PYTHON - Perfectionnement Mixte : présentiel / à distance

• Maîtriser les techniques avancées en Python : gestion de contexte, métaclasses, closures, fonctions complexes
• Optimiser la performance des programmes via le monitoring et le parallélisme
• Packager et déployer des artefacts Python
• Utiliser des bibliothèques clés pour le calcul scientifique, l'IA, le traitement XML, et la gestion réseau

• Ingénieurs et développeurs

• Niveau : Disposer de bonnes connaissances en développement Python
  Techniques (formations en classe virtuelle) : Vous devez disposer d'un ordinateur connecté à internet, d'un micro et d'une caméra

EXPLOITATION DES LIBRAIRIES CLÉS DU LANGAGE PYTHON

• Historique et panorama de Python
• Environnements de développement

TECHNIQUES AVANCÉES DU LANGAGE PYTHON (1/3)

• Gestion avancée des paramètres
• Collections simples et avancées
• Itérateurs et générateurs avancés
• List et dict comprehension, map/reduce et évaluation paresseuse

TECHNIQUES AVANCÉES DU LANGAGE PYTHON (2/3)

• Gestion et définition des exceptions
• Utilisation des context managers
• Méthodes asynchrones
• Typage avec type hints

TECHNIQUES AVANCÉES DU LANGAGE PYTHON (3/3)

• Programmation orientée objets avancée
• Propriétés, opérateurs et fonctions natives
• Héritage multiple et algorithme MRO
• Décorateurs, variables et méthodes de classe
• Classes abstraites, interfaces, métaclasses et introspection

OPTIMISATION DES PERFORMANCES

• Programmation parallèle et concurrente
• Multi-threading, multi-processus
• Pool de threads ou processus, objets futurs
• Synchronisation et paradigmes de concurrence

PACKAGING ET DÉPLOIEMENT DES ARTEFACTS PYTHON

• Installation de bibliothèques tierces
• Gestion des dépendances du projet
• Création de packages et environnements virtuels
• Profiling et tests unitaires

LIBRAIRIES ESSENTIELLES (1/5) - XML ET WEB SCRAPING

• Utilisation de XML, lxml, BeautifulSoup
• Lecture et validation XML, chemin XPath et sélecteurs CSS
• Transformation Python ou XSL

LIBRAIRIES ESSENTIELLES (2/5) - CALCUL SCIENTIFIQUE

• NumPy et SciPy pour le calcul numérique
• Tableaux multi-dimensionnels, statistiques et graphiques avec Matplotlib

LIBRAIRIES ESSENTIELLES (3/5) - TRAITEMENT DES DONNÉES

• Pandas pour la gestion des DataFrames
• Import/export, nettoyage, filtrage, transformation et regroupement des données

LIBRAIRIES ESSENTIELLES (4/5) - MACHINE LEARNING

• Frameworks de ML : TensorFlow, Keras, ScikitLearn
• Réseaux de neurones, régression, apprentissage et prédiction

LIBRAIRIES ESSENTIELLES (5/5) - FRAMEWORKS WEB/REST ET ORM

• Django, Flask, FastAPI, SQLAlchemy
• Création d'API REST, routage HTTP, conversion JSON, DTO pour validation des données

• Exercices concrets
• Cas pratiques
• Quiz d'évaluation des connaissances

• Positionnement en amont de la formation :
• Un quiz de consolidation des pré-requis sera administré en amont de la formation
• Suivi « pendant » :
• Feuilles de présence
• Exercices pratiques
• Évaluation « fin de formation »
• Évaluation des acquis en fin de formation
• Formulaires d'évaluation de la formation
• Évaluation à froid :
• Suivi post-formation : Questionnaire de satisfaction à j+60

• Maîtriser les Techniques Avancées du Langage Python : Utiliser efficacement les concepts avancés tels que les itérateurs, les générateurs, la gestion des exceptions, les context managers, et la programmation orientée objet avancée.
• Optimiser les Performances du Code Python : Implémenter des techniques de programmation parallèle et concurrente pour améliorer l'efficacité du code.
• Gérer le Packaging et le Déploiement : Créer des packages Python, gérer les dépendances et déployer des applications Python.
• Travailler avec des Données XML : Lire, valider et transformer des données XML en utilisant les bibliothèques appropriées.
• Effectuer des Calculs Scientifiques et Analyser des Données : Utiliser NumPy, SciPy et Pandas pour effectuer des calculs scientifiques, des analyses statistiques et manipuler des DataFrames.
• Implémenter des Modèles de Machine Learning : Utiliser TensorFlow, Keras et ScikitLearn pour créer des modèles de machine learning (réseaux de neurones, régression, etc.).
• Développer des Applications Web/REST : Créer des API REST et des applications web en utilisant Django, Flask ou FastAPI, et interagir avec des bases de données en utilisant SQLAlchemy.

Délais d'accès à la formation

Le délai d'accès à la formation est variable en fonction du dispositif de financement utilisé, du planning des formateurs et des contraintes du client. Pour les formations inter-entreprises, vous pouvez consulter notre calendrier en ligne ou prendre contact avec nous. Nous traitons vos demandes sous 48 heures

Accessibilité

Si vous êtes en situation de handicap, merci de nous en informer afin de vous accompagner, vous orienter, et étudier les compensations nécessaires pour répondre au mieux à votre demande de formation. Certaines formations peuvent nécessiter une adaptation pour les personnes en fonction de leur handicap. Nous restons disponibles pour échanger ensemble et nous pourrons vous orienter vers un de nos partenaires : Agefiph, Cap Emploi

Contactez-nous pour échanger sur vos besoins !

✉️ formation@napsia.com

📞 05 62 84 10 13