Cours d'automatisation Python

Leçon 1 • Travailler avec les Structures de Données Intégrées

Manipulez les listes, tuples, dictionnaires et ensembles pour stocker et traiter des données d'automatisation. Le choix de la bonne structure impacte directement l'efficacité du script.

Leçon 2 • Gestion des Erreurs et Bases du Débogage

Utilisez les blocs try/except et les outils de débogage pour écrire des scripts résilients. Les scripts d'automatisation doivent gérer les états inattendus sans planter.

Leçon 3 • Fonctions et Réutilisabilité du Code

Définissez, appelez et organisez des fonctions pour éliminer les répétitions dans le code d'automatisation. Présente la portée et les valeurs de retour, essentielles pour la conception de modules modulaires.

Leçon 4 • Essentiels de la Syntaxe Python de Base

Couvre les variables, les types de données, les opérateurs et les structures de contrôle. Ces primitives sous-tendent chaque script d'automatisation écrit plus tard dans le cours.

Leçon 1 • Automatisation de Tâches au Niveau OS

Exécutez des commandes shell, gérez des processus et interagissez avec les variables d'environnement depuis Python. Fait le pont entre les scripts Python et le système d'exploitation sous-jacent.

Leçon 2 • Gestion des Chemins et des Répertoires

Naviguez et manipulez le système de fichiers à l'aide des modules pathlib et os. Une gestion fiable des chemins évite les scripts cassés sur différents systèmes d'exploitation.

Leçon 3 • Lecture et Écriture de Fichiers

Ouvrez, lisez, écrivez et fermez des fichiers texte et binaires à l'aide de l'API de fichiers intégrée de Python. Les E/S de fichiers sont le point d'entrée pour la plupart des tâches d'automatisation du monde réel.

Leçon 4 • Travail avec les Fichiers CSV et JSON

Analysez et générez des données CSV et JSON, les deux formats les plus courants dans les pipelines d'automatisation. Relie les compétences en E/S de fichiers au traitement de données structurées.

Leçon 1 • Faire des Requêtes HTTP avec Requests

Utilisez la bibliothèque requests pour envoyer des appels HTTP, gérer les réponses et gérer les sessions. Fournit la boîte à outils de base pour les tâches d'API et d'automatisation web.

Leçon 2 • Analyse de HTML avec BeautifulSoup

Extrayez des données structurées du HTML brut à l'aide des sélecteurs BeautifulSoup et des méthodes de parcours. Permet l'extraction de sites web qui n'exposent pas d'API publique.

Leçon 3 • Fondamentaux HTTP pour l'Automatisation

Comprenez les méthodes HTTP, les codes d'état, les en-têtes et les cycles requête/réponse. Cette connaissance est requise avant d'envoyer toute requête web automatisée.

Leçon 4 • Consommation et Automatisation des API REST

Authentifiez, paginez et automatisez des flux de travail contre des API REST. Relie les compétences HTTP à des scénarios d'intégration réels utilisés dans des environnements professionnels.

Leçon 1 • Configuration Selenium et Contrôle du Navigateur

Installez Selenium, configurez WebDriver et ouvrez, naviguez et fermez des navigateurs depuis Python. Établit la base de toutes les tâches d'automatisation de navigateur.

Leçon 2 • Localisation et Interaction avec les Éléments

Trouvez des éléments de page à l'aide de l'ID, du CSS, du XPath et d'autres localisateurs, puis cliquez, tapez et sélectionnez. L'interaction avec les éléments est l'action centrale de tout script d'automatisation de navigateur.

Leçon 3 • Automatisation des Formulaires et des Flux de Connexion

Construisez des scripts qui se connectent, remplissent des formulaires en plusieurs étapes et gèrent les défis d'authentification. Couvre le cas d'utilisation d'automatisation de navigateur le plus courant dans le monde réel.

Leçon 4 • Techniques Selenium Avancées

Exécutez du JavaScript, gérez les alertes, changez de cadre et extrayez des données de pages complexes. Étend les compétences de base de Selenium pour gérer les cas limites dans les scripts de production.

Leçon 1 • Introduction à pandas pour l'Automatisation

Chargez, inspectez et filtrez des données tabulaires à l'aide de DataFrames. pandas est l'outil principal pour les tâches d'automatisation axées sur les données dans ce cours.

Leçon 2 • Transformation et Agrégation de Données

Appliquez des fonctions, regroupez des données et calculez des résumés pour transformer les données brutes en informations. La transformation est l'étape centrale de tout pipeline d'automatisation de données.

Leçon 3 • Validation des Données et Contrôles de Qualité

Écrivez des contrôles automatisés qui détectent les doublons, les valeurs aberrantes et les violations de schéma dans les ensembles de données. Les barrières de qualité des données empêchent les erreurs de se propager dans les pipelines d'automatisation.

Leçon 4 • Automatisation d'Excel avec openpyxl

Lisez, écrivez et formatez des classeurs Excel par programmation à l'aide de openpyxl. Permet le remplacement complet des rapports Excel manuels par des scripts Python automatisés.

Leçon 1 • Surveillance et Alertes pour les Tâches d'Automatisation

Mettez en œuvre des contrôles de santé, des alertes d'échec et des métriques d'exécution pour rendre les systèmes d'automatisation observables. La surveillance transforme un script en un service d'automatisation de qualité production.

Leçon 2 • Introduction aux Outils d'Orchestration de Flux de Travail

Passez en revue les plateformes d'orchestration telles qu'Apache Airflow et Prefect pour gérer les flux de travail complexes basés sur des DAG. Prépare les étudiants aux environnements d'automatisation à l'échelle de l'entreprise.

Leçon 3 • Construction de Pipelines d'Automatisation Multi-Étapes

Enchaînez des tâches d'automatisation discrètes en pipelines séquentiels et conditionnels. La conception de pipelines sépare les préoccupations et rend les flux de travail complexes maintenables.

Leçon 4 • Planification de Scripts au Niveau OS

Configurez des tâches cron sur Linux/macOS et le Planificateur de tâches sur Windows pour déclencher des scripts Python. La planification au niveau OS est le chemin le plus simple vers une automatisation sans surveillance.

Leçon 1 • Concurrence avec Threading et Asyncio

Accélérez les tâches d'automatisation liées aux E/S à l'aide des motifs threads et async/await. La concurrence est essentielle lorsque les scripts doivent traiter des centaines d'appels API efficacement.

Leçon 2 • Motifs d'Authentification API Avancés

Mettez en œuvre des flux OAuth2, la gestion des JWT et la rotation des clés API dans les scripts d'automatisation. Une authentification sécurisée est obligatoire pour les intégrations API de production.

Leçon 3 • Gestion Résiliente des Erreurs à Grande Échelle

Appliquez le backoff exponentiel, les disjoncteurs et les files d'attente de lettres mortes pour l'automatisation à grande échelle. Les motifs de résilience empêchent les défaillances en cascade dans les systèmes de production.

Leçon 4 • Récepteurs Webhook et Automatisation Pilotée par les Événements

Construisez des points de terminaison Flask légers qui reçoivent des charges utiles webhook et déclenchent la logique d'automatisation. La conception pilotée par les événements élimine le sondage et réduit la latence.

Leçon 1 • Gestion de Versions avec Git pour l'Automatisation

Appliquez les flux de travail Git pour suivre les modifications, collaborer et revenir en arrière sur les scripts d'automatisation en toute sécurité. La gestion de versions est une pratique non négociable pour l'automatisation de production.

Leçon 2 • Pipelines CI/CD pour les Projets d'Automatisation

Automatisez les tests, le linting et le déploiement à l'aide de pipelines CI/CD déclenchés par des événements Git. Le CI/CD garantit que chaque modification de code est validée avant d'atteindre la production.

Leçon 3 • Déploiement sur des Plateformes Cloud et Serverless

Déployez des scripts d'automatisation sur des machines virtuelles cloud, des conteneurs gérés et des fonctions serverless. Le déploiement cloud permet une exécution 24h/24 et 7j/7 sans surveillance à un coût minimal.

Leçon 4 • Structuration Professionnelle des Projets d'Automatisation

Organisez le code en modules, paquets et fichiers de configuration suivant les bonnes pratiques Python. Une bonne structure rend les projets d'automatisation maintenables et adaptés au travail d'équipe.