Kursplan
Dag 1 — Robusta Python-grundvalar & Verktyg
Modern Python-funktioner och typisering
- Grundläggande typisering, generika, Protokoll och TypeGuard
- Dataclass, frysta dataclass och översikt över attrs
- Mönstermatchning (PEP 634+) och idiomatisk användning
Kodkvalitet och verktyg
- Kodformaterare och linter: black, isort, flake8, ruff
- Statisk typkontroll med MyPy och pyright
- Pre-commit-hakar och utvecklararbetsflöden
Projektledning och paketisering
- Beröringshantering med Poetry och virtuella miljöer
- Paketstruktur, inläggspek och bästa praxis för versionshantering
- Bygg och publicera paket till PyPI och privata register
Dag 2 — Designtekniker & Arkitekturnyancer
Designtekniker i Python
- Skapande-tekniker: Factory, Builder, Singleton (Pythonic varianter)
- Strukturtekniker: Adapter, Facade, Decorator, Proxy
- Beteendetekniker: Strategy, Observer, Command
Arkitekturprinciper
- SOLID-principer tillämpade på Python-kodbaser
- Hexagonal/Clean Architecture och gränser
- Beroendeininjeringstekniker och konfigurationshantering
Modularitet och återanvändning
- Design av bibliotekskod jämfört med tillämpningskod
- API:er, stabila gränssnitt och semantisk versionering
- Hantering av konfiguration, hemligheter och miljöspecifika inställningar
Dag 3 — Konkurrens, Async IO och prestanda
Konkurrens och parallellisering
- Tråddragningens grundval och GILs implikationer
- Multiprocessing och processpooler för CPU-bundna uppgifter
- När man ska använda concurrent.futures jämfört med multiprocessing
Async-programmering med asyncio
- Async/await-mönster, händelselöpp och avbrott
- Design av async-bibliotek och interoperabilitet med synkron kod
- IO-bundna mönster, baktryck och hastighetsbegränsning
Profilerar och optimering
- Profileringsverktyg: cProfile, pyinstrument, perf, memory_profiler
- Optimera hetvägar och använd C-extensioner/Numba där det är lämpligt
- Mäta latens, genomsats och resursutnyttjande
Dag 4 — Testning, CI/CD, observabilitet och leverans
Teststrategier och automation
- Enhetstestning och fixtures med pytest; testorganisation
- Egenskapsbaserad testning med Hypothesis och avtalstestning
- Mockning, monkeypatching och testning av asynkron kod
CI/CD, release och övervakning
- Integrera test och kvalitetsgränser till GitHub Actions/GitLab CI
- Bygg reproducerbara behållare med Docker och flerstegsbyggar
- Tillämpningsobservabilitet: strukturerad loggning, Prometheus-metriker och spårning
Säkerhet, förstärkning och bästa praxis
- Avhjälpande revision, SBOM-grundval och sårbarhetsskanning
- Säkra programmeringspraktiker för indataverifiering och hemlighetsadministration
- Körningstid förstärkning: resursgränser, användarrättigheter och behållarsäkerhet
Avslutande projekt & Genomgång
- Team-laboratorium: designa och implementera en liten tjänst med hjälp av tekniker från kursen
- Testning, typkontroll, paketisering och CI-pipeline för projektet
- Slutlig genomgång, kodkritik och handlingsbar förbättringsplan
Sammanfattning och nästa steg
Krav
- Stark erfarenhet av Python-programmering på mellanliggande nivå
- Kunskap om objektorienterad programmering och grundläggande testning
- Erfarenhet av användning av kommandoraden och Git
Målgrupp
- Seniora Python-utvecklare
- Programvaruingenjörer ansvariga för Python-kodens kvalitet och arkitektur
- Tekniska ledare och MLOps/DevOps-ingenjörer som arbetar med Python-kodbaser
Vittnesmål (2)
allt var perfekt
Florin Vrincianu
Kurs - Python Programming Fundamentals
Maskintolkat
Praktiska övningar relaterade till innehållet hjälper verkligen till att förstå mer om varje ämne. Dessutom är det bra och hjälpsamt att börja lektionen med en föreläsning och sedan fortsätta med praktiska övningar, vilket gör det lättare att relatera till den tidigare presenterade föreläsningen.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurs - Introduction to Data Science and AI using Python
Maskintolkat