Struttura del corso
Giorno 1 — Fondamenti Python robusti e strumenti
Caratteristiche moderne di Python e tipizzazione
- Base della tipizzazione, generics, Protocol e TypeGuard
- Dataclasses, dataclasses congelate e panoramica su attrs
- Pattern matching (PEP 634+) e uso idiomatico
Qualità del codice e strumenti
- Formattatori e linter di codice: black, isort, flake8, ruff
- Controllo statico dei tipi con MyPy e pyright
- Pre-commit hooks e flussi di lavoro per gli sviluppatori
Gestione dei progetti e packaging
- Gestione delle dipendenze con Poetry e ambienti virtuali
- Layout del pacchetto, entry point e migliori pratiche di versioning
- Costruzione e pubblicazione di pacchetti su PyPI e registri privati
Giorno 2 — Pattern di progettazione e pratiche architetturali
Pattern di progettazione in Python
- Pattern creativi: Factory, Builder, Singleton (varianti Pythonic)
- Pattern strutturali: Adapter, Facade, Decorator, Proxy
- Pattern comportamentali: Strategy, Observer, Command
Principi architetturali
- Principi SOLID applicati alle codebase Python
- Architettura esagonale/clean e confini
- Pattern di iniezione delle dipendenze e gestione della configurazione
Modularità e riutilizzo
- Progettazione di codice di librerie rispetto al codice applicativo
- API, interfacce stabili e versionamento semantico
- Gestione di configurazione, segrete e impostazioni specifiche dell'ambiente
Giorno 3 — Concorrenza, IO asincrono e prestazioni
Concorrenza e parallelismo
- Fondamenti del threading e implicazioni del GIL
- Multiprocessing e pool di processi per task bound sulla CPU
- Quando usare concurrent.futures rispetto a multiprocessing
Programmazione asincrona con asyncio
- Pattern Async/await, event loop e cancellazione
- Progettazione di librerie asincrone e interoperabilità con codice sincrono
- Pattern IO-bound, backpressure e limitazione del tasso
Profiling e ottimizzazione
- Strumenti di profiling: cProfile, pyinstrument, perf, memory_profiler
- Ottimizzazione dei percorsi caldi e uso di estensioni C/Numba ove appropriato
- Misurazione della latenza, del throughput e dell'utilizzo delle risorse
Giorno 4 — Test, CI/CD, osservabilità e distribuzione
Strategie di test e automazione
- Test unitari e fixture con pytest; organizzazione dei test
- Testing basato su proprietà con Hypothesis e test contrattuali
- Mocking, monkeypatching e test di codice asincrono
CI/CD, release e monitoraggio
- Integrazione di test e quality gate in GitHub Actions/GitLab CI
- Creazione di container riproducibili con Docker e build multistadio
- Osservabilità dell'applicazione: logging strutturato, metriche Prometheus e tracing
Sicurezza, rafforzamento e migliori pratiche
- Audit delle dipendenze, nozioni di base degli SBOM e scansione delle vulnerabilità
- Pratiche di coding sicure per la validazione degli input e la gestione dei segret
- Rafforzamento runtime: limiti delle risorse, diritti utente e sicurezza dei container
Progetto Capstone e Revisione
- Laboratorio di gruppo: progettazione e implementazione di un piccolo servizio utilizzando i pattern del corso
- Test, type-checking, packaging e pipeline CI per il progetto
- Revisione finale, critica del codice e piano di miglioramento attuabile
Sintesi e Prossimi Passi
Requisiti
- Solida esperienza nella programmazione Python di livello intermedio
- Familiarità con la programmazione orientata agli oggetti e i test di base
- Esperienza nell'uso della riga di comando e di Git
Pubblico Target
- Sviluppatori Python senior
- Ingegneri del software responsabili della qualità e dell'architettura del codice Python
- Lead tecnici e ingegneri MLOps/DevOps che lavorano con codebase Python
Recensioni (2)
tutto era perfetto
Florin Vrincianu
Corso - Python Programming Fundamentals
Traduzione automatica
Gli esercizi pratici correlati al contenuto aiutano davvero a comprendere meglio ogni argomento. Inoltre, lo stile di inizio lezione con una presentazione teorica e continuazione con esercizi pratici è buono e utile per collegare il materiale presentato inizialmente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Corso - Introduction to Data Science and AI using Python
Traduzione automatica