Zaawansowany Python

Znajomość składni Pythona to dopiero punkt startowy — prawdziwa biegłość zaczyna się tam, gdzie kończy się pisanie prostych skryptów i zaczyna świadome kształtowanie architektury, wydajności i niezawodności kodu.
Szkolenie przeprowadza uczestników przez zaawansowane mechanizmy języka: od protokołu iteracji i menedżerów kontekstu, przez system typów i metaklasy, po współbieżność z asyncio i profilowanie na poziomie opkodów.

Dużą uwagę poświęcamy jakości kodu — statycznej analizie typów z mypy, testowaniu z pytest oraz budowaniu środowisk z uv i pyproject.toml.

Szkolenie adresowane jest do programistów Pythona z co najmniej rocznym doświadczeniem, którzy chcą pisać kod gotowy na środowiska produkcyjne — czytelny, testowalny, wydajny i łatwy w utrzymaniu.

2 200 zł netto

Ukończyło: 89 osób

Stacjonarnie (Warszawa)

Zdalnie (Teams)

lub Pobierz formularz zgłoszeniowy

Akceptujemy formy płatności: PayU, Faktura pro-forma, Faktura VAT po szkoleniu

Rozłóż na raty z

Czego się nauczysz?

Opanujesz zaawansowane mechanizmy języka

Zaczniesz pisać kod z typami

Zbudujesz solidną infrastrukturę testową

Zlokalizujesz i wyeliminujesz wąskie gardła

Zrozumiesz współbieżność w Pythonie

Przejdziesz na nowoczesny tooling

Zakres szkolenia

Pobierz zakres w PDF

Protokół iteracji: __iter__, __next__, generatory i yield from
Moduł itertools i more-itertools — kompozycja potoków danych
Menedżery kontekstu: __enter__/__exit__, contextlib.contextmanager
Dekoratory funkcyjne i klasowe — wzorce i pułapki
Ćwiczenie: budowa lazy pipeline’u do przetwarzania dużych zbiorów danych

Type hints w praktyce: adnotacje, TypeVar, Generic, Protocol
Statyczna analiza z mypy — konfiguracja i interpretacja błędów
dataclasses i attrs — nowoczesne definiowanie struktur danych
Zarządzanie środowiskami i zależnościami z uv i pyproject.toml
Ćwiczenie: typowanie istniejącej bazy kodu i eliminacja błędów mypy

Introspekcja: inspect, dir, getattr, __dict__
Deskryptory — mechanizm stojący za @property i @classmethod
Metaklasy: kiedy i po co ich używać
__init_subclass__ i __class_getitem__ jako lżejsze alternatywy
Dynamiczne tworzenie klas z type() i types.new_class
Ćwiczenie: implementacja frameworka walidacji opartego na deskryptorach

pytest jako standard: fixtures, parametryzacja, markery
Mockowanie z unittest.mock i pytest-mock
Pokrycie kodu: coverage.py — pokrycie linii vs rozgałęzień
Testowanie własnościowe z hypothesis
tox i nox — automatyzacja testów na wielu wersjach Pythona
Ćwiczenie: napisanie pełnego zestawu testów dla modułu z użyciem TDD

Profilowanie czasowe: cProfile, line_profiler, py-spy
Profilowanie pamięci: tracemalloc, memray
Czytanie opkodów — moduł dis
Optymalizacja: słabe referencje, __slots__, lokalne zmienne
Kiedy sięgać po Cython, ctypes lub rozszerzenia w C
Ćwiczenie: identyfikacja i eliminacja bottlenecku w aplikacji

Unicode, UTF-8 i pułapki kodowań w I/O
struct — czytanie i pisanie binarnych formatów danych
Serializacja: pickle, json, msgpack, protobuf
Bezpieczeństwo deserializacji — pickle jako wektor ataku
Ćwiczenie: parser binarnego formatu pliku

GIL — co blokuje, a czego nie blokuje
Wątki (threading) vs procesy (multiprocessing) — kiedy co stosować
concurrent.futures — unified API dla wątków i procesów
Programowanie asynchroniczne: async/await, pętla zdarzeń, coroutines
asyncio w praktyce: Tasks, Queues, synchronizacja
Wzorce: producer-consumer, ograniczanie współbieżności z Semaphore
Przegląd ekosystemu: anyio, trio, asynchroniczne klienty HTTP
Ćwiczenie: asynchroniczny scraper z ograniczeniem rate-limit

Opinie firm i użytkowników

Bardzo wartościowe szkolenie dla programistów, którzy chcą wyjść poza pisanie prostych skryptów i zacząć budować solidne aplikacje w Pythonie. Dużym plusem są praktyczne ćwiczenia z testowania, typowania kodu, profilowania i pracy z asyncio, dzięki którym łatwo przenieść zdobytą wiedzę do codziennej pracy

Web Development
Szkolenie bardzo dobrze porządkuje i pogłębia wiedzę o Pythonie — szczególnie w obszarach takich jak typowanie, testowanie, profilowanie i współbieżność. Dużym atutem są praktyczne przykłady oraz pokazanie nowoczesnych narzędzi do pracy z projektami Pythona. Po szkoleniu łatwiej pisać kod, który jest nie tylko działający, ale też czytelny, wydajny i gotowy do wdrożenia produkcyjnego

Senior Python Developer