دوره آموزشی مدیریت پروژه های پایتون
48 دقیقهپیشرفته2019-12-06
مدرسین

Miki Tebeka
CEO at 353Solutions
جزئیات دوره
در حالی که کار کدنویسی می تواند یک تلاش انفرادی باشد، توسعه دهندگان نرم افزار در خلاء کار نمی کنند. برای اینکه پروژه های خود را با موفقیت به خط پایان برسانند، باید روزهای خود را با هماهنگی مؤثر با توسعه دهندگان دیگر بگذرانند. در این دوره، به Miki Tebeka بپیوندید تا بهترین شیوه ها و نکاتی را برای مدیریت کارآمد پروژه های پایتون به اشتراک بگذارد. Miki وظایف غیر کدنویسی ضروری در مورد برنامه نویسی پایتون را پوشش می دهد، از جمله نحوه بهترین رویکرد به ساختار دایرکتوری برای یک پروژه، مقابله با چالش های مربوط به مدیریت وابستگی، و تعیین اینکه چه چیزی (و چقدر) باید آزمایش شود. به علاوه، استراتژیهای کلی برای مدیریت فرآیند توسعه، از جمله نحوه استفاده مؤثر از کنترل منبع و سیستمهای ردیابی مشکل را دریافت کنید.
اهداف یادگیری
اجتناب از اشتباهات رایج با استفاده از یک فرآیند
چگونه استفاده مجدد از کد می تواند در وقت شما صرفه جویی کند
ساختار دایرکتوری مناسب برای پروژه پایتون
مدیریت وابستگی کارآمد
تست های مختلف و زمان استفاده از آنها
چقدر تست کنیم
استراتژی های استفاده از کنترل منبع
استفاده موثر از سیستم ردیابی مشکل
اهداف یادگیری
اجتناب از اشتباهات رایج با استفاده از یک فرآیند
چگونه استفاده مجدد از کد می تواند در وقت شما صرفه جویی کند
ساختار دایرکتوری مناسب برای پروژه پایتون
مدیریت وابستگی کارآمد
تست های مختلف و زمان استفاده از آنها
چقدر تست کنیم
استراتژی های استفاده از کنترل منبع
استفاده موثر از سیستم ردیابی مشکل
مهارت ها
AdvancedPythonProgramming LanguagesOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - مدیریت روزانه پایتون
- 02 - آنچه باید بدانید
- 03 - استفاده از فایل های تمرین
1. چرا مدیریت مهم است؟
- 04 - کار با هم به عنوان یک تیم
- 05 - از اشتباهات دوری کنید
- 06 - استفاده مجدد از کد
2. ساختار دایرکتوری
- 07 - بررسی اجمالی
- 08 - README.md
- 09 - init .py
- 10 - تست ها
- 11 - Makefile
- 12 - setup.py
- 13 - چالش - پروژه Slowmath
- 14 - راه حل - پروژه Slowmath
3. مدیریت وابستگی
- 15 - مشکل
- 16 - مدیران بسته
- 17 - virtualenvs
- 18 - تولید در مقابل توسعه
- 19 - چالش - ایجاد محیط
- 20 - راه حل - ایجاد محیط
4. آزمایش
- 21 - چه چیزی را تست کنیم
- 22 - چقدر باید تست کرد
- 23 - مروری بر پایتست
- 24 - وسایل
- 25 - پرش و علامت گذاری
- 26 - بررسی استثنائات
- 27 - چالش - موارد تست از پرونده
- 28 - راه حل - موارد تست از پرونده
5. فرآیند توسعه
- 29 - کار با هم
- 30 - کنترل منبع
- 31 - پیگیری موضوع
- 32 - شاخه های ویژه
- 33 - بررسی کد
- 34 - گذشته نگر
- 35 - چالش - پیاده سازی ویژگی ها
- 36 - راه حل - پیاده سازی ویژگی ها
نتیجه
- 37 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی نوشتن اسکریپت پایتون با استفاده از ArcGIS API برای پایتون
- دوره آموزشی یادگیری پایتون با PyCharm
- دوره آموزشی مقدمهای بر پایتون: یادگیری برنامهنویسی از امروز با پایتون
- دوره آموزشی QGIS و پایتون برای AEC
- دوره آموزشی پایتون: الگوهای طراحی پیشرفته
- دوره آموزشی یادگیری اصولی PySpark: معرفی ساخت خطوط پردازش داده
- دوره آموزشی پیاده سازی و مدیریت پیشرفته مایکروسافت فابریک
مسیرهای مرتبط
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی آماده شدن برای گواهینامه Google Cloud Professional Cloud Architect
- مسیر آموزشی مهارت های خود را به عنوان یک توسعه دهنده جنگو ارتقا دهید
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: جمعآوری دادهها
- مسیر آموزشی تبدیل به یک دانشمند داده شوید
- مسیر آموزشی مدیریت مدلهای زبان بزرگ (LLMs) با LLMOps
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: پردازش دادهها
- مسیر آموزشی برترین مهارت هایی که متخصصان فناوری اطلاعات در حال حاضر دارند