1
Python 3, de basis van de taal - Vooropleiding digitale leerinhoud
- Inleiding.
- Gegevenstypen.
- Algoritmen.
- Gegevensmanipulatie.
Digitale activiteiten
Deze online cursus introduceert de essentiële basisprincipes van de Python-taal, zodat je efficiënt kunt leren programmeren. Deelnemers leren over programmastructuur, datatypes, functies en algoritmische concepten, voordat ze verder gaan met gegevensmanipulatie en objectgeoriënteerd programmeren. Ze leren ook hoe een database te gebruiken met SQLAlchemy en hoe goede praktijken toe te passen om schone, onderhoudbare Python-code te ontwikkelen.
2
Python 3, concepten voor gevorderden - Vooropleiding digitale leerinhoud
- Objectmodel.
- Typische objecten.
- Testen.
- XML.
- Documenten maken.
Digitale activiteiten
Deze online cursus introduceert het Python objectmodel en getypeerde objecten, een van de moderne ontwikkelassen van Python. Deelnemers zijn dan in staat om krachtige, moderne toepassingen te bouwen en hun gegevens veilig te verwerken. Ze leren ook hoe ze XML kunnen manipuleren met Python en hoe ze PDF-, openDocument- en afbeeldingsdocumenten kunnen genereren.
3
Geavanceerde types en structuren
- Complexe types en hun methoden.
- Snijden en geavanceerde sequenties.
- Gespecialiseerde gegevensstructuren.
- Geheugenoptimalisatie.
Praktisch werk
Manipulation des types. Exercices de slicing avancé. Optimisation des structures.
4
Introspectie en metaprogrammeren
- Concepten van introspectie.
- Basis metaprogrammeren.
- Objectinspectie.
- Dynamische verwerking.
Praktisch werk
Exploration de l’introspection. Création d’outils dynamiques. Tests et validation.
5
Geavanceerd functioneel programmeren
- Geavanceerde decorateurs.
- Sluitingen en toepassingsgebieden.
- Functionele ontwerppatronen.
- Functies van hogere orde.
- Generatoren en iteratoren.
- Reactief programmeren.
Praktisch werk
Maîtrise des décorateurs. Implémentation de patterns fonctionnels. Programmation réactive.
6
Functioneel programmeren
- Geavanceerde decorateurs.
- Sluitingen en toepassingsgebieden.
- Functies van hogere orde.
- Functionele ontwerppatronen.
Praktisch werk
Création de décorateurs. Implémentation de patterns.
7
Generatoren en iteratoren
- Geavanceerde generatoren.
- Aangepaste iteratoren.
- Reactief programmeren.
- Stroomoptimalisatie.
Praktisch werk
Développement d’itérateurs. Création de générateurs. Tests de performance.
8
Geavanceerde OOP concepten
- Eigenschappen en descriptoren.
- Meervoudige overerving en MRO.
- Abstracte klassen.
- Basis metaklassen.
Praktisch werk
Implémentation de descripteurs. Exercices d’héritage multiple. Architecture avec classes abstraites.
9
Ontwerppatronen
- Creatieve patronen.
- Structurele patronen.
- Gedragspatronen.
- Beste praktijk.
Praktisch werk
Patterns créationnels. Patterns structurels et comportementaux.
10
Geavanceerd metaprogrammeren
- Geavanceerde metaklassen.
- Protocolbeschrijvingen.
- Aanpassing van import.
- Metaklasse hiërarchieën.
Praktisch werk
Exploration des métaclasses. Protocol descriptors avancés. Customisation d’imports.
11
Geavanceerde contextbeheerders
- Complexe contextmanagers.
- Geneste contexten.
- Async contextmanagers.
- Gebruikspatronen.
Praktisch werk
Implémentation de managers. Tests de scénarios complexes. Optimisation des ressources.
12
Gevorderd Python ecosysteem
- Gegevenswetenschap met NumPy en Pandas.
- Visualisatie met Matplotlib.
- Machinaal leren met Scikit-learn.
- Web met FastAPI/Django.
- Cyberbeveiliging met PyCrypto.
- Netwerken met Twisted.
Praktisch werk
Data science et visualisation. Machine learning Appliqué. Web et sécurité.
13
Prestatieoptimalisatie
- Codeprofilering.
- Geheugenoptimalisatie.
- Efficiënte algoritmen.
- Caching en memoïsatie.
Praktisch werk
Profilage d’applications. Optimisation de code. Benchmarking.
14
Parallel programmeren
- Multiprocessing.
- Geavanceerd rijgen.
- Asyncio.
- Pools van werknemers.
Praktisch werk
Threading versus multiprocessing. Asyncio en pratique. Optimisation avec Worker Pools.
15
Gedistribueerde toepassingen
- Gedistribueerde architectuur.
- Wachtrijen voor berichten.
- Belasting balanceren.
- Schaalbaarheid.
Praktisch werk
Conception d’architecture distribuée. Implémentation du message queuing. Tests de charge et monitoring.
16
Eindproject
- Complete architectuur.
- Optimale prestaties.
- Testen en kwaliteit.
- Inzet.
Praktisch werk
Conception et développement. Optimisation et tests. Présentation et retours.
17
Python voor data science - Post-training digitale leerinhoud
- Python en datawetenschap.
- Visualisatie van gegevens.
- Inferentiële statistiek met Python.
- Multivariate modellering met Python.
Digitale activiteiten
Deze online cursus laat zien hoe je Python kunt gebruiken voor data science en de analyse van grote hoeveelheden gegevens. Deelnemers leren hoe ze gegevens kunnen manipuleren en visualiseren met behulp van Numpy en Pandas, en hoe ze statistische methoden en voorspellende modellen kunnen toepassen met behulp van de Scikit-Learn bibliotheek.