Python Intensivkurs in Nürnberg

Einführung in die Arbeitsumgebung des Kurses

• Visual Studio Code
• Jupyter-Notebook

Python-Grundlagen

• Anwendungsbereiche
• Installation
• Entwicklungsumgebungen
• Vergleich mit anderen Programmiersprachen
• Syntax

Elementare Datentypen

• None
• Boolesche Werte
• Ganzzahlen
• Fließkommazahlen
• Strings

Komplexere Datentypen

• Tupel
• Liste
• Dictionary
• Set

Kontrollstrukturen

• Verzweigungen
• Schleifen
• Vorzeitiger Schleifenabbruch
• Pattern Matching

Funktionen

• Definition
• Aufruf
• Parameter (Positions-, benannten, optionale)
• Rückgabewert(e)
• Unterschied globale / lokale Variablen
• Type Hints

Modules und Packages

• Eigene Module schreiben
• Fremde Module verwenden
• Pip: Drittanbietermodule installieren

Exception Handling

• Auf Exceptions im Code reagieren
• Eigene Exceptions definieren und verwenden

Objektorientierte Programmierung

• Einführung in die OOP-Programmierung
• Klassen, Objekte, Attribute, Methoden
• Kapselung, Vererbung, Polymorphie
• Klassenvariablen
• Klassenmethoden, Statische Methoden
• optional: Magische Methoden, Überladen von Operatoren

Python-Standard Library & Co:

• Wichtige Module in der Standard Library
• Weitere wichtige externe Module wie:
  • Pandas
  • Matplotlib
  • NumPy

Dateibehandlung

• Lesen / Schreiben von Dateien mit Modulen wie
  • JSON
  • CSV
  • optional: TOML
  • optional: YAML

Fortgeschrittene Themen

• Iteratoren / iterierbare Klassen
• zip() und enumerate()
• Systeminformationen (Speicherstand, Betriebssystem, etc.) abrufen
• Logdateien schreiben
• Dekoratoren
• List-/Dict-/Set-Comprehensions
• Sortierung und individuelles Sortieren mit key-Funktionen
• Lambda-Operator

Fehler und Ausnahmen

• Syntaxfehler und Semantikfehler
• Exceptions / Ausnahmen behandeln
• Erzeugen eigener Exceptions / Ausnahmen
• finally zum Aufräumen

Fortgeschrittenes OOP

• Probleme der Mehrfachverarbeitung
• Slots
• Datenklassen

Einführung in Machine Learning mit Python

• Grundlegendes Machine Learning Beispiel scikit-learn
• Large Language Models (LLM) mit der openai API verwenden

Persistente Datenhaltung

• Pickle
• Shelve
• Datenbankanbindungen

Testen und Clean Coding

• Testen und Test-Driven-Development (TDD)
• Systematisches Testen
• Unittests mit pytest

C

• Entwickler
• Projektleiter
• Administratoren