Нам интересны следующие темы

• Core Python

  • Python под капотом. Детали реализации интерпретатора: GIL, async, как работает dict.
  • Последние изменения в CPython: nogil, JIT.
  • Базовые концепции Python на простых примерах. Механизм __slots__ для экономии памяти и решение хэш-коллизий в словарях, асинхронность в деталях и ошибках и т.д.
  • CPython, PyPy, GraalPy, Cython и другие интерпретаторы: особенности, внутреннее устройство и применение в разных ситуациях.
  • Субинтерпретаторы и неизменяемые структуры данных.
• Практики разработки

  • Pythonic Way. Основные принципы и советы по превращению плохого кода в хороший. Примеры Pythonic-подхода в решении задач.
  • Чистый код, SOLID. Практики «правильного» ООП: польза и вред.
  • Не ООП единым: функциональный и другие подходы к написанию кода. Где могут быть полезны, а когда лучше воздержаться.
  • Код ревью: типичные ошибки, лучшие практики. Построение процесса с нуля или улучшение существующего.
  • Подходы к разработке и ветвлению в CVS (Trunk-Based Development). Внедрение, типичные ошибки, неочевидные выводы.
• Библиотеки и инструменты

  • Стандартная библиотека Python. Возможности, примеры применения, особенности и интересные детали.
  • Новые популярные (и не очень) библиотеки и фреймворки: опыт и практики применения, перспективы использования.
  • Собственные библиотеки и фреймворки. Open source. Сложности разработки, опыт и best practices для разработчиков.
  • Инструменты разработчика: линтеры, пакетные менеджеры и т.д.
  • Производительность и оптимизация. Ускорение кода, профилирование, отладка и хитрости оптимизации. Работа с большими данными.
• Тестирование и безопасность

  • Базовые понятия тестирования: модульное, интеграционное, функциональное. Тестирование на Python. TDD or not TDD?
  • Обзор популярных библиотек и инструментов для тестирования: unittest, pytest, nose и другие. Особенности и best practices.
  • Тестирование веб-приложений на Python с применением Selenium, Django's testing framework и flask-testing.
  • Тестирование производительности. Инструменты и методики для измерения и оптимизации производительности Python-приложений. Профилирование, стресс-тестирование и нагрузочное тестирование.
  • Тестирование асинхронного кода на Python: особенности, использование asyncio, Trio, Quart и других библиотек.
  • Тестирование на безопасность и анализ уязвимостей Python-приложений.
  • Безопасная разработка: технологии, инструменты и практики. Применение SCA, SAST, DAST, fuzzing.
• Бэкенд

  • Веб-фреймворки.
  • Микросервисная архитектура.
  • Разработка внутренних и внешних API.
  • Асинхронное программирование.
  • ORM, базы данных и взаимодействие с ними.
  • Кэширование и оптимизация веб-приложений.
  • Observability: логирование, мониторинг и трассировка.
  • Конфигурирование приложений.
  • Экосистема Django.
  • Решение прикладных задач ML/DS/data engineering.
• Архитектура и паттерны

  • Различные архитектурные подходы и паттерны на практике.
  • Основы системной архитектуры для разработчиков: зачем проектировать, прежде чем писать код, и как это делать.
  • Сервис-ориентированная архитектура, микросервисная архитектура, cобытийно-ориентированная архитектура, слоистая архитектура, CQRS-паттерн и другие.
  • Подходы к проектированию и разработке: DDD (Domain-Driven Development), TDD (Test-Driven Development), BDD (Behavior-Driven Development), Specification By Example и другие
  • Общеизвестные паттерны и шаблоны проектирования (Factory, Strategy, Observe и другие) при решении реальных задач. Плюсы и минусы, способы внедрения, адаптации и применимость в Python-проектах.
  • Безопасность архитектуры. Методы обеспечения безопасности, включая Secure by Design и принципы наименьших привилегий. Примеры реализации безопасных приложений на Python с использованием фреймворков и библиотек.
  • Полезные инструменты и лайфхаки при проектировании.
• Другое

  • Использование Python в железках. Embedded-устройства, IoT, робототехника и т.д.
  • GUI на Python. PyQt, Kiwi, Tkinter и другие инструменты.
  • Разработка desktop-приложений.
  • Биоинформатика, астрономия, астрофизика и другие науки. Применение Python в решении научных задач.
  • Python для нестандартных задач. Демосцены, sizecoding, quine.
  • Python и другие языки: interop, performance, safety.