Formation Python Perfectionnement

4.4/5
Note moyenne sur 3317formations

Formation Python Perfectionnement

Approfondissez vos compétences Python grâce à 3 jours de formation intensifs !

Cette formation Python Perfectionnement vous permettra de consolider et d’étoffer vos connaissances sur le langage de programmation. Vous apprendrez à utiliser les design patterns, mettrez en œuvre les meilleures pratiques de développement, et saurez exploiter les fonctionnalités avancées du langage pour développer des applications stables et robustes. Sur simple demande, cette formation avancée sur Python pourra être complétée ou adaptée via des modules spécifiques, conformément aux besoins des apprenants : programmation graphique, développement Web avec Django, introduction à Python pour la Data Science, focus sur une librairie…

Prérequis

Avoir suivi notre formation Python Initiation ou disposer des connaissances équivalentes. Une pratique de développement en Python est également recommandée.

Introduction à la formation Python Perfectionnement : rappels et notions avancées

Présentation générale de la formation Python avancé
Installation de Python, configuration d’un environnement de développement
Fonctions avancées, passage d’arguments
Les décorateurs
La fermeture (closure)
Les design patterns (types, application, recherche)
Exemples de cas pratiques : création d’un décorateur, suivre un design pattern (Factory, Singleton, …).

Programmation Orientée Objet avancée avec Python

L’introspection
Les propriétés
Les itérateurs et générateurs
Les classes abstraites
Les métaclasses
Les gestionnaires de contexte pour gérer les ressources
Exemples de cas pratiques : utilisation d’une classe et d’une méthode abstraite, implémentation d’une métaclasse.

Gestion des librairies

Le Python Package Index (PyPI)
Installer des librairies avec pip
Gestion des versions
Créer un environnement avec virtualenv
Construire un package de distribution avec setuptools
Exemple de cas pratique : portage de code entre différentes versions de Python, création d’environnements isolés avec virtualenv, packaging de librairies.

Traitement de données en Python

Les concepts de sérialisation et de désérialisation
Utiliser ElementTree pour extraire des données d’un fichier XML
Principes de base pour l’exploitation de bases de données
Accès à SQLite ou MySQL
Exemples de cas pratiques : recherche d’informations dans un fichier XML, création d’un programme Python pour accéder à une base MySQL, mise au point de requêtes.

Sockets et programmation réseau

Concepts réseaux
Introduction au module Socket, aux objets sockets et leurs méthodes
Les sockets en mode connecté (TCP), non connecté (UDP)
Exemple de cas pratiques : création d’un serveur/client socket

Amélioration des performances

Mesurer les performances des applications : timeit, cProfile et pstats
Bien choisir les structures de données
Les compréhensions de liste
Parallélisation : multithreading vs multiprocessing
Exemples de cas pratiques : mesure du temps d’exécution d’une fonction, profiling d’un programme, optimisation d’un code grâce à la compréhension de liste.

Python est un langage de programmation existant depuis 1991. Bien qu’ancien, il a su évoluer pour devenir aujourd’hui le 3ème langage le plus populaire selon le classement Tiobe (2019). Son caractère open-source et sa grande popularité lui octroient d’ailleurs une grande communauté qui propose de l’entraide et de nombreuses ressources (plus de 113 000 packages sur PyPI).

Python a aussi la particularité d’être un langage interprété, interactif, orienté objet et multi-plateforme tout en offrant une syntaxe simple, claire et compréhensible. C’est d’ailleurs en partie pour ce dernier point qu’il est souvent conseillé pour apprendre les bases de la programmation. Mais ce qui en fait un langage très adopté, c’est surtout sa polyvalence : elle lui permet d’être utilisé dans la science des données, le cloud computing, le développement web ou de manière plus spécifique au prototypage, au traitement de gros volumes de données (ex : Big Data) ou encore pour l’automatisation (ex : machine learning).

Inter

Intra

Sur mesure

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

soit 21 heures de formation

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

soit 21 heures de formation

5100,00 € HT

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

A partir de : 1800 € HT

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

soit 21 heures de formation

5100,00 € HT

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

soit 21 heures de formation

Image Formation

Disponible à distance

Réf.
SF33513

Durée : 3 jours

A partir de : 1800 € HT