Cursus Python programmeren

Les 1 • Python en Ontwikkeltools Installeren

Behandelt de installatie van de Python-interpreter, versiekeuze en IDE-configuratie. Legt de basisomgeving vast die nodig is voor alle volgende codeeroefeningen.

Les 2 • Basis Invoer, Uitvoer en Operatoren

Behandelt print(), input() en rekenkundige, vergelijkings- en logische operatoren. Deze basisonderdelen komen voor in elk programma dat in de cursus wordt geschreven.

Les 3 • Variabelen, Datatypes en Literals

Leert dynamisch typen, ingebouwde datatypes en literal-notatie. Inzicht in types is een voorwaarde voor alle hoofdstukken over gegevensmanipulatie.

Les 1 • Comprehensions en Functionele Iteratie

Leert comprehensions voor lijsten, dicts en sets, naast map() en filter(). Beknopte iteratiepatronen verbeteren de leesbaarheid in data-intensieve programma's.

Les 2 • for Lussen en Iteratie

Behandelt itereren over reeksen en het gebruik van range(). Luspatronen die hier worden geïntroduceerd, keren terug in hoofdstukken over verzamelingen, bestanden en gegevensverwerking.

Les 3 • while Lussen en Lusbeheer

Introduceert conditiegestuurde lussen en break-, continue- en pass-statements. Deze besturingselementen maken nauwkeurig stroombeheer in complexe algoritmen mogelijk.

Les 1 • Lambda Functies en Decorators

Introduceert anonieme functies en functieomhullende decorators. Deze hulpmiddelen worden veel gebruikt in frameworks en functionele code.

Les 2 • Functies Definiëren en Aanroepen

Behandelt de def-syntax, return-waarden en aanroepconventies. Functies zijn de primaire eenheid van herbruikbaarheid in al het volgende projectwerk.

Les 3 • Geavanceerde Parameter Technieken

Leert standaardwaarden, keyword argumenten, *args en **kwargs. Deze patronen maken flexibele API's mogelijk die later in bibliotheken en frameworks worden gebruikt.

Les 1 • Lijsten: Aanmaken en Manipuleren

Behandelt lijst-indexering, slicen en alle muterende methodes. Lijsten zijn de meest voorkomende structuur in gegevensverwerkings- en algoritmewerk.

Les 2 • Tuples en Onveranderlijke Reeksen

Leert tuple-aanmaak, -verpakken, -uitpakken en gebruikssituaties. Onveranderlijkheid maakt tuples ideaal voor vaste records en dictionary keys.

Les 3 • Sets en Set Operaties

Introduceert set-aanmaak, lidmaatschapstesten en wiskundige operaties. Sets maken snelle ontdubbeling en relatiequery's in datapijplijnen mogelijk.

Les 4 • Dictionaries: Keys, Waarden en Methodes

Behandelt dict-aanmaak, toegangspatronen, iteratie en samenvoeging. Dicts vormen de basis van JSON-verwerking, configuratie en caching in echte toepassingen.

Les 1 • Methodes: Instance, Class en Static

Behandelt de drie methodetypen en hun geschikte gebruikssituaties. De juiste methodekeuze verduidelijkt het doel en verbetert het API-ontwerp.

Les 2 • Overerving en Methode Overschrijven

Introduceert enkelvoudige en meervoudige overerving, super() en methode-resolutie. Overerving vermindert duplicatie over verwante klassefamilies.

Les 3 • Inkapseling en Speciale Methodes

Behandelt naammanipulatie, dunder-methodes en operatoroverloading. Deze functies produceren intuïtieve, Pythonische klasse-interfaces.

Les 1 • Uitzonderingsafhandeling

Leert try, except, else, finally en aangepaste uitzonderingen. Correcte foutafhandeling voorkomt crashes en maakt een elegante degradatie mogelijk.

Les 2 • Werken met CSV en JSON Bestanden

Introduceert de csv- en json-modules uit de standaardbibliotheek voor gestructureerde gegevens. Deze formaten zijn alomtegenwoordig in gegevensuitwisseling en API-integratie.

Les 3 • Bestanden Lezen en Schrijven

Behandelt open(), bestandsmodi, contextmanagers en binaire versus tekst I/O. Bestandsverwerking is essentieel voor gegevensinvoer en -uitvoer in echte projecten.

Les 1 • Gegevens Opschonen en Transformeren

Behandelt het omgaan met ontbrekende waarden, typecasting en apply()-transformaties. Schone gegevens zijn een voorwaarde voor nauwkeurige analyse en modellering.

Les 2 • NumPy Statistische en Lineaire Algebra Hulpmiddelen

Introduceert aggregatiefuncties, het genereren van willekeurige getallen en matrixbewerkingen. Deze hulpmiddelen vormen de basis van machine learning preprocessing en simulatie.

Les 3 • Groeperen, Samenvoegen en Aggregatie

Introduceert groupby(), merge() en draaitabellen voor het samenvatten van gegevens. Deze bewerkingen repliceren SQL-achtige analyses volledig binnen Python.

Les 4 • NumPy Arrays en Bewerkingen

Behandelt ndarray-aanmaak, -indexering, broadcasting en gevectoriseerde wiskunde. NumPy-efficiëntie is de ruggengraat van wetenschappelijke en data science workflows.

Les 1 • Plannen en Taak Automatisering

Introduceert geplande scripts, argument parsing en logging. Productie-automatisering vereist betrouwbare planning en waarneembare uitvoering.

Les 2 • Capstone Project Planning en Oplevering

Begeleidt studenten bij het afbakenen, bouwen en presenteren van een compleet project. Synthetiseert alle kernvaardigheden in een portfolio-gereed product.

Les 3 • Bestandssysteem en OS Automatisering

Leert os, pathlib en shutil voor bestands- en directory-automatisering. Het automatiseren van repetitieve bestandstaken bespaart aanzienlijke tijd in professionele workflows.