Паттерны разработки на Python

Многие разработчики используют высокоуровневые паттерны проектирования, такие как чистая и событийно-управляемая архитектура и паттерны предметно-ориентированного проектирования. Адаптация их под Python позволяет разработчикам управлять сложностью приложений и ускорить прохождение тестов.

На этом курсе слушателя познакомятся с такими паттернами как:

● «Инверсия зависимостей» и ее связи с портами и адаптерами. Гексагональная и чистая архитектура.
● Паттерны «Сущность», «Объект-значение» и «Агрегат» в рамках предметно-ориентированного проектирования.
● Паттерны «Репозиторий» и «UoW», обеспечивающие постоянство хранения данных.
● Паттерны «Событие», «Команда» и «Шина сообщений». Разделение ответственности на команды и запросы.
● Событийно-управляемая архитектура и реактивные расширения.

Описание курса

Целевая аудитория

Программисты и разработчики Python, которые хотят разобраться в использовании новых прогрессивных средств языка.

Расписание открытых форматов курса

Дистанционный формат — 60 000 ₽.

Очный формат — 60 000 ₽.

Стоимость обучения одного слушателя

В результате освоения курса вы:

создавать архитектуры для поддержки моделирования предметной области;
использовать события для интеграции микросервисов;
разделять обязанности команд и запросов;
применять сводные диаграммы и таблицы;
применять шаблонную структуру проекта

бизнес задачи и управление сложностью;
что такое событийно-управляемая архитектура;
паттерны «Репозиторий» и UoW

Научитесь

Узнаете

Основная информация

16 сентября 2024

пн–чт 10:00–17:00

60000руб.

м. Аэропорт,
Ленинградский проспект 68/24

Верхотуров Марк Валерьевич
Беляев Александр Владимирович

Порядок записи на курс

Консультация

Выбор курса

Заключение договора

Оплата обучения.

Подробная программа курса

1 Основы паттерны и Python

1.1. Бизнес задачи и управление сложностью
1.2. Обоснованность использования Python
1.3. Основные методологии управления сложностью

2 Создание архитектуры для поддержки моделирования предметной области

2.1. Моделирование предметной области
2.2. Паттерн «Репозиторий»
2.3. Связанность и абстракциях
2.4. API фреймворка Flask и сервисный слой
2.5. Разработка через тестирование (test-driven development, TDD)
2.6. Паттерн UoW
2.7. Агрегаты и границы согласованности

3 Событийно-управляемая архитектура

3.1. События и шина сообщений
3.2. Фундаментальность события для внутренней структуры сообщений
3.3. Команды и обработчик команд
3.4. Событийно-управляемая архитектура: использование событий для интеграции микросервисов
3.5. Разделение обязанностей команд и запросов
3.6. Внедрение зависимостей и начальная загрузка

4 Особенности и основные моменты применения

4.1. Распределение запутанных обязанностей
4.2. Сводная диаграмма и таблица
4.3. Шаблонная структура проекта
4.4. Замена инфраструктуры: используем CSV
4.5. Паттерны «Репозиторий» и UoW c Django
4.6. Валидация

Возможные форматы обучения и размеры групп

очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 15 слушателей).

Документы об окончании

Удостоверение о повышении квалификации

Требуемый уровень предварительной подготовки

Уверенное знание основ языка Python.

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer

Разработка на Python
Сбор и анализ данных Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов

Консалтинг
Коучинг

Специализация

Должность

Дополнительные услуги

Ведёт 13 курсов в ЦЕСИНКОМ

Разработчик информационных систем, системный аналитик, аналитик данных

Разработка на Python
Машинное обучение
Математическая оптимизация

Консалтинг

Специализация

Должность

Дополнительные услуги

Ведёт 19 курсов в ЦЕСИНКОМ

Разработка курса или траектории обучения под вашу задачу

Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.

Рекомендуемые курсы

Список курсов, которые дополняют данный курс

Программирование на Python, часть 1;

Программирование на Python, часть 2;

Программирование на Python, часть 3. Numpy для Data Science

Программирование на Python, часть 4. Pandas для Data Science. Высокопроизводительная обработка и анализ данных в Pandas;

Разработка приложений PyQT 5;

Многопоточность, мультипроцессинг, асинхронное программирование;

Основы UNIX и Linux, использование Python в системном администрировании

Список категорий каталога, в которые включён курс

Траектории, в которые входит данный курс

Список курсов, требующихся для прохождения данного курса

Не требуется