Schulung Python für Fortgeschrittene

Diese Schulung „Python für Fortgeschrittene“ vertieft fortgeschrittene Programmiertechniken in Python, wie objektorientierte Programmierung, funktionale Programmierung und Persistenz.

Die Teilnehmer lernen, wie sie komplexe Designs und Muster in Python umsetzen, effiziente Datenverarbeitung durchführen und wissenschaftliche Python-Bibliotheken nutzen können. Die Schulung bietet zudem praxisnahe Einblicke in Datenbanken, Metaklassen, Caching und maschinelles Lernen mit scikit-learn.

Tag 1: Objektorientiertes Python

• Ausnahmebehandlung (Exception Handling)
• Einführung in die objektorientierte Programmierung (OOP)
• Klassen und Instanzen
• Properties und deren Verwendung
• Dunder-Methoden und Operator Overloading
• Vererbung und Zusammensetzung
• Mehrfachvererbung
• Die super-Funktion
• Datenklassen
• Enums
• Python Type-System (Type Hinting)

Tag 2: Fortgeschrittene Objektorientierung

• Super – in depth:
• Abstrakte Klassen: Verwendung abstrakter Basisklassen zur Definition von Schnittstellen.
• Eigene Datentypen: Erstellung eigener Datentypen und deren Nutzung.
• Sub-Classing, Hooks und Metaklassen.
• Dependency Injection.
• Python OOP Design Patterns: Umsetzung klassischer Design Patterns (Singleton, Factory usw.) in Python.
• Caching: Effiziente Nutzung von Caching-Mechanismen in Python-Anwendungen.

Tag 3: Funktionales Python

• Descriptor-Protokoll:
• Metaprogrammierung und Introspektion: Einsatz von Introspektion zur Laufzeit und Definition von Code auf höherer Ebene.
• Funktionale Programmierung in Python: Nutzung von Funktionen wie map, filter, reduce, sowie Lambda-Funktionen.
• Iteratoren und Generatoren: Erstellen von effizienten Iteratoren und Generatoren für speicherschonendes Arbeiten mit Datenströmen.
• Itertools: Verwendung der itertools-Bibliothek zur Erstellung von effizienten iterierbaren Konstrukten.

Tag 4: Persistenz

• JSON: Arbeiten mit JSON-Datenformaten, Parsing und Serialisierung.
• Pydantic: Einführung in die Pydantic-Bibliothek für Datenvalidierung und -verarbeitung in Python.
• Pickle: Persistierung von Python-Objekten mit pickle.
• Shelve: Nutzung von shelve zur einfachen Speicherung von Daten als Key-Value-Paare.
• DB-API: Einführung in die Python Database API (DB-API) zur Anbindung von Datenbanken.
• SQLite: Verwenden von SQLite für lokale Datenbanken in Python-Projekten.
• SQLAlchemy: Einführung in SQLAlchemy als ORM (Object Relational Mapping) zur Arbeit mit Datenbanken in Python.

Tag 5: Wissenschaftliches Python

• NumPy: Einführung in NumPy zur Arbeit mit multidimensionalen Arrays und numerischen Berechnungen.
• Pandas: Nutzung von Pandas für Datenanalyse und Datenmanipulation mit DataFrames.
• Matplotlib: Visualisierung von Daten mit Matplotlib.
• Einführung in Scikit-learn (sklearn): Grundlagen des maschinellen Lernens und Nutzung von sklearn für einfache ML-Modelle.