Direkt zum Inhalt
StartseitePython

Lernpfad

Python-Entwickler

Vom Testen von Code und der Implementierung von Versionskontrolle bis hin zum Web Scraping und der Entwicklung von Paketen: Mach den nächsten Schritt auf deiner Reise als Python-Entwickler!
Track kostenlos starten

Im Lieferumfang enthaltenPremium or Teams

Pythontopics.programmierung28 Stunden

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen

Beschreibung des Lernpfades

Python-Entwickler

Baue auf dem Lernpfad zum Associate Python Developer auf und bringe deine Kenntnisse und Fähigkeiten auf die nächste Stufe! Nachdem du nun mit den grundlegenden Fähigkeiten vertraut bist, die für Python-Entwickler/innen erforderlich sind, wie z.B. das Erstellen von Klassen und Funktionen, die Verwendung von Iteratoren und die Arbeit mit verschiedenen Datentypen, gehst du zu fortgeschritteneren Konzepten und Techniken über. Beginne damit, verschiedene Ansätze für das Testen deines Codes kennenzulernen und benutze pytest, um Prüfungen durchzuführen. Verbessere deinen Code, indem du Techniken entdeckst, um seine Effizienz zu messen und zu verbessern, und bringe deinen losen Code zusammen, indem du deine eigenen Python-Pakete entwickelst! Füge deinem Entwicklerarsenal ein neues Werkzeug hinzu, indem du lernst, Git für die Versionskontrolle zu verwenden, was bei der Arbeit an kollaborativen Softwareprojekten entscheidend ist. Du erfährst, wie Entwickler mit Web Scraping Informationen aus dem Internet sammeln und sie für ihre Zwecke manipulieren. Zum Abschluss arbeitest du mit verschiedenen Datenstrukturen und Algorithmen! Am Ende dieses Lernpfads wirst du in der Lage sein, komplexe Python-Softwareprojekte in Angriff zu nehmen!

Voraussetzungen

Assoziierter Python-Entwickler
  • Chapter

    Bonus

    Foundations for efficiencies

    In this chapter, you'll learn what it means to write efficient Python code. You'll explore Python's Standard Library, learn about NumPy arrays, and practice using some of Python's built-in tools. This chapter builds a foundation for the concepts covered ahead.

  • Chapter

    In this chapter, you will learn how to gather and compare runtimes between different coding approaches. You'll practice using the line_profiler and memory_profiler packages to profile your code base and spot bottlenecks. Then, you'll put your learnings to practice by replacing these bottlenecks with efficient Python code.

  • Chapter

    This chapter covers more complex efficiency tips and tricks. You'll learn a few useful built-in modules for writing efficient code and practice using set theory. You'll then learn about looping patterns in Python and how to make them more efficient.

  • Course

    4

    Introduction to Git

    Discover the fundamentals of Git for version control in your software and data projects.

  • Course

    Discover branches and remote repos for version control in collaborative software and data projects using Git!

  • Course

    Learn to retrieve and parse information from the internet using the Python library scrapy.

  • Course

    10

    Data Structures and Algorithms in Python

    Explore data structures such as linked lists, stacks, queues, hash tables, and graphs; and search and sort algorithms!

Python-Entwickler
7 Kurse
Track
abgeschlossen

Leistungsnachweis verdienen

Fügen Sie diese Anmeldeinformationen zu Ihrem LinkedIn-Profil, Lebenslauf oder Lebenslauf hinzu
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung

Im Lieferumfang enthaltenPremium or Teams

Jetzt anmelden

Machen Sie mit 15 Millionen Lernende und starten Sie Python-Entwickler Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.