Python für erfahrene Programmierer prozeduraler Sprachen

Seminarziel

Am Ende des Seminars sind die Teilnehmenden in der Lage, Python effektiv zu nutzen, um Softwareprojekte zu erstellen, zu steuern und die Leistung ihrer Anwendungen zu optimieren. Sie lernen, wie sie die Effizienz und Qualität ihrer Programmierprozesse verbessern können.

Inhalt

• Einführung in Python: Überblick und Bedeutung
  • Was ist Python und warum ist es wichtig?
    • Definition und Hintergrund: Python als vielseitige, hochgradig lesbare Programmiersprache.
    • Bedeutung und Vorteile: Einfachheit, Lesbarkeit, breite Anwendungsmöglichkeiten.
    • Vergleich mit prozeduralen Sprachen: Unterschiede und Vorteile gegenüber C, Pascal, Fortran, Cobol
• Grundlagen der Python-Installation und -Einrichtung
  • Installation und Konfiguration
    • Systemanforderungen und unterstützte Plattformen: Hardware- und Softwarevoraussetzungen.
    • Installation von Python: Schritt-für-Schritt-Anleitung zur Einrichtung auf verschiedenen Plattformen (Windows, macOS, Linux).
    • Erste Konfiguration: Einrichtung der Entwicklungsumgebung, grundlegende Einstellungen und Anpassungen.
• Grundlegende Bedienung und Funktionen
  • Basis-Funktionen und Syntax
    • Einführung in die Python-Syntax: Einrückungen, Kommentare, Datentypen.
    • Grundlegende Konzepte der Python-Programmierung: Variablen, Operatoren, Kontrollstrukturen.
    • Verwendung von Python: Erstellen und Verwalten von Python-Skripten und -Projekten.
• Erste Schritte mit Python
  • Einfache Python-Skripte
    • Schreiben und Ausführen eines einfachen Python-Skripts: Grundlegende Befehle und Syntax.
    • Einführung in die Datenverarbeitung: Listen, Tupel, Dictionaries.
    • Anwendung von Python in der Praxis: Integration und Ausführung von Skripten.
• Praxisübung 1: Einrichtung und Grundkonfiguration von Python
  • Ziel der Übung: Anwendung der erlernten Techniken zur Einrichtung und Grundkonfiguration von Python.
    • Projektbeschreibung: Teilnehmer installieren Python und erstellen erste einfache Python-Skripte.
    • Anforderungen: Nutzung der grundlegenden Funktionen und Befehle von Python.
  • Schritt-für-Schritt-Anleitung:
    • Vorbereitung: Einführung in die Projektanforderungen, Einrichtung der Umgebung.
    • Durchführung: Installation von Python, Erstellung einfacher Skripte.
    • Präsentation: Vorstellung der Ergebnisse durch die Teilnehmer.
  • Tools: Python, IDE (z.B. PyCharm, VS Code), Jupyter Notebook.
  • Ergebnisse und Präsentation:
    • Präsentation der eingerichteten Umgebung und der ersten Python-Skripte.
    • Diskussion und Feedback: Analyse der Ergebnisse und Verbesserungsvorschläge.
• Erweiterte Python-Techniken
  • Erweiterte Sprachfunktionen
    • Funktionen und Module: Definition, Import und Verwendung.
    • Fehlerbehandlung: Exception-Handling und Debugging.
    • Dateiverarbeitung: Lesen und Schreiben von Dateien.
• Objektorientierte Programmierung (OOP) in Python
  • Grundlagen der OOP in Python
    • Klassen und Objekte: Definition und Verwendung.
    • Vererbung und Polymorphismus: Konzepte und Implementierung.
    • Methoden und Attribute: Erstellung und Nutzung.
• Integration und Verwaltung
  • Integration mit anderen Tools und Plattformen
    • Anbindung an Datenbanken und APIs: Integration von Python mit externen Datenquellen.
    • Datenmanagement und -synchronisierung: Verwaltung von Datenflüssen und Echtzeit-Updates.
• Scripting und Automatisierung
  • Automatisierung komplexer Prozesse
    • Einführung in die Skriptumgebung: Grundlagen und Syntax von Python-Skripten.
    • Erstellung von Skripten zur Automatisierung: Datenverarbeitung, Systemadministration, Web-Scraping.
    • Erweiterte Scripting-Techniken: Fehlerbehandlung, Debugging, Performance-Optimierung.
• Analyse und Optimierung von Python-Projekten
  • Überwachung und Fehlersuche
    • Überwachung und Analyse der Systemleistung: Nutzung von Monitoring-Tools.
    • Protokollierung und Fehlersuche: Methoden zur Fehleranalyse und -behebung.
    • Optimierung von Projekten: Durchführung von Tests, Analyse der Ergebnisse, kontinuierliche Verbesserung.
• Praxisübung 2: Erweiterte Python-Projekte und Automatisierung
  • Ziel der Übung: Anwendung der erlernten Techniken zur erweiterten Programmierung und Automatisierung in Python.
    • Projektbeschreibung: Teilnehmer erstellen komplexe Python-Projekte und automatisieren Prozesse.
    • Anforderungen: Nutzung der erweiterten Funktionen und Scripting-Tools von Python.
  • Schritt-für-Schritt-Anleitung:
    • Vorbereitung: Einführung in die Projektanforderungen, Einrichtung der Umgebung.
    • Durchführung: Erstellung und Konfiguration erweiterter Python-Projekte, Entwicklung von Automatisierungsskripten.
    • Präsentation: Vorstellung der Ergebnisse durch die Teilnehmer.
  • Tools: Python, IDE (z.B. PyCharm, VS Code), Jupyter Notebook.
  • Ergebnisse und Präsentation:
    • Präsentation der erstellten Python-Projekte und durchgeführten Automatisierungen.
    • Diskussion und Feedback: Analyse der Ergebnisse und Verbesserungsvorschläge.
• Datenverarbeitung und Analyse mit Python
  • Erweiterte Datenverarbeitung
    • Nutzung von Bibliotheken: pandas, NumPy zur Datenmanipulation und -analyse.
    • Visualisierung von Daten: Matplotlib, Seaborn zur grafischen Darstellung.
    • Datenimport und -export: CSV, Excel, SQL-Datenbanken.
• Webentwicklung mit Python
  • Einführung in Web-Frameworks
    • Überblick über Flask und Django: Unterschiede und Anwendungsfälle.
    • Erstellung einfacher Webanwendungen: Routen, Templates, Formulare.
    • Datenbankintegration: Nutzung von ORM (Object-Relational Mapping) mit SQLAlchemy oder Django ORM.
• Machine Learning und künstliche Intelligenz
  • Grundlagen des Machine Learnings
    • Einführung in Scikit-Learn: Datenvorverarbeitung, Modelltraining, Evaluierung.
    • Einsatz von vortrainierten Modellen: TensorFlow, Keras.
    • Praxisbeispiele: Klassifikations- und Regressionsmodelle erstellen und anwenden.
• Projektmanagement und Best Practices
  • Effektives Projektmanagement
    • Nutzung von Versionskontrollsystemen: Git und GitHub.
    • Projektstrukturierung und -dokumentation: Best Practices.
    • Testgetriebene Entwicklung (TDD): Einführung und Anwendung von Unittests.
• Praxisübung 3: Komplexe Python-Projekte und Best Practices
  • Ziel der Übung: Anwendung der erlernten Techniken zur Erstellung komplexer Python-Projekte unter Berücksichtigung von Best Practices.
    • Projektbeschreibung: Teilnehmer entwickeln komplexe Projekte, die mehrere der behandelten Themen integrieren.
    • Anforderungen: Nutzung der erweiterten Funktionen, Bibliotheken und Best Practices von Python.
  • Schritt-für-Schritt-Anleitung:
    • Vorbereitung: Einführung in die Projektanforderungen, Einrichtung der Umgebung.
    • Durchführung: Erstellung und Konfiguration komplexer Python-Projekte.
    • Präsentation: Vorstellung der Ergebnisse durch die Teilnehmer.
  • Tools: Python, IDE (z.B. PyCharm, VS Code), Jupyter Notebook, Git.
  • Ergebnisse und Präsentation:
    • Präsentation der erstellten Python-Projekte.
    • Diskussion und Feedback: Analyse der Ergebnisse und Verbesserungsvorschläge.