- Tag 1 - Einführung & Grundlagen
- Mojo vs. Python: Unterschiede & Motivation
- Installation & Setup (Mojo SDK, Jupyter/CLI)
- Syntax-Basics: Variablen, Typen, Funktionen
- Mojo-spezifische Features (statisch vs. dynamisch, Performance-Fokus)
- Übungen: Erste kleine Skripte & Benchmarks
- Tag 2 - Sprachkonzepte vertiefen
- Funktionen, Argumente, Rückgabewerte
- Control Flow: if, for, while, pattern matching
- Structs, Tuples, Enums
- Ownership, Borrowing & Mutability (Rust-ähnlich)
- Übungen: Mini-Tools implementieren (z. B. Mathefunktionen, String-Parser)
- Tag 3 - Performance & Systeme
- Mojo und C/C++ Interoperabilität
- Memory Management & Low-Level Control
- Parallelisierung & Concurrency in Mojo
- Einführung in Performance-Tuning (Benchmarks, Profiling)
- Übungen: Matrixmultiplikation & Performancevergleich zu Python
- Tag 4 - Mojo für KI & Numerik
- Mojo + ML/AI: Torch-Integration & MLIR
- Numerische Bibliotheken in Mojo
- Vektorisierung, GPU/TPU-Integration (Überblick)
- Übungen: Lineare Algebra, kleines neuronales Netz in Mojo
- Tag 5 - Praxisprojekt & Abschluss
- Projektarbeit in Gruppen (z. B. ein Mini-Simulator, ein KI-Modell oder ein Scientific-Tool)
- Präsentation der Projekte
- Mojo Best Practices & Roadmap der Sprache
- Vergleich MojoPythonC++ (wann Mojo einsetzen?)
- Q&A, Feedback, Abschluss
LernzieleSie verstehen die Grundlagen und Konzepte der Mojo-Programmierung, können eigene Programme effizient erstellen und gezielt Performance-Potenziale nutzen. Nach dem Seminar sind Sie in der Lage, Mojo produktiv in bestehenden Python- oder C++-Workflows einzusetzen, High-Performance-Komponenten zu entwickeln und Mojo für KI- und numerische Rechenanwendungen zu nutzen.
ZielgruppenDieses Seminar richtet sich an Softwareentwickler, Data Scientists, KI-Engineers sowie technische Projektleiter, die bereits mit Python oder C++ arbeiten und nun eine moderne Sprache für Performance-kritische Anwendungen kennenlernen möchten. Auch Entwickler aus dem Bereich Scientific Computing oder Embedded Systems profitieren stark vom neuen Mojo-Ansatz.
Teilnahmevoraussetzungen
- Sie benötigen Grundkenntnisse im Umgang mit Netzwerken.
- Sie haben praktische Erfahrung mit Python oder C++.
- Sie sind mit grundlegenden Programmierkonzepten wie Schleifen, Funktionen und Datentypen vertraut.
- Grundverständnis für Performance-Optimierung oder numerische Berechnungen ist von Vorteil.
