Python + Django + AI | Od podstaw | LearnIT

Moduł 1: Podstawy programowania i Pythona

Lekcja 1

- Rozwój architektury komputerowej — aspekt środowiskowy (zielone kompetencje): wybór i projektowanie rozwiązań o niższym poborze mocy; zrozumienie, że wydajniejsze architektury CPU/GPU zmniejszają zużycie energii i ślad węglowy centrów danych.

- O programowaniu w ogóle — aspekt środowiskowy: promowanie prostoty i unikania overengineeringu, co ogranicza potrzebę nadmiernych zasobów obliczeniowych i zużycia energii.

- Powszechne języki programowania (klasyfikacja, rodzaje) — aspekt środowiskowy: świadomy dobór narzędzi pod kątem efektywności energetycznej i śladu środowiskowego.

- Algorytmy — aspekt środowiskowy: projektowanie algorytmów o mniejszej złożoności obliczeniowej, co bezpośrednio redukuje zużycie energii.

- Reprezentacja danych w komputerze — aspekt środowiskowy: oszczędne gospodarowanie pamięcią (mniej kopii, kompaktowe struktury) zmniejsza zużycie energii.

    - Podstawowe pojęcia algebry logiki — aspekt środowiskowy: logiczna redukcja liczby operacji obniża zapotrzebowanie na energię.

Lekcja 2: Wprowadzenie do ekosystemu Python

- Pierwsze spotkanie z Pythonem — aspekt środowiskowy: świadome użycie narzędzi o niskim narzucie zasobowym

- Podstawowe cechy języka — aspekt środowiskowy: czytelność i prostota kodu ograniczają koszty utrzymania i nadmiarowe uruchomienia.

- Narzędzia programistyczne — aspekt środowiskowy: instalacje „slim”, unikanie zbędnych zależności

- Virtualenv — aspekt środowiskowy: izolacja zależności zapobiega marnotrawstwu zasobów i nadmiernym instalacjom

Lekcja 3: Podstawy Pythona – część 1

- PEP — aspekt środowiskowy: standardy stylu redukują dług technologiczny i niepotrzebne przebudowy.

- Zmienne; Typy danych; Operatory; Łańcuchy znaków; Mutowalne i niemutowalne typy danych — aspekt środowiskowy: dobór struktury danych pod niski koszt pamięci/CPU, ograniczenie kopii i konwersji, co obniża zużycie energii

Lekcja 4: Podstawy Pythona – część 2

- Konwersja typów — aspekt środowiskowy: unikanie kosztownych rzutowań

- Funkcje wejścia i wyjścia — aspekt środowiskowy: łączenie operacji (batching) i buforowanie, by ograniczać I/O energetycznie kosztowne

- Komentarze; Importy — aspekt środowiskowy: dokumentacja ułatwia utrzymanie, lazy-import ogranicza ładowanie zbędnych modułów

Lekcja 5: Podstawy Pythona – część 3

- Formy operatora przypisania; Formatowanie łańcuchów; Operatory porównania; Instrukcje warunkowe — aspekt środowiskowy: krótsze ścieżki wykonania ograniczają liczbę cykli CPU

- Pętle

- Złożoność algorytmów (Big O) — aspekt środowiskowy: niższa złożoność = mniejsze zużycie energii

Lekcja 6: Programowanie strukturalne

- Funkcje i argumenty; Zakresy; Adnotacje — aspekt środowiskowy: unikanie nadmiarowych alokacji i dostępów globalnych

- Dokumentowanie kodu — aspekt środowiskowy: dłuższy cykl życia rozwiązań = mniej marnotrawstwa zasobów

Lekcja 7: Programowanie funkcyjne

- List comprehensions; map/filter/reduce — aspekt środowiskowy: strumieniowe przetwarzanie danych zamiast buforowania

- Dekoratory; Domknięcia; Funkcje lambda/wyższego rzędu 

Lekcja 8: Obsługa wyjątków

- Wyjątki; Try/except; Finally/else; Raise; Asercje — aspekt środowiskowy: fail-fast i wczesna walidacja ograniczają liczbę energochłonnych uruchomień

Lekcja 9: Praca z tekstem, serializacja i system plików

- Kodowania — aspekt środowiskowy: kompaktowe formaty i kompresja (np. gzip) zmniejszają transfer i pobór mocy

- Serializacja/Deserializacja; JSON/CSV — aspekt środowiskowy: formaty i tryby strumieniowe ograniczają użycie pamięci i energii

- Wyrażenia regularne

- Iteratory/Generatory — aspekt środowiskowy: lazy evaluation zmniejsza footprint pamięci

Moduł 2: Systemy kontroli wersji i programowanie obiektowe

Lekcja 1: Systemy kontroli wersji

- Git; Komendy; Git Flow; GitHub/GitLab/Bitbucket — aspekt środowiskowy: polityki .gitignore i retencji artefaktów, unikanie binariów w repo i czyszczenie gałęzi zmniejszają zużycie przestrzeni, transfer i energię

Lekcja 2: OOP – część 1

- Klasy/obiekty; Metody/atrybuty; Enkapsulacja; Dziedziczenie/abstrakcja; Przesłanianie; MRO — aspekt środowiskowy: prostsze modele domenowe i preferencja kompozycji ograniczają złożoność, co zmniejsza zapotrzebowanie na zasoby

Lekcja 3: OOP – część 2

- Metody instancji/klasy/statyczne; Klasy danych; Polimorfizm; Przeciążanie operatorów; Własne wyjątki — aspekt środowiskowy: czytelna obsługa błędów i właściwe API ograniczają liczbę kosztownych restartów i buildów

Moduł 3: Bazy danych i SQL

Lekcja 1:

- Bazy danych, SZBD

- SQL – proste zapytania; Funkcje i procedury — aspekt środowiskowy: indeksy, limity, paginacja i logika bliżej danych redukują transfer i zużycie energii

Lekcja 2: 

- Klucze; Indeksy; Relacje; Podzapytania/JOIN; ORM — aspekt środowiskowy: optymalizacja planów zapytań i rozsądny dobór trybów lazy/eager obniżają obciążenie serwera.

Lekcja 3: 

- Raw SQL i SQLAlchemy; Aplikacja konsolowa; SQLAlchemy + Alembic — aspekt środowiskowy: migracje incrementalne i zero-downtime ograniczają I/O i czas pracy infrastruktury

Moduł 4: Sieć, internet i web development

Lekcja 1:

- Zasady działania internetu; Architektura klient–serwer; Model OSI/TCP-IP; Protokół HTTP; REST – projektowanie lekkich i wydajnych API — aspekt środowiskowy: cache/CDN/kompresja oraz minimalizacja liczby i rozmiaru żądań zmniejszają ruch sieciowy i zapotrzebowanie energetyczne.

Moduł 5: Frameworki Flask i Django

Lekcja 1: Flask – część 1

- Ćwiczenie: prosta aplikacja; Flask jako framework; psycopg2; Raw SQL; Jinja2 — aspekt środowiskowy: lekkie frameworki, pooling połączeń i cache szablonów zmniejszają zużycie CPU/IO

Lekcja 2: Flask – część 2

- Aplikacja z SQLAlchemy ORM; Zapytania ORM; Alembic — aspekt środowiskowy: profilowanie zapytań, unikanie N+1 i kontrolowane migracje ograniczają obciążenie energetyczne bazy

Lekcja 3: Django 1

- Konfiguracja; PostgreSQL; manage; Aplikacje — aspekt środowiskowy: właściwe LOGGING/DEBUG i re-use połączeń redukują koszty środowiska

Lekcja 4: Django 2

- Widoki; Routing; ORM; Migracje; Szablony; Formularze; Pagination; Ćwiczenia — aspekt środowiskowy: paginacja i cache endpointów ograniczają transfer i CPU

Lekcja 5: Django 3

- Normalizacja; Queryset; Seeder/Faker — aspekt środowiskowy: ograniczenie duplikacji danych i świadome generowanie danych testowych zmniejsza ślad dyskowy

Lekcja 6: Django 5

- Admin: widoki/filtry/pola; Admin Actions; Ćwiczenia — aspekt środowiskowy: paginacja i operacje wsadowe redukują liczbę zapytań i obciążenie serwera

Lekcja 7: Django 6

- Bulk Operations; Transakcje/ACID/poziomy izolacji; Rejestracja i autoryzacja — aspekt środowiskowy: krótsze transakcje i throttling logowania zmniejszają zużycie zasobów

Moduł 6: Django REST i Celery

Lekcja 1

- DRF; Postman; Parametry ścieżki i zapytań; Serializery; Ciasteczka; Ćwiczenie DRF; Testowanie — aspekt środowiskowy: filtrowanie pól, cache i profilowanie endpointów zmniejszają ruch oraz koszty energetyczne

Lekcja 2

- Middleware; JWT; Biblioteki; Rejestracja/Logowanie — aspekt środowiskowy: krótkie TTL tokenów, ochrona przed brute-force i minimalizacja rozmiaru ładunku ograniczają niepotrzebny ruch i obciążenie

Lekcja 3

- Cache; Ćwiczenia — aspekt środowiskowy: wielopoziomowe cache (klient/edge/serwer) redukuje liczbę odwołań do serwera

Lekcja 4

- Ćwiczenia DRF; Swagger/OpenAPI — aspekt środowiskowy: jasny kontrakt API ogranicza błędy i niepotrzebne wywołania

Lekcja 5: Celery

- Praca w tle; Celery Beat; Harmonogramy; Ćwiczenia — aspekt środowiskowy: wsadowe przetwarzanie, back-off retry i okna poza szczytem zmniejszają pobór mocy

Moduł 7: Równoległość, asynchroniczność i nowoczesne API

Lekcja 1

- Równoległe wykonywanie; Proces i wątek; GIL; Wielowątkowość; Multiprocessing; Współpraca między procesami — aspekt środowiskowy: właściwy dobór modelu współbieżności minimalizuje straty energii i nadmiarowe uruchomienia

Lekcja 2: Asynchroniczność

- Korutyny; Event Loop; Futures; asyncio; async/await; Synchronizacja zadań — aspekt środowiskowy: back-pressure, throttling i łączenie zadań ograniczają marnotrawstwo zasobów

Lekcja 3: Aiohttp

- Zapoznanie z Aiohttp; Ćwiczenia — aspekt środowiskowy: I/O nieblokujące zmniejsza koszty energetyczne na żądanie

Lekcja 4: FastAPI

- Zapoznanie z FastAPI; Ćwiczenia — aspekt środowiskowy: szybka walidacja i ograniczanie payloadu redukują transfer i CPU

Lekcja 5: Not Only REST

- WebSockets; GraphQL; Ćwiczenia — aspekt środowiskowy: utrzymane połączenia i selektywne pola redukują liczbę żądań i wielkość danych

Moduł 8: DevOps, konteneryzacja i CI/CD

Lekcja 1: DevOps

- Rola inżyniera DevOps; Wprowadzenie do AWS; EC2; S3 — aspekt środowiskowy: klasy storage z polityką lifecycle ograniczają zużycie dysku i energii.

Lekcja 2: AWS

- RDS; ELB; Route53; AWS CLI; Wdrażanie w chmurze — aspekt środowiskowy: autoscaling, right-sizing i regiony z energią OZE redukują ślad węglowy.

Lekcja 3: Systemy rozproszone

- Konteneryzacja i wirtualizacja; Docker jako technologia; Ćwiczenie: aplikacja w kontenerze — aspekt środowiskowy: obrazy „slim”, limity zasobów (cgroups) i pomiar CPU/RAM/IO ograniczają pobór energii.

Lekcja 4: CI/CD

- Wprowadzenie do CI/CD; GitHub Actions; Inne narzędzia CD — aspekt środowiskowy: warunkowe uruchamianie, cache buildów i limitowanie macierzy jobów redukują koszty energetyczne pipeline’ów

Moduł 9: Przygotowanie do rynku pracy

Lekcja 1: Próba rozmowy technicznej

- Próba rozmowy technicznej; Odpowiedzi i retrospektywa; CV; LinkedIn; List motywacyjny; Wyszukiwanie ofert; Porady Centrum Kariery — aspekt środowiskowy: eksponowanie projektów z mierzalnymi oszczędnościami energii (np. spadek CPU-hours, transferu, rozmiaru artefaktów).

Lekcja 2: Obrona projektu dyplomowego

- Obrona projektu dyplomowego — aspekt środowiskowy (wymóg BUR): prezentacja decyzji projektowych ograniczających ślad środowiskowy wraz z metrykami (CPU-hours, pamięć, IO, transfer) i uzasadnieniem wpływu na cele zrównoważonego rozwoju

Lekcja 3: Walidacja

• Walidacja za pomocą testu teoretycznego z wynikiem generowanym

Uczestnicy kursu otrzymują dostęp do kompletnego zestawu materiałów edukacyjnych, w tym autorskich podręczników, prezentacji, przykładów kodu oraz nagrań wszystkich zajęć, co umożliwia naukę w indywidualnym tempie i powrót do omawianych treści w dowolnym momencie.

Dodatkowo kursanci korzystają ze wskazówek przygotowanych przez Doradcę Kariery, które obejmują m.in. tworzenie skutecznego CV oraz budowanie profesjonalnego profilu na LinkedIn – z uwzględnieniem wymagań branży IT i specyfiki rekrutacji na stanowisko Junior Python Developera.

Nasza usługa została przygotowana w zgodzie z założeniami programu Zielone Kompetencje, co oznacza, że w trakcie kursu uczestnicy rozwijają również umiejętności wspierające zrównoważony rozwój, efektywne wykorzystanie zasobów i technologii przyjaznych środowisku – zgodnie z aktualnymi trendami i oczekiwaniami rynku pracy.

Weryfikacja obecności i frekwencji

Obecność uczestników będzie weryfikowana poprzez:

• system LMS, w którym generowane są listy obecności z każdego spotkania online,
• raporty z platformy (czas logowania, czas aktywności),
• potwierdzenie obecności przez trenera prowadzącego.

Wymagana minimalna frekwencja do zaliczenia kursu wynosi 80%.

Dodatkowe elementy monitorowania postępów

• Uczestnicy zobowiązani są do systematycznego wykonywania zadań domowych, które są weryfikowane w systemie LMS.
• Każda sesja jest nagrywana, a nagrania są udostępniane w LMS, co umożliwia weryfikację przebiegu zajęć oraz ewentualne uzupełnienie wiedzy przez uczestników.
• Brak realizacji wymaganych zadań oraz niewystarczająca obecność (poniżej 80%) skutkuje niezaliczeniem szkolenia i brakiem możliwości otrzymania dokumentu potwierdzającego kompetencje.

Z przyczyn niezależnych od Wykonawcy (np. losowych) harmonogram szkolenia może zostać nieznacznie zmieniony. Wszystkie informacje dostępne w jednostce szkolącej zostaną przekazane Operatorowi

Walidacja efektów uczenia się jest wliczona w czas trwania usługi i zostanie przeprowadzona na zakończenie szkolenia w formie testu teoretycznego z wynikiem generowanym automatycznie

Warunki organizacyjne szkolenia

Szkolenie online w czasie rzeczywistym w małych grupach, z samodzielnym stanowiskiem komputerowym i testem końcowym online.

Nasz kurs to intensywna, praktyczna ścieżka do zawodu Junior Python Developera. Uczymy w czasie rzeczywistym – Godzina szkoleniowa trwa 45 minut.

Łącznie 174 godziny dydaktyczne, w tym 20% (35 g) zajęć teoretycznych i 80% (139 g) praktycznych.

Zapewniamy:

✅ praktyczną wiedzę i umiejętności zgodne z wymaganiami rynku IT

✅ wsparcie mentorów i trenerów z doświadczeniem komercyjnym

✅ doradztwo kariery – pomoc w stworzeniu profesjonalnego CV, profilu na LinkedIn i GitHub

✅ zajęcia na żywo online, prowadzone w małych grupach poprzez platformę Zoom.

Szkolenie prowadzone jest przez zespół ekspertów – każdy temat omawiany jest przez dedykowanego trenera, co gwarantuje najwyższą jakość nauki.

Po ukończeniu kursu uczestnik otrzymuje oficjalne zaświadczenie potwierdzające zdobyte kompetencje.

Kurs również dedykowany jest dla osób chcących skorzystać z projektu “Małopolski pociąg do kariery”.

Usługa zwolniona z VAT przy finansowaniu minimum 70% ze środków publicznyсh.

Minimalne wymagania sprzętowe obejmują komputer z systemem operacyjnym Windows 10, macOS lub Linux.

Rekomendowana konfiguracja to procesor klasy i5 lub wyższy, co najmniej 8 GB pamięci RAM oraz dysk SSD dla płynnej pracy.

Niezbędne jest również posiadanie kamery internetowej, słuchawek oraz stabilnego łącza internetowego o prędkości min. 3 Mb/s (zarówno dla pobierania, jak i wysyłania danych).

Wszystkie zajęcia – zarówno część teoretyczna, jak i praktyczna (warsztaty i projekty) – realizowane są w formie zdalnej, na żywo, za pośrednictwem platformy Zoom.