🚀 ساخت اپلیکیشن‌های وب پایتون با استریم‌لیت

💻 شما به تازگی یک چیز فوق‌العاده با پایتون ساختید و آماده‌اید که اون رو با دنیا به اشتراک بگذارید! اما آیا منتشر کردن اون روی وب به این معنیه که باید جاوااسکریپت یاد بگیرید؟ با فریم‌ورک استریم‌لیت، شما میتونید اپلیکیشن‌های وب تعاملی رو کاملاً با پایتون و با سرعت فوق‌العاده‌ای بسازید. استریم‌لیت با ارائه مجموعه‌ای از کامپوننت‌های فرانت‌اند از پیش‌ساخته‌شده و کانفیگ‌های بهینه‌سازی‌شده، ایده‌های شما رو برای ابزارهای داده محور و پایپ‌لاین‌های هوش مصنوعی، بدون نیاز به درگیر شدن با HTML ،CSS و JavaScript خسته‌کننده، به اپلیکیشن‌های کاربردی تبدیل میکنه.

📚 کتاب Build Python Web Apps with Streamlit از یک رویکرد اثبات‌شده برای یادگیری برپایه ساخت پروژه پیروی میکنه. هر فصل یک پروژه عملی جدید رو معرفی میکنه. شما داشبوردهای داده، چک‌لیست‌های تعاملی و حتی یک چت‌بات هوش مصنوعی که با RAG و الگوهای عاملی (Agentic) بهینه‌سازی شده رو خلق میکنید. شما همچنین از اشتباهات عمدی و چالش‌های دیباگ واقعی نکاتی رو یاد میگیرید که بهتون یاد میده استریم‌لیت واقعاً چطور کار میکنه. همون‌طور که پیش می‌رید، هر پروژه به شما کمک میکنه تا مهارت‌های مهندسی نرم‌افزاری رو که شاید به عنوان یک برنامه‌نویس پایتون یاد نگرفته بودید، مستر کنید؛ مهارت‌هایی مثل جمع‌آوری نیازمندی‌ها، ماندگاری داده‌ها و یکپارچه‌سازی پایگاه‌داده، احراز هویت کاربران، دپلویمنت و عیب‌یابی.

🛠️ ساخت اپلیکیشن‌های وب تعاملی بدون نیاز به HTML/CSS/JavaScript

⚙️ درک مدل اجرای (Execution Model) استریم‌لیت

🗄️ کار با پایگاه‌های داده و داده‌های ماندگار (Persistent Data)

📐 طراحی و دپلوی معماری‌های گرید پروداکشن

🔐 پیاده‌سازی احراز هویت و تعیین سطح دسترسی کاربران

🤖 ساخت اپلیکیشن‌های قدرت‌گرفته از هوش مصنوعی با LLMها

📊 توسعه داشبوردها و بصری‌سازی داده‌ها

🔒 پیاده‌سازی بهترین شیوه‌های امنیت (Security Best Practices)

🌐 درباره این تکنولوژی

🚀 با فریم‌ورک استریم‌لیت، شما میتونید اپلیکیشن‌های وب تعاملی رو کاملاً با پایتون و با سرعت فوق‌العاده‌ای بسازید. استریم‌لیت با ارائه مجموعه‌ای از کامپوننت‌های فرانت‌اند از پیش‌ساخته‌شده و کانفیگ‌های بهینه‌سازی‌شده، ایده‌های شما رو برای ابزارهای داده محور و پایپ‌لاین‌های هوش مصنوعی، بدون نیاز به درگیر شدن با HTML ،CSS و JavaScript خسته‌کننده، به اپلیکیشن‌های کاربردی تبدیل میکنه.

📖 درباره کتاب

📘 کتاب Build Python Web Apps with Streamlit از یک رویکرد اثبات‌شده برای یادگیری برپایه ساخت پروژه پیروی میکنه. هر فصل یک پروژه عملی جدید رو معرفی میکنه. شما داشبوردهای داده، چک‌لیست‌های تعاملی و حتی یک چت‌بات هوش مصنوعی که با RAG و الگوهای عاملی بهینه‌سازی شده رو خلق میکنید. همون‌طور که پیش می‌رید، دیباگ کردن، دپلویمنت، یکپارچه‌سازی پایگاه‌داده و سایر مهارت‌های مهندسی نرم‌افزار رو تمرین میکنید.

📝 آنچه در داخل کتاب است

⚙️ درک مدل اجرای استریم‌لیت

🗄️ کار با پایگاه‌های داده و داده‌های ماندگار

🔐 پیاده‌سازی احراز هویت و تعیین سطح دسترسی کاربران

🤖 ساخت اپلیکیشن‌های قدرت‌گرفته از هوش مصنوعی

👥 درباره مخاطب کتاب

🐍 برای برنامه‌نویسان پایتون. بدون نیاز به مهارت قبلی در زمینه اپلیکیشن وب یا هوش مصنوعی.

🗂️ فهرست مطالب

بخش 1. شروع سریع و پرقدرت

1. مقدمه‌ای بر استریم‌لیت
2. شروع کار با استریم‌لیت
3. بردن یک اپلیکیشن از مفهوم تا کد
4. مدل اجرای استریم‌لیت
5. به اشتراک‌گذاری اپلیکیشن‌های خود با دنیا

بخش 2. عمیق شدن در اپلیکیشن‌های پیچیده‌تر

6. یک داشبورد مناسب برای یک مدیرعامل

7. مدیرعامل پاسخ میدهد: تقویت فوق‌العاده داشبورد

8. ساخت یک اپلیکیشن CRUD با استریم‌لیت

بخش 3. استریم‌لیت و مدل‌های زبانی بزرگ

9. خلق یک اپلیکیشن قدرت‌گرفته از هوش مصنوعی

10. اپلیکیشن‌های RAG و عاملی با لنگ‌گراف و استریم‌لیت

بخش 4. تست و دپلوی اپلیکیشن‌ها

11. تست کردن اپلیکیشن‌های استریم‌لیت

12. بسته‌بندی و دپلوی اپلیکیشن‌های استریم‌لیت

ضمیمه‌ها. الف نصب پایتون و استریم‌لیت

❓ چرا این کتاب؟

🎯 کتاب Build Python Web Apps with Streamlit به شما کمک میکنه اپلیکیشن‌های وب صیقل‌خورده و تعاملی رو به سرعت و با استفاده از استریم‌لیت بسازید؛ بدون اینکه نیازی به یادگیری HTML ،CSS ،JavaScript یا یک استک فرانت‌اند سنتی داشته باشید.

💡 از طریق پروژه‌های عملی، خوانندگان مهارت‌های کاربردی رو برای اپلیکیشن‌های واقعی یاد میگیرند: داشبوردها، ابزارهای CRUD، دپلویمنت، تست، یکپارچه‌سازی API، مدیریت وضعیت سشن (Session State)، پایگاه‌های داده و اینترفیس‌های قدرت‌گرفته از AI/LLM.

🏆 در نهایت، خوانندگان هم یک جعبه‌ابزار از استریم‌لیت دارن و هم پورتفولیویی از اپلیکیشن‌های کاربردی که میتونند اون‌ها رو برای کار، دیتا ساینس، ابزارهای داخلی، پروتوتایپ‌ها یا محصولات هوش مصنوعی شخصی‌سازی کنند.

👤 درباره نویسنده

👨‍انور کوچاکادان یک مهندسی نرم‌افزار با سابقه‌ای متنوع است؛ از طراحی سرویس‌های تراکنشی آنلاین و توسعه پایپ‌لاین‌های داده گرفته تا هوش تجاری و تفسیر داده‌ها. انیو تخصص خودش رو در شرکت‌های پیشرو این صنعت مثل گوگل و استرایپ صیقل داده است.

You just built something amazing in Python and you’re ready to share it with the world! But does shipping it to the web mean…learning JavaScript? With the Streamlit framework, you can build interactive web apps entirely in Python incredibly fast. By providing a collection of pre-built UI components and streamlined configurations, Streamlit turns your ideas for data tools and AI workflows into usable applications without any tedious HTML, CSS, and JavaScript.

Build Python Web Apps with Streamlit follows a proven learn-by-building approach. Each chapter introduces a new hands-on project. You’ll create data dashboards, interactive checklists, and even an AI chatbot optimized with RAG and agentic patterns. You’ll also learn from intentional mistakes and real-world debugging challenges that teach you how Streamlit actually works. As you go, each project helps you master software engineering skills you might not have learned as a Python programmer—gathering requirements, persistence and database integration, user authentication, deployment, and troubleshooting.

• Build interactive web apps without HTML/CSS/JavaScript

• Understand Streamlit’s execution model

• Work with databases and persistent data

• Create and deploy production-grade architectures

• Implement user authentication and authorization

• Build AI-powered applications with LLMs

• Develop dashboards, and visualizations

• Implement security best practices

About the technology

With the Streamlit framework, you can build interactive web apps entirely in Python incredibly fast. By providing a collection of pre-built UI components and streamlined configurations, Streamlit turns your ideas for data tools and AI workflows into usable applications without any tedious HTML, CSS, and JavaScript.

About the book

Build Python Web Apps with Streamlit follows a proven learn-by-building approach. Each chapter introduces a new hands-on project. You’ll create data dashboards, interactive checklists, and even an AI chatbot optimized with RAG and agentic patterns. As you go, you’ll practice debugging, deployment, database integration and other software engineering skills.

What's inside

• Understand Streamlit’s execution model

• Work with databases and persistent data

• Implement user authentication and authorization

• Build AI-powered applications

About the reader

For Python programmers. No web app or AI skills required.

Table of Contents

Part 1. Hitting the ground running

1. Introduction to Streamlit

2. Getting started with Streamlit

3. Taking an app from concept to code

4. Streamlit’s execution model

5. Sharing your apps with the world

Part 2. Diving into more complex apps

6. A dashboard fit for a CEO

7. The CEO strikes back: Supercharging the dashboard

8. Building a CRUD app with Streamlit

Part 3. Streamlit and LLMs

9. Creating an AI-powered application

10. RAG and agentic apps with LangGraph and Streamlit

Part 4. Testing and deploying apps

11. Testing Streamlit apps

12. Packaging and deploying Streamlit apps

Appendixes. A Installing Python and Streamlit

why this book?

Build Python Web Apps with Streamlit helps you build polished, interactive web apps quickly using Streamlit—without needing to learn HTML, CSS, JavaScript, or a traditional frontend stack.

Through hands-on projects, readers learn practical skills for real-world apps: dashboards, CRUD tools, deployment, testing, API integration, session state, databases, and AI/LLM-powered interfaces.

By the end, readers have both a Streamlit toolkit and a portfolio of useful apps they can adapt for work, data science, internal tools, prototypes, or AI products.

About the Author

Aneev Kochakadan is a software engineer with a diverse background, from designing online transactional services and developing data pipelines to business intelligence and data interpretation. Aneev has refined his expertise at industry leaders like Google and Stripe.