Dieses Modul führt die Lernenden in die transformative Rolle der generativen KI (GenAI) in der modernen Softwareentwicklung ein und konzentriert sich dabei auf Python. Die Lernenden erfahren, wie GenAI-Tools zur Automatisierung verschiedener Aspekte des Entwicklungslebenszyklus eingesetzt werden können, einschließlich Codegenerierung, Überprüfung, Optimierung, Testen und Dokumentation. Das Modul legt den Schwerpunkt auf praktische Anwendungen von GenAI und bietet praktische Erfahrungen mit gängigen Tools und Techniken für effektives Prompt Engineering. Die Teilnehmer lernen, wie man präzise Prompts zur Codegenerierung erstellt, Fehler und Schwachstellen identifiziert, Code für eine bessere Lesbarkeit refaktorisiert und umfassende Testfälle und Dokumentationen erstellt. Das Modul hebt das Potenzial von GenAI zur Steigerung von Produktivität und Effizienz hervor, geht aber auch auf die Grenzen ein und betont die entscheidende Rolle der menschlichen Aufsicht bei der Sicherstellung der Codequalität und ethischer Überlegungen.

Dieses Modul bietet den Lernenden eine umfassende Einführung in Cloud-Computing und dessen Bedeutung für Python-Entwickler. Es beginnt mit einem Überblick über die wichtigsten Cloud-Konzepte, einschließlich Servicemodelle (IaaS, PaaS, SaaS), und untersucht führende Cloud-Plattformen wie Microsoft Azure. Die Lernenden sammeln praktische Erfahrungen mit Azure, erstellen Konten, navigieren durch das Azure-Portal und implementieren eine einfache Anwendung. Das Modul befasst sich dann mit verschiedenen Bereitstellungsstrategien, die virtuelle Maschinen, Container und serverlose Funktionen umfassen. Die Lernenden werden eine Flask-Webanwendung auf Azure bereitstellen und das serverlose Computing mit Azure Functions erkunden. Schließlich zeigt das Modul die Bandbreite der Cloud-Dienste, die Python-Entwicklern zur Verfügung stehen, darunter Speicher, Datenbanken und maschinelles Lernen. Durch praktische Demonstrationen und Aktivitäten werden die Lernenden praktische Erfahrungen in der Interaktion mit Azure-Diensten unter Verwendung des Python SDK sammeln und eine serverlose Bildverarbeitungsanwendung erstellen.

Dieses Modul unterstreicht die entscheidende Bedeutung der Dokumentation in der professionellen Python-Entwicklung. Die Lernenden erforschen den Zweck und den WERT der Dokumentation bei der Erstellung wartbarer, kollaborativer Codebases. Sie lernen die besten Praktiken für das Schreiben effektiver Dokumentation kennen, halten sich an die PEP 8 Stilrichtlinien und verwenden Werkzeuge wie Sphinx, um aus ihrem Code eine professionelle Dokumentation zu erstellen. Das Modul stellt dann die Rolle von GenAI bei der Automatisierung von Dokumentationsaufgaben vor, einschließlich der Erzeugung von Code-Kommentaren und API-Dokumentation. Die Lernenden üben Prompt-Engineering-Techniken, um die GenAI-Ausgaben zu verfeinern und Genauigkeit und Vollständigkeit sicherzustellen. Das Modul deckt außerdem die Prinzipien von sauberem Code, SOLID-Designprinzipien und Refactoring-Techniken ab, um die Lesbarkeit und Wartbarkeit von Code zu verbessern. Schließlich wird die asynchrone Programmierung in Python unter Verwendung der asyncio-Bibliothek vorgestellt, die es den Lernenden ermöglicht, nebenläufigen Code zu schreiben, um I/O-gebundene Operationen effizient zu handhaben.

In diesem Modul verlagert sich der Schwerpunkt vom Testen einzelner Komponenten (Unit-Tests) auf die Überprüfung der Wechselwirkungen zwischen verschiedenen Teilen eines Softwaresystems. Die Lernenden erkunden das Konzept des Integrationstests und seine Bedeutung für die Identifizierung von Fehlern, die bei der Kombination einzelner Einheiten auftreten können. Sie lernen verschiedene Integrationsteststrategien kennen, darunter Top-Down-, Bottom-Up- und Sandwich-Ansätze, und verstehen deren Stärken und Schwächen. Das Modul bietet praktische Erfahrung mit Mocking-Abhängigkeiten unter Verwendung von Bibliotheken wie pytest-mock, um Komponenten zu isolieren und externe Interaktionen zu simulieren. Die Lernenden befassen sich auch mit dem Konzept der Testdoubles (Mocks, Stubs, Fakes) und lernen, wie man den geeigneten Typ für bestimmte Testszenarien auswählt. Das Modul gipfelt in einer praktischen Demonstration von Integrationstests einer Flask-Webanwendung mit dem pytest-Framework. Zusätzlich werden die Lernenden in die testgetriebene Entwicklung (TDD) eingeführt, eine Entwicklungsmethodik, die das Schreiben von Tests vor dem Code fördert, was zu einer verbesserten Codequalität und einem höheren Vertrauen der Entwickler führt.