PYTHON PERFECTIONNEMENT AVEC CERTIFICATION TOSA PYTHON

Utiliser les "context managers" :Gestion des ressources en python : try ... finally, with, utilisation de withUtilisation de with : gérer des fichiers, analyser des répertoires, calculer en haute précision, manipuler des verrous en multithread, tester les exceptions avec pytestRésumer les avantages de withUtiliser Async avec et withCréer des "context Managers"Encodage des contextes : contexte simple, exceptions, ouverture de fichiers, redirection de sorties, temps d'exécutionContext Manager par fonction : ouverture de fichiers version2, TempsAméliorer ses APIsContext manager asynchroneUtiliser les méta-classes : Modes des metas : ancien mode vs nouveau modeTypage et classesDéfinir une classe dynamiquement : exemple de base, exemples avancésCréer une propre meta-classeJustification de l'utilisationFonctions internes et closure :Création de fonctions internesLes bases des internes : encapsulation, construction, inner contre privéConservation d'un état : méthode d'état, modifier l'étatAjouter un comportementClosure : attacher code et données, où trouver des closures, comment les utiliser au mieuxConcurrence et parallélisme : Accélérer un programme pour entrées/sorties : IO Synchrone, IO avec Thread, IO asynchroneAccélérer un programme pour CPU : CPU Synchrone, CPU avec Thread, CPU asynchroneMonitoring : Outils internes pré-installésFonctions de timerOutils et plates-formes externes : Datadog, Dynatrace, Manage engineFreezing, Packaging : Différences entre les modesAvantagesOutils de freezing : Windows, OSX, LinuxPackaging : choisir un nom, structurationPublication sur PyPiPackage complet : ajouter et ignorer des fichiers, dépendances du package, description meta du package, tests, ressources complémentairesScripting de packageAssemblage finalLes frameworks spécialisés : XML : Standards (DOM, SAX, StAX), librairies en python, modules externes (untangle, xmltodiict, lxml, BS), conversion et Binding (XPath, génération de modèles objet), sécurisation de parsersIA et ML : Tensorflos, Seaborn, Numpy, Pandas, Jeras, Theano, PyTorch, Scikit-learnSciences : Numpy, Pandas, SciPy, MatplotibWeb : Django, Flask, Bottle, CherryPy, FalconAutres frameworks métiers : Bio, Astronomie, OLAP, Finance, Géologie,...