从诞生之初，对象和类就是 Python 的一部分，而并非后来才有。所有的编程语言对于 OOP （面向对象编程）都有其不同的实现和支持方式。在其他地方行之有效的“经典”模式可能并不适用于 Python。而 Python 却为很多常见问题提供了其独特的解决方案。

本教程讨论 Python 3.7 中现代及惯用的 OOP 模式。其大部分内容都适用于 Python 2.7 以来的所有版本，而新特性也将重点讨论。

适合听众：

此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，有一些 Python 实践经历，并且知道面向对象编程的基本概念，即使是其他语言，如 Java、C#、C++、PHP 或 Ruby 等相关的面向对象编程的概念也可以。

特别说明：

* 该 Tutorial 将安排 AI 字幕翻译（英 译 中）；

* 分享时间：2019年9月22日 早上： 09:00～12:00

过去几年里，Python 增加了很多新的编码并发计算方式，比如在 3.3 版本中新加入的concurrent.futures 库，3.4 版本中新加入的 asyncio 库，以及3.5 版本中新加入的 async 和 await 关键字，这为 Python 引入了像 async dev、async for 和 async with 这样的新概念。

在这个教程里，我们将会看到所有这些特性的示例，同时我们也将针对 Python runtime 的基础并发概念及问题进行讨论，并对 I/O-bound 和 CPU-bound 并发问题给出解决方案。

适合听众：

此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，且已有一些 Python 实践经历。我们不要求参与者有 Python 线程或其他语言的使用经验，但有这些经验可以帮助参与者更好的理解教程内容。

特别说明：

* 该 Tutorial 将安排 AI 字幕翻译（英 译 中）；

* 分享时间：2019年9月22日 下午： 13:00～16:00

介绍 ：这是一个面向 Python 程序员的 Web 开发课程，目标听众需要对 Python 基本语法有一定的了解，但对 Web 开发的了解程度没有要求。在这个课程里，我会将 Python Web 开发所涉及的相关概念进行一个系统的梳理和介绍，包括 HTTP 协议、前端基础知识、常用的 Python Web 框架以及其他各种工具。这个课程还会包含一个动手编程的环节。我会从最让人头疼的开发环境搭建开始，一步一步教你如何使用 Flask 开发一个简单的 Web 程序。

在结束课程后，参与者会对整个 Python Web 开发技术栈有一个全局认识，并掌握基本的 Web 开发知识，而且会对接下来的学习路径有一个清晰的了解。

课程流程：

一、基本概念

• Python Web 开发技术栈地图

• HTTP 协议基础知识（请求与响应、URL 等）

• 前端基础知识（HTML、CSS、JavaScript、AJAX 等）

• Python 后端框架的特点和选择（Flask、Django 等）

• 传统 Web 程序和 Web API 的对比

• 测试、部署、持续集成等相关概念快速扫盲

二、动手编程

• 开发环境搭建

• 运行和调试程序

• 编写 HTML 模板

• 添加表单支持

• 添加数据库支持

三、Q&A

• 介绍常见的学习误区和建议的学习方向

• 关于代码或其他任何相关内容的提问

• 内容难度： 初级

适合听众：

• 想了解 Web 开发的前端、运维、测试或其他工程师

• 想自己做网站的编程爱好者

• Web 开发或 Python 初学者

特别说明：

* 听众需要了解 Python 基本语法；

* 需要有一台安装了 Python 和浏览器的电脑，并且了解命令行基本操作；

* 分享时间：9月22日早上 09:00～12:00

介绍：

Python 拥有非常丰富的工具集做大数据的处理，本课程着重介绍如何对 5000 万条规模级别的数据进⾏分析处理与可视化。现场学员将以实战形式实践⼤数据分析的完整环节，从数据规整、分析、交互式可视化到最终展示。现场学员将掌握如何有效地做数据规整(补缺、过滤、转换、富化等)，如何进行常规统计、时间序列分析以及借助算法做预测比较等，如何做分析交互式可视化以及结果对外展示。本次课程将覆盖各种流⾏的 Python 工具集，包括但不限于 Numpy、Pandas、SeaBorn、Jupyter、Dash、Pyecharts 等。

适合观众：

需要做数据开发、分析或运营的⼈员。可以是一般开发、 IT/商务运维人员或是数据分析角色的人员；需要有基本的编程基础(不一定是 Python)，并且了解数据分析的一般概念。

介绍：

Python 做爬虫非常适合，本议题将介绍如何使用 Python 写爬虫程序，从而爬取海量数据，并结合 ElasticSearch 做海量(上百亿规模)的数据分析与可视化。现场学员将以实战形式实践海量数据爬取、分析可视化的完整环节，同时也将掌握如何有效做⼤并发数据爬取(并发、请求、打码、JS运行等)，如何 ElasticSearch 与 Kibana 做海量数据常规查询、统计、可视化等，以及如何进行海量数据规模的分析。本主题覆盖各种流行的 Python 与 ELK 聚集，包括但不限于 requests、request-html、scrapy、selenum/webdriver, execjs、elasticsearch、kibana 等。

适合观众：

需要做数据开发、分析或运营的人员。可以是一般开发、 IT/商务运维人员或是数据分析⻆色的工程师；需要有基本的 Python 编程基础，并且了解数据分析的一般概念。

T6:  从零开始打造一个 Python 开源项目

这是一个面向 Python 已入门者的教程，需要听众已了解 Python 的基本语法，懂得面向对象编程。本教程特别适合想做点个人项目，又不知道可以做什么，或者不知道应该如何做的人。

培训后，参与者会对 Python 的包结构有所熟悉。了解如何编写 setup.py，如何创建命令行程序，如何发布自己的 Python 库。

本教程将以一个实例来分析一个项目的诞生、创建、发布、改进以及完善。

教程流程安排:

1. 分析需求，作者以使用 Python 创建一个电子书生成工具为例分析做什么，为什么要做这个项目，以及如何去实现这个项目。

2. 准备工作，了解电子书的格式，以及如何分析电子书的格式，有哪些可用的方法。

3. 创建项目，寻找需要使用到的第三方库。这里我们将会使用到 requests, beautifulsoup, Jinja。我们将会分析为何会使用这些库，以及为何会找到这些库。

4. 熟悉第三方库，了解这些依赖的基础使用方法。

5. 编写项目，先以创建一本书作为例子，写出基本功能。听众将会了解到这些知识： HTTP 请求(requests)、网页解析(beautifulsoup)、模板引擎(Jinja)。

6. 改进项目，分析不同的网页结构，改进自己代码的封装，方便之后做扩展。

7. 发布项目，完成命令行的编辑，认识 Python 的打包，setup.py 的编写，了解各种发布工具。

8. 完善项目，如何扩展项目，如何写测试用例，如何构建插件系统。

本教程以一个实际的例子来教大家如何从零创建一个 Python 项目，适合 Python 初学者，以及对电子书感兴趣的人。

主题说明：

让我们深入研究在CircuitPython、Raspberry Pi、Docker containers、远程Linux服务器和Jupyter笔记本等环境中调试远程Python的方法。

你也许和我一样，在刚开始使用 Python 时，会选择用 ‘print’ 来调试程序。但是，你会慢慢地发现他很慢，很乏味，而且不能用来处理更为复杂的问题。

让我们来深入研究在CircuitPython、Raspberry Pi、Docker containers、远程Linux服务器和Jupyter笔记本等环境中调试远程Python的方法。

您将学习如何将代码同步到设备、附加调试器以及单步执行代码。 现有Jupyter粉丝（或新的伪装的粉丝）将会学到调试笔记本的技巧。

这个有趣的章节涵盖了一系列场景，使您能够提升调试的技术！

带上你的电脑

这是一场手把手带你学习的培训，你需要带上你的电脑（Linux, macOS, or Windows 10系统都行）。

请安装"Visual Studio Code Insiders Edition" (https://code.visualstudio.com/insiders/) ——一款免费的开源软件。