Python, code is True

Часть 1: Подготовка среды и основы Python

Подготовка среды разработки

Установка Python, настройка виртуальных окружений, выбор и настройка IDE, освоение базовых команд Git и GitHub.

Установка и настройка Python

Изучение истории Python, версий, установки на разных ОС и настройки виртуальных окружений для изоляции проектов.

• История Python и его версии
• Установка Python на разные ОС
• Версии Python 2 vs 3
• Виртуальные окружения
• Пакетный менеджер pip

Выбор и настройка IDE

Обзор современных IDE для Python, преимущества VS Code, настройка расширений и интеграция с виртуальными окружениями.

• Что такое IDE и зачем она нужна
• Обзор IDE: VS Code
• Основные возможности IDE
• Установка VS Code
• Работа с расширениями в VS Code
• Настройка проекта в VS Code

Основы Python

Изучение базового синтаксиса Python, типов данных, операторов, строк, ввода-вывода и основ версионного контроля. Завершается созданием универсального калькулятора.

Введение в Python и первая программа

Ознакомление с особенностями Python как языка программирования, изучение синтаксиса, базовых функций print() и input(), а также основ работы с переменными и именованием.

• Что такое Python и его особенности
• Синтаксис Python: отступы и комментарии
• Переменные и именование
• Типы данных
• Функции print() и input()

Операторы и выражения

Изучение арифметических, логических операторов, операторов сравнения, приоритета операций и составных операторов присваивания.

• Арифметические операторы
• Операторы присваивания
• Операторы сравнения
• Логические операторы
• Приоритет операций

Строки и работа с ними

Глубокое изучение строк в Python, включая методы, форматирование, индексацию, срезы и проверку подстрок.

• Строки в Python
• Методы строк
• Форматирование строк
• Индексация и срезы
• Проверка подстроки

Ввод-вывод и базовые операции

Освоение работы с пользовательским вводом, преобразования типов данных и использования математических функций.

• Функция input() и ввод данных
• Преобразование типов
• Математические функции и консоль

Часть 2: Структуры данных и работа с файлами

Структуры данных и работа с файлами

Изучение списков, кортежей, множеств, словарей, генераторов, работы с файлами, JSON/CSV и регулярных выражений. Завершается созданием менеджера личных финансов.

Списки в Python

Изучение списков как основной структуры данных в Python: создание, методы, индексация, срезы и списковые включения.

• Что такое список (list) в Python
• Создание списков и инициализация
• Методы split() и join()
• Индексация и срезы списков
• Методы списков: append(), insert(), remove(), pop(), sort()
• Генераторы списков (list comprehensions)
• Итерация по спискам

Кортежи и множества

Изучение неизменяемых коллекций: кортежей (tuple) и множеств (set), их особенностей, операций и случаев применения.

• Что такое кортеж (tuple) и его отличия от списка
• Создание кортежей и операции с ними
• Что такое множество (set) и его особенности
• Операции с множествами: union, intersection, difference
• Когда использовать кортежи, списки и множества
• Распаковка

Словари в Python

Изучение ассоциативных массивов (словарей) в Python: создание, методы работы, итерация и применение вложенных структур.

• Что такое словарь (dict) в Python
• Ключи и значения в словаре
• Создание словарей и доступ к элементам
• Методы словарей: keys(), values(), items(), get()
• Итерация по словарям
• Вложенные словари

Генераторы и включения

Углубленное изучение списковых, словарных и множественных включений, а также генераторных выражений для эффективной работы с данными.

• Списковые включения (list comprehensions)
• Словарные включения (dict comprehensions)
• Множественные включения (set comprehensions)
• Генераторные выражения
• Условные конструкции в включениях
• Вложенные циклы в включениях

Работа с файлами

Изучение операций с файлами: открытие/закрытие, чтение/запись, работа с разными режимами и кодировками.

• Режимы открытия файлов: 'r', 'w', 'a', 'r+'
• Чтение файлов: read(), readline(), readlines()
• Открытие и закрытие файлов
• Запись в файлы: write(), writelines()
• Контекстный менеджер with
• Работа с разными кодировками

Работа с JSON и CSV

Изучение форматов обмена данными JSON и CSV, методов сериализации и десериализации в Python.

• Формат JSON и его применение
• Сериализация и десериализация JSON
• Модуль json в Python
• Формат CSV и работа с ним
• Модуль csv в Python
• Практические примеры сохранения данных

Регулярные выражения

Изучение регулярных выражений для поиска, извлечения и замены текстовых шаблонов.

• Что такое регулярные выражения (regex)
• Базовые паттерны: символы, классы символов
• Квантификаторы: *, +, ?, {n}, {n,m}
• Специальные символы: ^, $, \b, \B
• Методы модуля re: search(), match(), findall(), sub()
• Практические примеры валидации данных

Обработка исключений

Изучение механизмов обработки ошибок и исключений в Python для создания надёжных программ.

• Что такое исключения и зачем их обрабатывать
• Базовые типы исключений: ValueError, TypeError, FileNotFoundError
• Конструкция try-except-else-finally
• Создание собственных исключений
• Лучшие практики обработки ошибок

Часть 3: Объектно-ориентированное программирование

Объектно-ориентированное программирование

Изучение классов, объектов, наследования, инкапсуляции, полиморфизма, магических методов, модулей и пакетов. Завершается созданием системы управления библиотекой.

Основы ООП

Знакомство с ключевыми концепциями объектно-ориентированного программирования, их преимуществами и основными принципами.

• Что такое объектно-ориентированное программирование
• Классы и объекты - основные понятия
• Создание классов в Python
• Конструктор __init__ и методы

Наследование и полиморфизм

Изучение механизма наследования для повторного использования кода, создания иерархий классов и применения полиморфизма для гибкости программ.

• Что такое наследование и зачем оно нужно
• Родительские и дочерние классы
• Переопределение методов
• Полиморфизм и его применение
• Функция isinstance() и type()
• Множественное наследование

Инкапсуляция и свойства

Изучение механизма инкапсуляции для защиты данных объектов, использование приватных атрибутов и свойств (@property) для контроля доступа.

• Что такое инкапсуляция в ООП
• Приватные и защищенные атрибуты
• Property decorators (@property)
• Сеттеры и геттеры

Магические методы

Изучение специальных методов (dunder methods) для кастомизации поведения объектов при взаимодействии со встроенными операциями Python.

• Арифметические операторы (__add__, __sub__, __mul__)
• Что такое magic methods в Python
• Методы для строкового представления (__str__, __repr__)
• Методы для сравнения (__eq__, __lt__, __gt__)
• Методы для работы с контейнерами (__len__, __getitem__)

Модули и пакеты

Изучение организации кода в модули и пакеты, системы импорта, управления зависимостями и виртуальными окружениями.

• Работа с __all__
• Что такое модули в Python
• Создание и импорт модулей
• Псевдонимы при импорте (as)
• Пакеты и их структура
• Инициализация пакетов (__init__.py)

Работа с виртуальными окружениями и зависимостями

Изучение управления виртуальными окружениями, установки пакетов, управления зависимостями и современных инструментов разработки.

• Продвинутая работа с виртуальными окружениями
• Менеджер пакетов pip и его команды
• Файл requirements.txt для зависимостей
• virtualenv, pipenv, poetry

Часть 4: Стандартная библиотека и инструменты

Стандартная библиотека и инструменты

Изучение ключевых модулей стандартной библиотеки Python (datetime, os, random, sys), инструментов логирования, профилирования, отладки и введение в Docker. Завершается созданием системы мониторинга с контейнеризацией.

Ключевые модули стандартной библиотеки

Изучение основных модулей стандартной библиотеки Python для работы с датами, файловой системой, генерации случайных чисел и получения системной информации.

• Модуль datetime для работы с датами и временем
• Модуль random для генерации случайных чисел
• Модуль os для работы с операционной системой
• Модуль sys для системной информации
• Практические примеры использования

Системы логирования и отладки

Изучение модуля logging для ведения логов, настройки уровней логирования, форматирования сообщений и инструментов отладки.

• Модуль logging для ведения логов
• Уровни логирования: DEBUG, INFO, WARNING, ERROR
• Настройка логгеров и обработчиков
• Форматирование сообщений в логах
• Ротация лог-файлов
• Отладка с помощью pdb
• Расширенное логирование

Профилирование и оптимизация

Изучение инструментов для анализа производительности кода, измерения времени выполнения, анализа памяти и методов оптимизации.

• Модуль cProfile для профилирования
• timeit для измерения времени выполнения
• Модуль memory_profiler для анализа памяти
• Оптимизация кода на основе профилирования
• Практические примеры улучшения производительности

Контейнеризация с Docker

Изучение контейнеризации приложений с помощью Docker для обеспечения воспроизводимости и изоляции среды выполнения.

• Что такое контейнеризация и Docker
• Образы и контейнеры
• Dockerfile для создания образов
• docker-compose для оркестрации
• Основные команды Docker
• Преимущества контейнеризации
• Установка и настройка в разных ОС
• Продвинутые возможности Docker

Часть 5: Тестирование и качество кода

Тестирование и качество кода

Изучение юнит-тестирования с unittest и pytest, написания докстрингов, соблюдения PEP 8, использования инструментов статического анализа и применения TDD. Завершается созданием библиотеки утилит с 100% покрытием тестами.

Основы тестирования

Изучение фундаментальных концепций тестирования программного обеспечения, типов тестов и их роли в разработке.

• Что такое тестирование и зачем оно нужно
• Типы тестов: юнит-тесты, интеграционные, функциональные

Инструменты тестирования Python

Практическое применение фреймворков unittest и pytest для создания надежных тестов.

• Модуль unittest в Python
• Assertions и TestCase
• Runners и результаты тестирования
• TDD (Test-Driven Development) методология
• Библиотека pytest и ее преимущества
• Fixtures и параметризация тестов
• Mock и patch для изоляции
• Coverage и измерение покрытия
• Плагины pytest
• Лучшие практики написания тестов

Документирование кода

Создание качественной документации с помощью докстрингов и автоматических инструментов.

• Докстринги в Python и их назначение
• Форматы докстрингов: Google, NumPy, reStructuredText
• Создание документации для модулей и пакетов
• Автогенерация документации
• Docstrings для классов и методов
• Примеры хорошей документации

Качество кода и лучшие практики

Соблюдение стандартов кодирования, использование инструментов анализа и применение передовых практик разработки.

• Стандарт PEP 8 и его важность
• Правила именования переменных и функций
• Форматирование кода и отступы
• Длина строк и перенос строк
• Комментарии и документация
• Инструменты для проверки стиля кода
• Другие принципы и практики
• Инструменты статического анализа: pylint, flake8, mypy
• Проверка типов с mypy
• Автоформатирование с black
• Сортировка импортов с isort
• Сложность кода и ее измерение
• Интеграция инструментов в workflow

Продвинутые практики тестирования

Продвинутые методологии и интеграция тестирования в процесс разработки.

• Автоматизация тестирования
• Test-Driven Development методология
• Red-Green-Refactor цикл
• Покрытие тестами и его измерение
• Интеграционное тестирование
• Практики непрерывной интеграции

Часть 6: SQL и базы данных

SQL и базы данных

Изучение реляционных баз данных, языка SQL, работы с SQLite через Python и ORM SQLAlchemy. Завершается созданием системы управления складом.

Основы баз данных и SQL

Изучение фундаментальных понятий реляционных баз данных, основных команд SQL, типов данных и проектирования схем.

• Что такое базы данных и SQL
• Реляционные базы данных
• Типы данных в SQL
• Основные команды: SELECT, INSERT, UPDATE, DELETE
• Создание таблиц и ограничений
• Первичные и внешние ключи

Продвинутые функции SQL

Освоение фильтрации, сортировки, агрегатных функций, группировки и соединения таблиц для сложных запросов.

• Фильтрация и сортировка данных в SQL
• Агрегатные функции и группировка
• Связи и соединения таблиц
• Представления (VIEW)
• Ограничения в SQL

Работа с базами данных в Python

Изучение модуля sqlite3 для взаимодействия с базами данных из Python, обработка ошибок и транзакций.

• Модуль sqlite3 в Python
• Подключение к базе данных
• Создание курсоров
• Выполнение SQL запросов
• Обработка ошибок
• Транзакции в SQLite

ORM SQLAlchemy

Изучение SQLAlchemy как инструмента объектно-реляционного отображения для работы с базами данных в Python.

• Что такое ORM и зачем она нужна
• SQLAlchemy в Python
• Создание моделей
• Сессии и транзакции
• CRUD операции через ORM
• Связи между моделями
• Запросы и фильтрация в SQLAlchemy
• Производительность и расширенные возможности

Часть 7: Работа с API и внешними сервисами

Работа с API и внешними сервисами

Изучение протокола HTTP, библиотеки requests, работы с публичными API, обработки ошибок, кэширования и аутентификации. Завершается созданием агрегатора новостей из нескольких источников.

Основы работы с API

Изучение базовых концепций HTTP, методов запросов, статус-кодов и структуры API-запросов.

• Основы протокола HTTP и его роль в веб-коммуникации
• Методы HTTP: GET, POST, PUT, DELETE и их назначение
• Статус-коды HTTP и их классификация (2xx, 4xx, 5xx)
• Заголовки запросов и ответов

Библиотека requests для работы с HTTP

Освоение возможностей библиотеки requests для выполнения HTTP-запросов, обработки параметров, сессий и загрузки файлов.

• Библиотека requests в Python и её возможности
• Обработка ошибок подключения и некорректных ответов
• Работа с JSON-данными в ответах API
• Продвинутая работа с requests

Аутентификация и безопасность API

Изучение методов аутентификации в API (Basic Auth, Bearer Token), безопасного хранения ключей и лучших практик работы с чувствительными данными.

• Использование API-ключей и безопасное их хранение
• Rate limiting и квоты на запросы
• Аутентификация и безопасность в API

Практическая работа с публичными API

Изучение популярных публичных API, их документации и создание приложений для работы с реальными сервисами.

• Чтение и понимание документации к API
• Обзор популярных публичных API (GitHub, OpenWeatherMap, News API и др.)
• Лучшие практики: обработка ошибок, кэширование, асинхронность
• Работа с большими объёмами данных через API

Часть 8: Анализ данных с pandas

Анализ данных с pandas

Изучение библиотеки pandas для загрузки, обработки и анализа табличных данных, визуализации с помощью Matplotlib и анализа реальных датасетов. Завершается созданием аналитического дашборда.

Основы pandas

Изучение фундаментальных концепций библиотеки pandas, основных структур данных и базовых операций для работы с табличными данными.

• Введение в библиотеку pandas и её роль в анализе данных
• Основные структуры данных: Series и DataFrame
• Загрузка данных из CSV, Excel, JSON

Обработка и анализ данных

Изучение методов фильтрации, сортировки, агрегации и преобразования данных с помощью pandas.

• Индексация и выборка данных: loc, iloc
• Основные операции: фильтрация, сортировка, агрегация
• Группировка данных и сводные таблицы
• Работа с пропущенными значениями и дубликатами

Визуализация данных

Изучение методов визуализации данных с помощью matplotlib, seaborn и встроенных функций pandas.

• Интеграция pandas с Matplotlib и Seaborn
• Основные типы графиков: линейные, столбчатые, гистограммы, scatter plots
• Настройка внешнего вида: цвета, легенды, подписи
• Сохранение и экспорт графиков
• Создание множественных и интерактивных графиков
• Лучшие практики визуализации данных

Продвинутые методы анализа

Изучение сложных методов работы с данными: очистка, работа со временными рядами, обработка текста и категориальных данных, статистический анализ.

• Очистка и предварительная обработка данных
• Работа с временными рядами и датами
• Обработка текстовых и категориальных данных
• Статистический анализ и проверка гипотез
• Введение в машинное обучение с pandas
• Практические кейсы: продажи, логи, финансы, соцопросы

Часть 9: Веб-разработка с FastAPI

Веб-разработка с FastAPI

Изучение современного фреймворка FastAPI для создания высокопроизводительных веб-API, интеграции с базами данных через SQLAlchemy и создания интерфейса с Bootstrap. Завершается созданием полнофункциональной системы управления задачами.

Основы FastAPI

Знакомство с преимуществами FastAPI, установкой и созданием первого приложения с автоматической документацией.

• Введение в FastAPI и его преимущества
• Установка и первое приложение
• Path и query параметры
• Модели данных и валидация с Pydantic

Работа с базами данных

Интеграция FastAPI с SQLAlchemy ORM, асинхронная работа с базами данных и управление сессиями.

• Интеграция с SQLAlchemy
• Управление сессиями и зависимостями
• Асинхронная работа с базой данных

Безопасность и аутентификация

Реализация аутентификации и авторизации с помощью JWT, OAuth2 и защиты от распространенных уязвимостей.

• Основы безопасности веб-приложений
• Аутентификация с JWT
• OAuth2 и интеграция с социальными провайдерами

Продвинутые возможности FastAPI

Изучение асинхронных эндпоинтов, вебсокетов, фоновых задач и оптимизации производительности.

• Асинхронные эндпоинты
• WebSocket и реальное взаимодействие
• Фоновые задачи и отложенная обработка

Фронтенд и интеграция

Создание фронтенда для FastAPI с помощью HTML/CSS/JavaScript, интеграция с фреймворками и развертывание всего приложения.

• Шаблонизация с Jinja2
• Статические файлы и SPA
• Bootstrap и современный UI

Часть 10: Аутентификация, деплой и DevOps

Аутентификация, деплой и DevOps

Изучение систем аутентификации на основе JWT, безопасной хешировки паролей, деплоя приложений с Docker/Nginx/SSL, настройки CI/CD и мониторинга. Завершается развертыванием production-ready приложения.

Основы безопасности веб-приложений

Изучение принципов безопасности веб-приложений, распространенных уязвимостей и методов защиты.

• Основы безопасности веб-приложений
• Хеширование паролей с bcrypt/scrypt
• Токены JWT (JSON Web Tokens) и их структура
• Middleware для авторизации в FastAPI
• Защита от распространённых атак: XSS, CSRF, SQL injection
• OAuth 2.0 и интеграция с социальными провайдерами
• Двухфакторная аутентификация (2FA)
• Управление пользователями и сессиями

DevOps и деплой

Изучение современных практик DevOps, контейнеризации, настройки CI/CD и мониторинга для надежного развертывания приложений.

• Автоматическое тестирование и проверка кода
• Security scanning и compliance
• Обработка статики и медиафайлов
• Health checks и readiness probes
• Резервное копирование и disaster recovery
• Production-ready Dockerfile (многоэтапная сборка)
• Docker Compose для оркестрации сервисов
• Nginx как reverse proxy и балансировщик
• SSL/TLS с Let's Encrypt
• Мониторинг и алертинг
• Методы деплоя и обновления
• Безопасность инфраструктуры
• Инфраструктура как код и окружения
• Принципы DevOps: CI/CD, Infrastructure as Code
• GitHub Actions для автоматизации
• Мониторинг, алертинг и observability
• Автоматизация резервного копирования и обновлений
• Интеграции и уведомления