Python Programming - Advanced

Dieser Kurs richtet sich an Personen, die Python bereits beherrschen und ihre Kenntnisse auf fortgeschrittenes Niveau heben möchten. Im Mittelpunkt stehen Themen, die über den Grundlagenunterricht hinausgehen: Speicherverwaltung, funktionale Konzepte wie Decorators und Lambdas, professionelle Coding-Standards, Testing sowie Nebenläufigkeit durch Multiprocessing und Multithreading.

Der Kurs baut auf vorhandenen Python-Grundkenntnissen auf und vertieft die Sprache in vier thematischen Blöcken, die von Sprachinternem über Codequalität bis zu Performance und Nebenläufigkeit reichen. Der erste Block widmet sich fortgeschrittenen Sprachkonstrukten und der Speicherverwaltung, dem technischen Fundament für alles Weitere.

• Python Code im Detail: Ausführungsmodell und Namensräume verstehen
• Grundlagen der Speicherverwaltung in Python, Referenzen und Garbage Collection
• Sequences und Iterables: Unterschiede, Einsatzgebiete und eigene Implementierungen
• Funktionen als Objekte, verschachtelte Funktionen und Closures
• Decorators zur Erweiterung von Funktionsverhalten entwerfen und anwenden
• Lambdas und funktionale Programmiermuster gezielt einsetzen
• Zusammenspiel von Namensräumen und Sichtbarkeit bei verschachtelten Funktionsaufrufen

Der zweite Block vertieft Objektorientierung, Fehlerbehandlung und Codequalität als Grundlage professionellen Python-Codes.

• Vererbung, Mehrfachvererbung und Method Resolution Order in Python
• Magic Methods zur Anpassung des Objektverhaltens nutzen
• Strukturierte Exceptions und eigene Exception-Klassen für robuste Fehlerbehandlung
• Coding Guidelines und Good Practice nach PEP8 im Detail
• Lesbarkeit, Wartbarkeit und Konsistenz von Python-Code als durchgängiges Qualitätsziel
• Code-Reviews und Style-Checks als Werkzeuge zur Qualitätssicherung einordnen
• Vor- und Nachteile von Mehrfachvererbung gegenüber Komposition abwägen

Der dritte Block behandelt Debugging, Testing und den Aufbau eigener Packages als Handwerkszeug für nachhaltige Softwarequalität.

• Systematisches Debugging mit Bordmitteln und Debugger-Werkzeugen
• Logging zur strukturierten Protokollierung von Programmabläufen einsetzen
• Profiling und Timing zur Identifikation von Performance-Engpässen nutzen
• Unit Testing zur automatisierten Absicherung von Funktionen und Modulen
• Aufbau eigener Python-Packages inklusive Struktur und Abhängigkeiten
• Erstellung nachvollziehbarer Dokumentation für eigene Packages
• Sinnvolle Testabdeckung planen, ohne jede Codezeile isoliert zu testen

Der vierte Block widmet sich Performance und Nebenläufigkeit als Vertiefung für rechenintensive Anwendungsfälle.

• Grenzen der Standard-Python-Ausführung bei rechenintensiven Aufgaben einordnen
• Einbindung von Cython zur Beschleunigung kritischer Codeabschnitte
• Grundprinzipien von Multiprocessing zur Nutzung mehrerer CPU-Kerne
• Grundprinzipien von Multithreading und der Umgang mit dem Global Interpreter Lock
• Auswahlkriterien zwischen Multiprocessing und Multithreading je nach Aufgabentyp
• Praxisnahe Umsetzung paralleler Verarbeitungsaufgaben in Python

Ergänzend dazu vertieft ein praxisorientierter Übungsteil alle vier Blöcke anhand konkreter kleiner Projekte.

• Umsetzung eigener Funktionen mit Decorators zur Wiederverwendung von Querschnittslogik
• Entwurf eigener Iterator- und Generator-Klassen für speichereffiziente Datenverarbeitung
• Refactoring bestehenden Codes nach PEP8-Vorgaben
• Aufbau strukturierter Logging-Konfigurationen für unterschiedliche Programmteile
• Profiling realer Codebeispiele zur Identifikation von Engpässen
• Schreiben aussagekräftiger Unit Tests für fortgeschrittene Funktionslogik
• Verpacken eines eigenen kleinen Moduls als installierbares Package
• Dokumentation von Code mit Docstrings und einfachen Dokumentationswerkzeugen
• Einbindung von Cython in ein Beispielprojekt zur Beschleunigung einer Funktion
• Parallelisierung einer rechenintensiven Beispielaufgabe mit Multiprocessing
• Vergleich der Ausführungszeiten zwischen sequenzieller und paralleler Verarbeitung
• Diskussion typischer Stolperfallen bei nebenläufigem Python-Code

Die Themenblöcke bauen aufeinander auf: Wer die internen Mechanismen von Python versteht, kann Decorators, Iteratoren und Fehlerbehandlung gezielter einsetzen; wer sauberen, getesteten Code schreibt, profitiert stärker von den anschließenden Performance-Themen, weil sich Optimierungen an einer soliden Codebasis leichter nachvollziehen und messen lassen. Durchgehend wird Wert auf praktisches Arbeiten am Code gelegt: Konzepte werden nicht nur erklärt, sondern direkt in eigenen Beispielen umgesetzt, gemessen und im Anschluss diskutiert.

Der Kurs richtet sich an Personen mit soliden Python-Grundkenntnissen, die ihre Programmierfähigkeiten auf fortgeschrittenes Niveau bringen und Python auch für anspruchsvollere, performanceorientierte Aufgaben einsetzen möchten.

• Python-Entwicklerinnen und -Entwickler, die von Grundlagen zu fortgeschrittenen Techniken wechseln möchten
• Softwareentwicklerinnen und -entwickler, die Python professionell im Berufsalltag einsetzen
• Backend-Entwicklerinnen und -Entwickler mit Fokus auf Performance und Codequalität
• Quereinsteigerinnen und Quereinsteiger mit vorhandenen Python-Grundkenntnissen, die sich weiter spezialisieren möchten
• Personen im Rahmen einer geförderten beruflichen Weiterbildung, die eine anerkannte Vertiefung in Python anstreben

Der Unterricht kombiniert theoretische Erklärungen fortgeschrittener Sprachkonzepte mit unmittelbarer praktischer Umsetzung am eigenen Rechner. Übungsphasen, Praxistrainings und Fallstudienarbeiten wechseln sich ab, sodass jedes Thema direkt am Code erprobt und diskutiert wird, bevor es in die nächste Vertiefungsstufe übergeht.

Der Kurs ist als vertiefendes Aufbauprogramm konzipiert und im Combined-Learning-Format organisiert, das größtenteils in Vollzeit, teils auch in Teilzeit belegt werden kann. Der genaue zeitliche Umfang richtet sich nach dem gewählten Format und wird bei der Einschreibung mit dem Kursanbieter festgelegt.

Am Ende des Kurses erhalten Teilnehmende ein international anerkanntes Herstellerzertifikat sowie ein zusätzliches Lehrgangszertifikat des Kursanbieters, das die erfolgreiche Teilnahme an der fortgeschrittenen Python-Weiterbildung bestätigt.

Fortgeschrittene Python-Kenntnisse unterscheiden sich deutlich von bloßem Grundlagenwissen: Wer Speicherverwaltung, Decorators, sauberes Exception-Handling und PEP8-Standards beherrscht, schreibt Code, der in professionellen Teams direkt anschlussfähig ist. Das zahlt sich besonders in Code-Reviews und bei der Zusammenarbeit an größeren Projekten aus. Die Vertiefung in Multiprocessing, Multithreading und die Einbindung von Cython adressiert ein Thema, das im Grundlagenunterricht meist zu kurz kommt: Performance. Wer versteht, wann und wie sich Python-Code parallelisieren oder beschleunigen lässt, kann realistischere Entscheidungen darüber treffen, welche Architektur für eine gegebene Aufgabe sinnvoll ist, statt Performance-Probleme erst im Produktivbetrieb zu entdecken. Für die berufliche Weiterentwicklung ist dieser Kurs ein klarer Schritt von der reinen Python-Anwendung hin zur professionellen Python-Entwicklung: Testing, Dokumentation und eigene Packages gehören zum Handwerkszeug, das in Unternehmen von erfahrenen Entwicklerinnen und Entwicklern erwartet wird und sich im Lebenslauf glaubwürdig als fortgeschrittene Qualifikation ausweisen lässt. Nicht zuletzt schafft der Kurs eine solide Basis, um sich im Anschluss eigenständig in spezialisiertere Python-Bereiche wie Datenverarbeitung im großen Maßstab, Web-Backends oder wissenschaftliches Rechnen einzuarbeiten, da die hier vermittelten Konzepte zu Speicherverwaltung, Nebenläufigkeit und Codequalität in nahezu jedem fortgeschrittenen Python-Anwendungsfeld wiederkehren.