Python
Idiomuri, trucurile din biblioteca standard pe care le tot uit și ce e nou în limbaj.
Curs
Python, de la zero
Un curs de 60 de lecții care pornește de la 'Python în 2026' și ajunge la 'antrenarea unui model de deep learning pe un dataset real.' Python modern, biblioteca standard, packaging, pandas, data engineering, ML, deep learning, și unde asistenții AI ajută cu adevărat.
Publicate: 59 din 60
-
Lecția 1
Python in 2026: ce s-a schimbat, ce e stabil, ce urmeaza
Unde se afla Python chiar acum: caracteristicile limbajului, mutarea ecosistemului catre uv, JIT, free-threading si la ce conteaza cu adevarat sa te uiti ca dezvoltator.
-
Lecția 2
Type hints nu mai sunt optionale
Cum sa scrii Python modern cu type hints: pentru tine, pentru ajutorul din IDE si pentru ca orice code review le asteapta acum.
-
Lecția 3
f-strings, walrus, match: noile idiomuri de flow-control
Sintaxa Python moderna care face codul mai clar decat alternativele: cand sa folosesti fiecare si cazurile unde modul vechi e inca mai bun.
-
Lecția 4
Iterators, generators, comprehensions: cum le desparti
Trei concepte inrudite pe care majoritatea celor care scriu Python le amesteca. Diferentele conteaza cand conteaza memoria si cand conteaza laziness-ul.
-
Lecția 5
Decorators, demistificati
Functii care invelesc functii. Pattern-urile pe care le intalnesti zilnic, capcanele de stiut si cand sa-ti scrii propriul decorator.
-
Lecția 6
Context managers si with-statement, dincolo de deschiderea fisierelor
Protocolul din spatele lui `with`, trei moduri de a-ti scrie propriul context manager si cand context managers bat try/finally.
-
Lecția 7
pathlib: caile din filesystem facute cum trebuie
De ce os.path e mostenire, ce iti dau obiectele Path si setul mic de metode care acopera 95% din munca reala.
-
Lecția 8
datetime + zoneinfo: partea pe care toata lumea o greseste
Naive vs aware datetimes, de ce fusurile orare se rup in productie si solutia din biblioteca standard care a sosit in sfarsit in 3.9.
-
Lecția 9
collections + dataclass: structurile mici de date de care ai nevoie
Counter, defaultdict, deque, namedtuple si dataclass-ul care le inlocuieste pe toate in cele mai multe cazuri.
-
Lecția 10
itertools + functools: trusa de unelte de ordin superior
Cele doua module din stdlib care transforma buclele in one-liners si one-liner-ele in ceva citibil. Plus cand reduce e in regula, in pofida zvonurilor.
-
Lecția 11
logging: log-uri structurate, niveluri si pattern-urile care merg in productie
De ce print() nu scaleaza, problema de reputatie a modulului logging si configurarea care il face cu adevarat placut de folosit.
-
Lecția 12
Construirea de CLI-uri: argparse, click, typer
Cele trei biblioteci CLI pe care le vei intalni, cand sa o alegi pe fiecare si pattern-ul typer care castiga acum.
-
Lecția 13
Mediile virtuale, explicate pe înțelesul oamenilor
De ce fiecare proiect Python are nevoie de propriul sandbox, ce fac de fapt venv/poetry/uv și cum oprești proiectele să se strice unul pe celălalt.
-
Lecția 14
pyproject.toml: singurul fisier de configurare care le inlocuieste pe toate
De ce setup.py e mort, ce face fiecare sectiune din pyproject.toml si build backend-urile din spate.
-
Lecția 15
uv: schimbarea de ecosistem din 2026
De ce uv a inlocuit pip+venv+pyenv+poetry pentru multa lume, ce face diferit si fluxul de lucru.
-
Lecția 16
Layout-ul proiectului: src/ vs flat, unde merg testele, unde traiesc scripturile
Deciziile de layout care afecteaza importurile, testarea si packaging-ul si conventia care a castigat in 2026.
-
Lecția 17
Managementul dependențelor: pip, poetry, uv - cum o alegi pe a ta
Cele patru opțiuni reale, compromisurile și de ce majoritatea proiectelor noi din 2026 pornesc cu uv.
-
Lecția 18
Build și publicare: PyPI, magazine de artefacte interne, semver
Cum transformi proiectul într-un wheel, îl împingi pe PyPI sau pe indexul companiei tale și eviți capcanele de versionare.
-
Lecția 19
pytest de la zero la fixtures
De ce pytest a învins unittest, pattern-urile de bază pentru teste și sistemul de fixtures care face setup-ul de teste suportabil.
-
Lecția 20
Mocks, parametrize, conftest.py: trusa de testare
Trei pattern-uri pytest care transforma o situatie de tipul 'asta e imposibil de testat' intr-un paragraf de cod.
-
Lecția 21
mypy / pyright + ruff: stiva de analiza statica
Type checking pentru a prinde bug-uri, ruff pentru formatare si linting si workflow-ul care le ruleaza pe ambele rapid.
-
Lecția 23
Dezvoltare Python asistata de AI: workflow-ul care merge
Unde Copilot/Claude/Cursor ajuta cu adevarat, unde fac rau si pattern-urile de prompt care produc cod pe care il poti livra.
-
Lecția 24
Property-based testing cu hypothesis
Generează automat sute de cazuri de test. Tiparele care prind bug-uri pe care testele unitare le ratează.
-
Lecția 25
Pandas în 2026: ce să știi, ce să sari, ascensiunea Polars
Unde stă pandas în ecosistemul de date din 2026, backend-ul PyArrow, și când câștigă cu adevărat Polars.
-
Lecția 26
Series și DataFrame: modelul de date
Ce sunt de fapt structurile de date pandas: un array indexat, și un dicționar de array-uri indexate.
-
Lecția 27
Citirea datelor: CSV, Parquet, Excel, JSON, SQL
Familia pd.read_*, capcanele fiecarui format si de ce Parquet e formatul preferat in 2026.
-
Lecția 28
Selectie: .loc, .iloc, indexare booleana
Cele trei moduri de a felia un DataFrame, diferentele dintre ele si SettingWithCopyWarning de care se izbeste toata lumea.
-
Lecția 29
Agregare: groupBy, agg, transform, alegerea potrivita
GroupBy la scara, agregari denumite, diferenta dintre agg/apply/transform si pattern-urile pe care le vei folosi saptamanal.
-
Lecția 30
Joins: merge, concat, tiparele care nu te iau prin surprindere
merge pentru imbinarea tabelelor, concat pentru stivuirea lor si comportamentul de aliniere pe index care a salvat sau a ruinat multe analize.
-
Lecția 31
Reshape: pivot, melt, stack, unstack
Wide-to-long, long-to-wide si cand coloanele MultiIndex sunt o functionalitate, nu un bug.
-
Lecția 32
Time series: resample, rolling, capcanele de date-time
DatetimeIndex, conversia de frecventa, rolling windows si bug-urile de timezone care musca productia.
-
Lecția 33
Tipuri categorical si string: castiguri de memorie si viteza
Cand conversia unei coloane in categorical sau string[pyarrow] face diferenta intre un job care ruleaza si unul care ramane fara memorie.
-
Lecția 34
Cand pandas e lent: chunks, dtypes si unde sa cauti
Cele mai importante cinci parghii de performanta in pandas, bucla de diagnostic si cand 'rescrie in Polars' este raspunsul corect.
-
Lecția 35
Polars: alternativa moderna
Ce face Polars altfel, API-ul lazy care il face rapid si turul de sintaxa pentru utilizatorii pandas.
-
Lecția 36
Proiect de analiza de date cap-coada
Iei un dataset real, de la CSV brut la un raspuns curat, intr-un singur script. Pattern-urile care apar de fiecare data.
-
Lecția 37
Design ETL: extract, transform, load
Pattern-ul care defineste jumatate din munca de data engineering si variantele moderne (ELT, medallion, lakehouse) pe care le vei intalni.
-
Lecția 38
Construirea unui pipeline de ingestion: de la fisiere la baza de date
Un pipeline complet fisier-spre-Postgres in Python, cu pattern-urile care supravietuiesc contactului cu realitatea.
-
Lecția 39
Lucrul cu API-uri: requests, retries, rate limits
Trusa de unelte HTTP din Python, pattern-urile de retry care nu inrautatesc lucrurile si tratarea rate limit-urilor care te tine binevenit.
-
Lecția 40
asyncio: cand async I/O chiar merita
Ce iti aduce asyncio, pattern-urile care functioneaza si capcana amestecarii codului sync cu async.
-
Lecția 41
Orchestrare: Airflow, Prefect, Dagster - peisajul din 2026
Cand cron nu mai e suficient, ce face efectiv un orchestrator si cei trei contestatari pentru pipeline-urile tale de date.
-
Lecția 42
Proiect de data engineering: construieste un pipeline real
De la sursa la destinatie, cu monitorizare, idempotenta si planificare. Lectiile Modulului 7 facute tangibile.
-
Lecția 43
NumPy: array-uri, broadcasting, fundatia Python-ului stiintific
Ce este un ndarray, de ce broadcasting-ul schimba felul in care scrii bucle si setul mic de functii care acopera majoritatea cazurilor.
-
Lecția 44
Plotting: matplotlib, seaborn, plotly - cum o alegi pe a ta
Trei biblioteci de plotting, trei filozofii si la care apelezi in functie de audienta.
-
Lecția 45
SciPy: trusa de scule pe care majoritatea o uita
Statistica, optimizare, prelucrare de semnal, matrice rare: biblioteca standard a Python-ului stiintific.
-
Lecția 46
Funcționalitățile Python pe care le-am învățat prea târziu
Match statements, operatorul walrus, debugging cu f-string-uri, dataclasses și alte funcționalități Python care m-ar fi scutit de ore întregi dacă le-aș fi știut mai devreme.
-
Lecția 47
Jupyter, notebook-uri si momentul in care le parasesti
De ce notebook-urile sunt seducatoare, unde stralucesc si momentul in care ar trebui sa te opresti si sa scrii un script real.
-
Lecția 48
Proiect numeric: o analiza reala
Ia un dataset public si ruleaza o analiza numerica completa: statistici descriptive, ajustari, teste de ipoteza, grafice.
-
Lecția 49
scikit-learn: turul bibliotecii standard de ML
Pattern-ul fit/predict care sustine totul, categoriile de modele si pipeline-urile care fac codul reproductibil.
-
Lecția 50
Feature engineering: partea care conteaza cel mai mult
Transformarile care fac din date brute combustibil pentru model si cele care scurg in tacere informatii din viitor.
-
Lecția 51
Modele tree-based: random forest, XGBoost, LightGBM
De ce trees domina ML-ul tabular, diferentele dintre cele trei mari biblioteci si hyperparametrii care conteaza.
-
Lecția 52
Modele liniare si regularizate: cand simplu castiga
De ce modelele liniare sunt inca raspunsul corect surprinzator de des si trucurile de regularizare care le fac de productie.
-
Lecția 53
Tuning de hiperparametri: grid, random, bayesian, optuna
Cele patru strategii de cautare, cand are sens fiecare si de ce optuna e default-ul in 2026.
-
Lecția 54
Proiect ML: o problema de clasificare, end to end
De la CSV brut la model deployat: lectiile Modulului 9 facute palpabile.
-
Lecția 55
Retele neuronale pe intelesul tuturor
Ce este de fapt o retea neuronala, de ce functioneaza backpropagation si unde deep learning bate cu adevarat ML-ul clasic.
-
Lecția 56
PyTorch: standardul modern
Tensori, autograd, modulul nn si feel-ul Python care a facut PyTorch sa castige.
-
Lecția 57
Training loop-ul, in cod
Cele cinci linii care transforma o retea initializata aleatoriu intr-un model antrenat si contabilitatea care le face de calitate productie.
-
Lecția 58
Modele pre-antrenate + transfer learning + Hugging Face
Calea realista de la zero la un model deep learning functional in 2026: pleci de la unul pre-antrenat si il fine-tunezi pe datele tale.
-
Lecția 59
AI vs ML in 2026: cand apelezi un LLM, cand antrenezi
Decizia care nu exista acum cinci ani: folosesti un model gazduit, faci fine-tune unuia open sau antrenezi propriul model?
-
Lecția 60
Capstone: ce stii acum, incotro mergi mai departe
O privire inapoi la cele 60 de lectii, una inainte la incotro merge Python si resursele care te duc de la nivel intermediar la expert.