Plan du cours
Jour 1 — Fondements robustes de Python et outils
Fonctionnalités modernes de Python et typage
- Bases de la typage, génériques, Protocols et TypeGuard
- Dataclasses, dataclasses figées (frozen) et aperçu d'attrs
- Appariement de motifs (pattern matching, PEP 634+) et utilisation idiomatique
Qualité du code et outillage
- Formatteurs et linters de code : black, isort, flake8, ruff
- Vérification statique des types avec MyPy et pyright
- Accroches pre-commit et flux de travail des développeurs
Gestion de projet et emballage (packaging)
- Gestion des dépendances avec Poetry et environnements virtuels
- Structure des paquets, points d'entrée et meilleures pratiques de versionnage
- Construction et publication de paquets sur PyPI et les registres privés
Jour 2 — Modèles de conception et pratiques architecturales
Modèles de conception en Python
- Patterns créatifs : Factory, Builder, Singleton (variantes idiomatiques en Python)
- Patterns structurels : Adapter, Facade, Decorator, Proxy
- Patterns comportementaux : Strategy, Observer, Command
Principes architecturaux
- Application des principes SOLID aux bases de code Python
- Architecture hexagonale/clean et limites (boundaries)
- Patterns d'injection de dépendances et gestion de la configuration
Modularité et réutilisation
- Conception de code de bibliothèque vs code d'application
- APIs, interfaces stables et versionnage sémantique
- Gestion de la configuration, des secrets et des paramètres spécifiques à l'environnement
Jour 3 — Concurrence, IO asynchrone et performance
Concurrence et parallélisme
- Fondamentaux du thread et implications du GIL (Global Interpreter Lock)
- Multiprocessing et pools de processus pour les tâches à charge CPU
- Quand utiliser concurrent.futures vs multiprocessing
Programmation asynchrone avec asyncio
- Patterns async/await, boucle d'événements et annulation
- Conception de bibliothèques asynchrones et interopérabilité avec le code synchrone
- Patterns à charge IO, backpressure et limitation de débit (rate limiting)
Profiling et optimisation
- Outils de profiling : cProfile, pyinstrument, perf, memory_profiler
- Optimisation des chemins critiques et utilisation d'extensions C/Numba si approprié
- Mesure de la latence, du débit et de l'utilisation des ressources
Jour 4 — Testage, CI/CD, observabilité et déploiement
Stratégies de testage et automatisation
- Testage unitaire et fixtures avec pytest ; organisation des tests
- Testage basé sur les propriétés avec Hypothesis et testage de contrat
- Mocking, monkeypatching et testage du code asynchrone
CI/CD, publication et surveillance
- Intégration des tests et des portes de qualité dans GitHub Actions/GitLab CI
- Construction de conteneurs reproductibles avec Docker et constructions multi-étapes
- Observabilité de l'application : journalisation structurée, métriques Prometheus et traçabilité
Sécurité, durcissement et bonnes pratiques
- Audit des dépendances, bases des SBOM et scan des vulnérabilités
- Pratiques de codage sécurisé pour la validation des entrées et la gestion des secrets
- Durcissement d'exécution : limites de ressources, droits utilisateur et sécurité des conteneurs
Projet final et revue
- Travail en équipe : conception et implémentation d'un petit service en utilisant les patterns du cours
- Testage, vérification des types, packaging et pipeline CI pour le projet
- Revue finale, critique de code et plan d'amélioration actionnable
Résumé et prochaines étapes
Pré requis
- Expérience solide en programmation Python intermédiaire
- Familiarité avec la programmation orientée objet et le testage de base
- Expérience avec l'utilisation de la ligne de commande et de Git
Public cible
- Développeurs Python seniors
- Ingénieurs logiciels responsables de la qualité et de l'architecture du code Python
- Chefs techniques et ingénieurs MLOps/DevOps travaillant avec des bases de code Python
Nos clients témoignent (3)
tout était parfait
Florin Vrincianu
Formation - Python Programming Fundamentals
Traduction automatique
L'adaptation des exos à notre contexte et la prise en compte de notre demande
Amel Guetat - EURO-INFORMATION DEVELOPPEMENTS
Formation - Fraud Detection with Python and TensorFlow
Les exercices pratiques liés au contenu aident vraiment à mieux comprendre chaque sujet. De plus, le fait de commencer les cours par une leçon puis de continuer avec des exercices pratiques est une bonne méthode qui aide à relier le contenu de la leçon précédente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Formation - Introduction to Data Science and AI using Python
Traduction automatique