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 fortgeschrittene Techniken der Fehlerbehandlung und wie sie in objektorientierten Anwendungen effektiv genutzt werden können.
• Einführung in die objektorientierte Programmierung (OOP):
  • Klassen und Instanzen
  • Properties und deren Verwendung
  • Dunder-Methoden und Operator Overloading
  • Vererbung und Zusammensetzung
• Datenklassen und Enums: Effiziente Nutzung von Python’s `dataclass` und Enums für sauberes und lesbares Code-Design.
• Python Type-System (Type Hinting)

Tag 2: Fortgeschrittene Objektorientierung

• Mehrfachvererbung: Einführung und Problemstellungen bei der Mehrfachvererbung (Method Resolution Order - MRO).
• Super - in depth: Detaillierte Betrachtung der `super()` Funktion und ihrer Funktionsweise in komplexen Vererbungshierarchien.
• Abstrakte Klassen: Verwendung abstrakter Basisklassen zur Definition von Schnittstellen.
• Eigene Datentypen: Erstellung eigener Datentypen und deren Nutzung.
• Slots: Effiziente Speicherverwaltung durch Verwendung von `__slots__`.
• Metaklassen: Was sind Metaklassen, und wie steuern sie die Klassen-Generierung in Python?
• Dependency Injection: Konzept der Dependency Injection zur Modularisierung und Testbarkeit.
• Python OOP Design Patterns: Umsetzung klassischer Design Patterns (Singleton, Factory, etc.) in Python.
• Caching: Effiziente Nutzung von Caching-Mechanismen in Python-Anwendungen.

Tag 3: Funktionales Python

• Descriptor-Protokoll: Einführung in das Descriptor-Protokoll für die flexible Definition von Attributen.
• 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.