SOMMAIRE.md

Table des Matières - Formation Python - Du Débutant à l'Avancé

Sommaire

---

1. Fondamentaux et syntaxe de base

• 1.1 Installation et configuration de l'environnement Python
• 1.2 Variables, types de données et opérateurs
• 1.3 Structures de contrôle (if/else, boucles)
• 1.4 Fonctions et portée des variables
• 1.5 Gestion des erreurs avec try/except
• 1.6 Type Hints et annotations de types 🆕

2. Structures de données avancées

• 2.1 Listes, tuples, dictionnaires et sets
• 2.2 Compréhensions de listes et dictionnaires
• 2.3 Collections spécialisées (namedtuple, defaultdict, Counter)
• 2.4 Manipulation de chaînes de caractères et expressions régulières

3. Programmation orientée objet

• 3.1 Classes et objets
• 3.2 Héritage et polymorphisme
• 3.3 Méthodes spéciales (dunder methods)
• 3.4 Propriétés et décorateurs
• 3.5 Métaclasses et programmation avancée ⚠️ (optionnel - niveau expert)

4. Gestion des données et fichiers

• 4.1 Lecture/écriture de fichiers texte et binaires
• 4.2 Formats de données (JSON, CSV, XML)
• 4.3 Sérialisation avec pickle
• 4.4 Gestion des chemins avec pathlib

5. Programmation fonctionnelle

• 5.1 Fonctions lambda et fonctions d'ordre supérieur
• 5.2 map(), filter(), reduce()
• 5.3 Décorateurs avancés
• 5.4 Générateurs et expressions génératrices
• 5.5 Closures et programmation fonctionnelle

6. Modules et packages

• 6.1 Importation et création de modules
• 6.2 Structure des packages
• 6.3 Gestion des dépendances avec pip
• 6.4 Environnements virtuels (venv)
• 6.5 Outils modernes (Poetry, Pipenv) 🆕

7. Bibliothèques standard essentielles

• 7.1 os, sys, subprocess
• 7.2 datetime et time
• 7.3 math, random, statistics
• 7.4 itertools et functools
• 7.5 logging et configuration
• 7.6 typing - Annotations avancées 🆕

8. Programmation concurrente

• 8.1 Threading et multiprocessing
• 8.2 Programmation asynchrone avec asyncio
• 8.3 Gestion des verrous et synchronisation
• 8.4 Patterns de concurrence

9. Gestion des erreurs et débogage

• 9.1 Hiérarchie des exceptions
• 9.2 Création d'exceptions personnalisées
• 9.3 Techniques de débogage
• 9.4 Profiling et optimisation

10. Tests et qualité du code

• 10.1 Tests unitaires avec unittest et pytest
• 10.2 Mocking et fixtures
• 10.3 Couverture de code
• 10.4 Documentation avec docstrings
• 10.5 PEP 8 et outils de linting
• 10.6 Validation de types avec mypy 🆕

11. Développement web et APIs

• 11.1 Introduction aux frameworks web
• 11.2 FastAPI - Framework moderne et asynchrone 🆕
  • 11.2.1 Installation et premier projet FastAPI
  • 11.2.2 Routes et validation avec Pydantic
  • 11.2.3 Endpoints asynchrones et performances
• 11.3 Flask - Micro-framework léger
• 11.4 Requêtes HTTP avec requests
• 11.5 Création et consommation d'APIs REST
• 11.6 Bases de données et ORM (SQLite + SQLAlchemy) 🆕
  • 11.6.1 Introduction à SQLAlchemy
  • 11.6.2 Modèles et relations
  • 11.6.3 Requêtes et migrations

12. Projets pratiques et bonnes pratiques

• 12.1 Architecture de projet et outils modernes
• 12.2 Gestion de version avec Git
• 12.3 Patterns de conception courants
• 12.4 Optimisation des performances
• 12.5 Déploiement et distribution

13. Introduction à la Data Science 📊 (module optionnel)

• 13.1 Calcul numérique avec NumPy 🆕
  • 13.1.1 Arrays et opérations vectorisées
  • 13.1.2 Indexation et slicing avancés
• 13.2 Manipulation de données avec Pandas 🆕
  • 13.2.1 DataFrames et Series
  • 13.2.2 Nettoyage et transformation de données
  • 13.2.3 GroupBy et agrégations
• 13.3 Visualisation avec Matplotlib et Plotly 🆕
  • 13.3.1 Graphiques de base avec Matplotlib
  • 13.3.2 Visualisations interactives avec Plotly
• 13.4 Introduction à l'analyse exploratoire 🆕

---

📎 Annexes

• A. Glossaire
• B. Récapitulatif des PEP et standards
• C. Aide-mémoire (cheat-sheets)
• D. Pour aller plus loin

---

📋 Légende

Symbole	Signification
🆕	Contenu nouveau / modernisé pour 2026
⚠️	Niveau expert / optionnel
📊	Module spécialisé Data Science
📎	Annexe / référence transversale

---