Kurs Języka Programowania Python

Lekcja 1 • Podstawowe wejście, wyjście i formatowanie

Uczy funkcji print(), input() oraz technik formatowania ciągów znaków. Łączy znajomość składni z interaktywnymi programami dla użytkownika.

Lekcja 2 • Zmienne, typy danych i literały

Wyjaśnia typowanie dynamiczne, wbudowane typy skalarne i składnię literałów. Studenci zdobywają umiejętność poprawnego przechowywania i etykietowania danych.

Lekcja 3 • Instalacja Pythona i narzędzi programistycznych

Obejmuje instalację interpretera Pythona, wybór wersji i konfigurację IDE. Zapewnia techniczne podstawy, od których zależą wszystkie kolejne ćwiczenia z kodowania.

Lekcja 4 • Podstawowa składnia i struktura kodu

Wprowadza zasady wcięć, komentarze i strukturę instrukcji. Zapewnia, że studenci piszą składniowo poprawny kod od pierwszego ćwiczenia.

Lekcja 1 • Pętle for i iteracja

Wprowadza pętle for dla sekwencji i funkcję range(). Buduje umiejętności iteracji niezbędne do wszystkich zadań związanych z przetwarzaniem kolekcji.

Lekcja 2 • Instrukcje warunkowe

Uczy bloków if, elif i else z oceną logiczną. Umożliwia studentom rozgałęzianie zachowania programu w oparciu o dane w czasie wykonania.

Lekcja 3 • Podstawy obsługi wyjątków

Uczy bloków try, except, finally i zgłaszania wyjątków. Łączy przepływ sterowania z solidną obsługą błędów w rzeczywistych programach.

Lekcja 4 • Wyrażenia listowe i generatory

Wprowadza wyrażenia listowe, słownikowe i zbiorów oraz wyrażenia generatorowe. Studenci piszą zwięzłe, pythoniczne wzorce iteracji.

Lekcja 1 • Rekurencja i memoizacja

Obejmuje projektowanie funkcji rekurencyjnych, przypadki bazowe i buforowanie przy użyciu functools. Studenci efektywnie rozwiązują problemy hierarchiczne.

Lekcja 2 • Funkcje lambda i funkcje wyższego rzędu

Wprowadza funkcje anonimowe i wbudowane funkcje, takie jak map, filter i sorted. Łączy wzorce funkcyjne ze zwięzłą transformacją danych.

Lekcja 3 • Definiowanie i wywoływanie funkcji

Obejmuje składnię def, wartości zwracane i konwencje wywoływania. Ustanawia podstawowy element dla całego modułowego kodu w dalszych rozdziałach.

Lekcja 4 • Zasięg, przestrzenie nazw i domknięcia

Wyjaśnia reguły zasięgu LEGB, słowa kluczowe global/nonlocal i domknięcia. Studenci unikają typowych błędów związanych z zasięgiem w zagnieżdżonym kodzie.

Lekcja 1 • Krotki i niezmienne sekwencje

Wyjaśnia tworzenie krotek, pakowanie, rozpakowywanie i przypadki użycia. Studenci wybierają krotki, gdy ważne są niezmienność i wydajność.

Lekcja 2 • Słowniki: klucze, wartości i metody

Obejmuje tworzenie słowników, wzorce dostępu i metody iteracji. Studenci budują magazyny klucz-wartość, centralne dla większości aplikacji w Pythonie.

Lekcja 3 • Wybór i zagnieżdżanie struktur danych

Analizuje kompromisy złożoności czasowej i wzorce struktur zagnieżdżonych. Studenci projektują wydajne, złożone modele danych dla rzeczywistych problemów.

Lekcja 4 • Listy: tworzenie, dostęp i modyfikacja

Obejmuje literały list, indeksowanie, wycinanie i metody modyfikujące w miejscu. Zapewnia najczęściej używane podstawy kolekcji dla wszystkich zadań z danymi.

Lekcja 1 • Enkapsulacja i właściwości

Wyjaśnia modyfikację nazw, @property i wzorce getterów/setterów. Studenci egzekwują integralność danych poprzez kontrolowany dostęp do atrybutów.

Lekcja 2 • Klasy, obiekty i atrybuty

Wprowadza definicję klasy, __init__ oraz atrybuty instancji i klasy. Ustanawia model obiektowy, na którym opierają się wszystkie wzorce OOP.

Lekcja 3 • Metody specjalne i przeciążanie operatorów

Obejmuje __str__, __repr__, __eq__, __lt__ i arytmetyczne metody specjalne. Studenci sprawiają, że niestandardowe obiekty zachowują się jak wbudowane typy Pythona.

Lekcja 4 • Metody: instancyjne, klasowe i statyczne

Obejmuje trzy typy metod i ich dekoratory. Studenci wybierają odpowiedni typ metody dla każdej odpowiedzialności behawioralnej.

Lekcja 1 • Środowiska wirtualne i zarządzanie pakietami

Wyjaśnia venv, pip i pliki wymagań do izolacji zależności. Studenci utrzymują odtwarzalne środowiska projektów na różnych maszynach.

Lekcja 2 • Niezbędne moduły biblioteki standardowej

Omawia os, sys, pathlib, datetime, math i random. Studenci rozwiązują typowe zadania bez zależności zewnętrznych.

Lekcja 3 • Tworzenie i importowanie modułów

Obejmuje import, from-import, aliasowanie i strażnika __name__ . Studenci dzielą kod na pliki, kontrolując, co każdy moduł udostępnia.

Lekcja 4 • Budowanie pakietów Pythona

Uczy __init__.py, struktury pakietów i pakietów przestrzeni nazw. Studenci organizują duże bazy kodu w dystrybuowalne, importowalne jednostki.

Lekcja 1 • Format XML i pliki konfiguracyjne

Wprowadza xml.etree.ElementTree i configparser dla plików INI. Studenci obsługują starsze formaty danych i formaty konfiguracyjne w kontekście korporacyjnym.

Lekcja 2 • Parsowanie i serializacja JSON

Obejmuje json.loads, json.dumps i operacje wejścia/wyjścia JSON na plikach. Studenci wymieniają ustrukturyzowane dane z usługami internetowymi i plikami konfiguracyjnymi.

Lekcja 3 • Walidacja danych i obsługa błędów

Obejmuje walidację schematu, konwersję typów i obronne wzorce parsowania. Studenci budują potoki, które z wdziękiem obsługują nieprawidłowo sformatowane dane zewnętrzne.

Lekcja 4 • Praca z plikami CSV

Uczy csv.reader, csv.writer i DictReader dla danych tabelarycznych. Łączy umiejętności operacji wejścia/wyjścia na plikach z najpopularniejszym formatem wymiany danych.

Lekcja 1 • Testowanie za pomocą pytest

Wprowadza fixture, parametrize i wtyczki pytest dla nowoczesnego testowania. Studenci piszą zwięzłe, wydajne testy przy minimalnym kodzie szablonowym.

Lekcja 2 • Jakość kodu: linting i formatowanie

Uczy standardów PEP 8, flake8, black i wskazówek typów z mypy. Studenci tworzą spójny, czytelny kod spełniający standardy profesjonalnego zespołu.

Lekcja 3 • Mockowanie i izolacja testów

Obejmuje unittest.mock, MagicMock i patch do izolowania zależności. Studenci testują kod, który opiera się na systemach zewnętrznych, bez aktywnych połączeń.

Lekcja 4 • Techniki i narzędzia debugowania

Obejmuje debugowanie za pomocą print, pdb i punkty przerwania w IDE do śledzenia błędów. Studenci szybciej lokalizują i naprawiają defekty przy użyciu ustrukturyzowanych przepływów pracy debugowania.