Description

Le langage Python s'impose aujourd'hui comme un socle technologique pour le développement de grands projets logiciels. Vous mettrez en oeuvre, dans cette formation, les techniques avancées du langage Python ainsi que ses principales librairies afin de pouvoir répondre aux exigences qualité de ces projets.

À qui s'adresse cette formation ?

Ingénieurs et développeurs.

Bonnes connaissances en développement Python, ou connaissances équivalentes à celles apportées par les stages THO ou PYT. Expérience requise.

Les objectifs de la formation

Implémenter de manière rigoureuse des Design Patterns reconnus
Utiliser les techniques avancées du langage Python : Context Manager, métaclasses, closures, fonctions avancées
Optimiser les performances de vos programmes à l'aide du monitoring et du parallélisme
Packager et déployer ses artefacts Python
Exploiter des librairies contribuant au succès du langage : calcul scientifique, intelligence artificielle, XML, réseau

Programme de la formation

• Rappels importants sur le langage
  • Affectation par référence et types de données modifiables, non modifiables (mutable).
  • Passage d'arguments, valeurs par défaut et variables locales.
  • Variables de classe et d'instances.
  • Les slices et structures de données avancées.
  • L'introspection.
  • Eléments avancés des structures de contrôle : la clause else des instructions for, while, try/except.
  • Travaux pratiques
• Fonctions avancées
  • Utilisation avancée de décorateurs (de la génération à la consommation, pipeline de consommateurs).
  • Les décorateurs et Design Patterns.
  • Fermeture/closure.
  • Travaux pratiques.
• Programmation Orientée Objet avancée
  • Les propriétés (property).
  • Les itérateurs.
  • L'héritage multiple et ses travers.
  • Les Context Managers.
  • Les classes et méthodes abstraites (ABC).
  • Les métaclasses.
  • Travaux pratiques.
• Déploiement et qualité
  • Installer des librairies tierces (pip, easy_install).
  • Le Python Package Index (PyPI).
  • Packager ses librairies (distutils, setuptools).
  • Déployer un environnement autonome (virtualenv et buildout).
  • Travaux pratiques.
• Le parallélisme : optimiser les performances de vos programmes
  • Profilez vos programmes avec Timeit et cProfile.
  • Parallélisation : évitez le multithreading et foncez avec le multiprocessing.
  • Calcul distribué avec la librairie Celery.
  • Travaux pratiques.
• Les librairies contribuant au succès du langage
  • Calcul scientifique et statistiques avec Numpy, Scipy, Matplotlib et Pandas.
  • Intelligence artificielle et algorithmes d'apprentissage avec Scikit-learn.
  • Recherche d'informations dans des fichiers XML avec ElementTree.
  • Réseau : relay tcp avec Twisted et supervision SNMP avec PySNMP.
  • Travaux pratiques.