師與資料科學家的Flask入門書
本書說明如何使用Python的框架Flask進行Web應用程式的開發。從最簡單的迷你應用程式開始，逐步建立起諮詢表單，整合資料庫的應用，加入認證功能，逐步發展成一支功能完整的應用程式。你可以從這個過程當中學到如何使用Flask進行開發。
第二篇將會開發一個可以從識別照片中有哪些東西的物件偵測程式，並說明如何將其轉換為Web API。此外，還會將圖像識別的主題延伸到識別手寫字，並說明如何在程式開發中應用機器學習的技術。
【本書主要內容】
● Flask的基礎知識和開發
○ 建立查詢表格和資料庫應用程式
○ 建立認證功能
○ 建立物件偵測程式
● 建立和部署API
○ 將物體檢測應用程式轉換為網路API
○ 作為Web API對外發佈
● 機器學習API開發
○ 從分析程式碼開發機器學習API的過程和方法。
【誰適合閱讀本書】
．想要用Python開Web應用程式的工程師
．對機器學習感興趣的web開發人員
．只用過Python進行分析的人。
．希望能夠自行開發Web應用程式與API的資料科學家
作者簡介
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。
目錄大綱
【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
