Pour offrir les meilleures expériences possibles, nous utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations des appareils.
Le fait de ne pas consentir ou de retirer son consentement peut avoir un effet négatif sur certaines caractéristiques et fonctions.
Voir notre Politique de protection des données pour plus d'informations.
Concrètement, à l'issue de cette formation Python Bonnes pratiques et Design patterns vous aurez acquis les connaissances et les compétences nécessaires pour :
Tarif |
Contacter l'organisme |
Durée | 4 jours (28h) |
Modes |
|
Sessions | |
Lieux | Partout en France |
Tarif |
Contacter l'organisme |
Durée | 4 jours (28h) |
Modes |
|
Sessions | |
Lieux | Partout en France |
Cette formation Python Bonnes pratiques et Design patterns vous apprend les bonnes pratiques de programmation avec Python.
Lors de ce cours, les participants approfondissent leur expérience de la programmation avec Python pour rendre leurs applications fiables et stables et pour appliquer des design patterns (patrons de conception) qui leur permettront de résoudre les principales difficultés qu'ils rencontrent dans la conception de logiciels avec Python.
Étendre les classes pour définir des sous-classes
Hériter des plusieurs super-classes et classes mixin
Ajouter des propriétés à une classe
Définir des classes abstraites de base
Écriture de code Python
Personnaliser les itérations et les indexations avec des méthodes « magiques »
Modifier le code de façon dynamique avec le « monkey patching »
Traitement des exceptions
Lever des exceptions personnalisées
Réduire la complexité du code avec les gestionnaires de contexte et l'instruction with
Tests : Les bonnes pratiques
Développer et lancer des tests unitaires Python
Simplifier les tests automatiques avec le paquetage Nose
Vérification du comportement du code
Investiguer les dépendances entre objets avec le paquetage Mock
Mettre en œuvre les assertions avec le paquetage MagicMock
Identification des erreurs
Journaliser les messages pour les audits et le débogage
Vérifier le code à la recherche de bogues avec PyLint
Débogage du code Python
Extraire les informations sur les erreurs à partir des exceptions
Suivre l'exécution du programme avec l'environnement de développement intégré PyCharm
Patrons structurels
Mettre en œuvre les patrons décorateurs avec @
Contrôler les accès à un objet avec le patron Proxy
Patrons comportementaux
Utiliser le patron d'itération avec les générateurs Python
Définir un algorithme squelette avec le patron de méthode
Autoriser des couplages lâche entre classes avec le patron observateur
Services Web REST Python
Développer un service REST
Générer des réponses JSON pour des clients Ajax
Clients REST Python
Envoyer des requêtes REST depuis un client Python
Utiliser les données JSON et XML renvoyées
Mesurer l'exécution de l'application
Chronométrer l'exécution des fonctions avec le module « timeit »
Suivre l'exécution du programme via « cProfile »
Manipuler le suivi de l'exécution de manière interactive avec « pstats »
Les fonctionnalités du langage Python pour l'optimisation des performances
Déterminer les structures de données efficaces parmi listes, dictionnaires et tuples
Transformer et filtrer des ensembles de données avec les compréhensions
Remplacer l'interpréteur traditionnel Python par PyPy
Gestion des versions des modules
Installer les modules depuis le dépôt PyPi avec pip
Portabilité du code entre les différentes versions de Python
Paquetage des modules et des applications Python
Définir des environnements Python isolés avec « virtualenv »
Préparer la distribution d'un paquetage avec « setuptools »
Importer les modules Python dans un dépôt local
Processus légers (threads)
Créer et gérer plusieurs threads de contrôle avec la classe Thread
Synchroniser des threads avec des verrous
Traitements lourds
Exécuter des commandes du système d'exploitation comme sous-processus
Synchroniser des processus avec les files d'attente
Exécuter des traitements en parallèle avec les groupes de processus et des exécuteurs
Tarif |
A partir de 1 475,00 € |
Durée |
2 jours - 14 heures |
Modes |
|
Tarif |
A partir de 2 800,00 € |
Durée |
4 jours |
Modes |
|
A l’origine, il s’agissait du noyau utilisé pour Nagios , il y a eu une réécriture du code en Python qui a donné naissance à Shinken. Le nouvel outil de supervision est plus facile à maintenir, il dispose d’une architecture multiprocessus (plusieurs démons au lieu d’un seul avec Nagios).
Shinken est sans doute plus pertinent dans ses alertes, car il intègre des degrés d’importance avec une meilleure recherche des causes de problème.
A l'issue de cette formation, les stagiaires auront acquis les compétences et connaissances nécessaires pour :
Tarif |
A partir de 1 790,00 € |
Durée |
3j / 21h |
Modes |
|
Concrètement, à l'issue de ce cours Maîtriser Docker, les participants disposeront des connaissances et des compétences nécessaires pour :
Le cours est découpé en plusieurs parties. Celles-ci pourront être réorganisées de manière différente en fonction du déroulement de la formation.
Cette formation "Maîtriser Docker" est une approche complète de Docker, composée de la formation "Docker : Créer et Administrer vos conteneurs virtuels d'applications avec Docker" (UDMA) suivie de la formation "Docker avancé : Déployer et gérer des hôtes Docker" (UDMB)
Tarif |
A partir de 2 695,00 € |
Durée |
5j / 35h |
Modes |
|
Tarif |
A partir de 2 390,00 € |
Durée |
4 jours |
Modes |
|
Tarif |
A partir de 1 160,00 € |
Durée |
2j / 14h |
Modes |
|
Tarif |
A partir de 105,00 € |
Durée |
30 minutes |
Modes |
|
Tarif |
A partir de 585,00 € |
Durée |
2j / 14h |
Modes |
|
À l'issue de cette formation GLPI vous aurez acquis les connaissances et compétences nécessaires pour :
Tarif |
A partir de 1 890,00 € |
Durée |
3j / 21h |
Modes |
|
Tarif |
A partir de 3 500,00 € |
Durée |
5 jours |
Modes |
|