Kurs 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. Podstawy metodyk zwinnych (Scrum/Agile) i organizacja pracy w zespołach programistycznych.

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 4

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

Lekcja 7: Django 5

- 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: Technologie zaawansowane (Async, DevOps) i Walidacja

Lekcja 1: Asynchroniczność i nowoczesne API (FastAPI, Aiohttp) Tematyka: Korutyny, asyncio, wprowdzenie do Aiohttp oraz FastAPI, koncepcje WebSockets i GraphQL. Integracja z zewnętrznymi API AI (OpenAI API / Anthropic): wysyłanie zapytań, obsługa promptów i automatyzacja procesów w aplikacjach Django/FastAPI. Aspekt środowiskowy: Wykorzystanie I/O nieblokującego zmniejsza koszty energetyczne na żądanie, a szybka walidacja w FastAPI i ograniczanie payloadu redukują zbędny transfer danych oraz zużycie CPU (ograniczenie śladu węglowego).

Lekcja 2: Podstawy DevOps, Konteneryzacja i CI/CD (AWS, Docker) Tematyka: Rola inżyniera DevOps, podstawy chmury AWS (EC2, S3), wirtualizacja i kontenery (Docker), automatyzacja wdrożeń (CI/CD za pomocą GitHub Actions). Aspekt środowiskowy: Tworzenie lekkich obrazów ("slim") w Dockerze, warunkowe uruchamianie pipeline'ów CI/CD oraz autoscaling w chmurze drastycznie ograniczają nadmiarową pracę serwerów i zużycie energii.

Lekcja 3: Walidacja

Zakres testu obejmuje weryfikację opanowania efektów uczenia się poprzez zadania problemowe oraz analizę fragmentów kodu z zakresu Pythona, Django, baz danych SQL, integracji API i zielonych kompetencji. Wynik jest generowany automatycznie przez system, a warunkiem zaliczenia walidacji i potwierdzenia kompetencji jest uzyskanie minimum 70% poprawnych odpowiedzi.

Czas trwania usługi wynosi łącznie 96:00 godzin zegarowych, w tym: 85:15 godzin zajęć dydaktycznych, 02:45 godzin walidacji oraz 08:00 godzin przerw uwzględnionych w harmonogramie. Przerwy są wliczane do całkowitego czasu trwania usługi.

Uczestnicy otrzymują dostęp do kompletu materiałów edukacyjnych (autorskie podręczniki, prezentacje, kod, nagrania z zajęć), co umożliwia naukę w indywidualnym tempie i powrót do omawianych treści w dowolnym momencie.

Zajęcia prowadzi trener wskazany w harmonogramie (reszta to kadra rezerwowa). Zastrzegamy możliwość zmiany prowadzącego z przyczyn losowych, bez wpływu na jakość szkolenia.

Usługa zwolniona z podatku VAT na podstawie art. 43 ust. 1 pkt 29 ustawy z dnia 11 marca 2004 r. o podatku od towarów i usług (Dz.U. 2004 nr 54 poz. 535 z późn. zm.), jeśli jest finansowana w co najmniej 70% ze środków publicznych.

Czas trwania usługi wynosi 96h zegarowych. Przerwy przewidziane w harmonogramie (łącznie 8 godzin) są wliczane do całkowitego czasu trwania usługi.

Weryfikacja obecności: frekwencja weryfikowana jest przez system LMS (listy obecności) oraz raporty logowań z aplikacji Zoom. Warunkiem zaliczenia szkolenia, dopuszczenia do walidacji i uzyskania zaświadczenia jest uczestnictwo w minimum 80% zajęć.

Szkolenie prowadzi zespół ekspertów. Po ukończeniu kursu i pozytywnej walidacji uczestnik otrzymuje oficjalne zaświadczenie potwierdzające zdobyte kompetencje. Kompetencja związana z cyfrową transformacją oraz kompetencja związana z zieloną transformacją.

Kurs dedykowany m.in. uczestnikom projektu „Małopolski pociąg do kariery”, projektu "Kierunek-Rozwój".

Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek – Rozwój.

Kolejna edycja usługi przewidziana jest w przeciągu najbliższych 1,5 – 2 m

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.