PYTHON - Se perfectionner

Description

UTILISER LES CONTEXT MANAGERS Gérer les ressources en Python : try ... finally, with, utilisation de with Utiliser with : gestion de fichiers, analyse de répertoires, calcul haute précision, manipulation de verrous en multithread, tests d'exceptions avec pytest Résumé des avantages de with Utiliser Async avec et with Créer des Context Managers Encodage des contextes : contexte simple, exceptions, ouverture de fichiers, redirection de sorties, durée d'exécution Context Manager par fonction : ouverture de fichiers version 2, durée Amélioration des APIs Context Manager asynchrone UTILISER LES METACLASSES Modes des métas : ancien mode vs nouveau mode Typage et classes Définir une classe dynamiquement : exemple de base, exemples avancés Créer une propre métaclasse Justification de l'utilisation FONCTIONS INTERNES ET CLOSURES Création de fonctions internes Les bases des internes : encapsulation, construction, inner vs privé Conservation d'un état : méthode d'état, modification de l'état Ajout de comportement Closure : liaison de code et de données, localisation des closures, utilisation optimale CONCURRENCE ET PARALLELISME Exemples Accélération d'un programme pour entrées/sorties : IO synchrone, IO avec thread, IO asynchrone Accélération d'un programme pour CPU : CPU synchrone, CPU avec thread, CPU asynchrone MONITORING Outils internes préinstallés Fonctions de temporisation Exemples de mise en oeuvre Outils et plates-formes externes : Datadog, Dynatrace, Manage engine EMPAQUETAGE Différences entre les modes Avantages Outils d'empaquetage : Windows, OSX, Linux Empaquetage : choisir un nom, structuration Publication sur PyPi Package complet : ajout et ignoré des fichiers, dépendances du package, description meta du package, tests, ressources supplémentaires Scripting d'empaquetage Assemblage final FRAMEWORKS SPECIALISES XML : standards (DOM, SAX, StAX), librairies en Python, modules externes (untangle, xmltodiict, lxml, BS), conversion et liaison (XPath, génération de modèles objet), sécurisation des parseurs IA et ML : Tensorflow, Seaborn, Numpy, Pandas, Keras, Theano, PyTorch, Scikit-learn Sciences : Numpy, Pandas, SciPy, Matplotlib Web : Django, Flask, Bottle, CherryPy, Falcon Autres frameworks métiers : Bio, Astronomie, OLAP, Finance, Géologie,...