Zum Inhalt springen
Trainingslager IT-Trainingslager

Willkommen im Trainingslager

Wenig lesen, viel tippen. Dieses Buch bringt dir modernes Python so bei, wie du es als Platform Engineer brauchst: Jeden Tag baust du ein kleines, nützliches Tool – vom Wortzähler über einen Zertifikats-Checker bis zum Agenten mit MCP-Server. Am Ende schreibst du idiomatisches Python, lieferst deine Tools als Pakete aus und setzt Python sicher für KI ein.

Die Trainingsregeln

  1. Tippen, nicht kopieren. Jeden Befehl und jede Datei einmal selbst schreiben.
  2. Erwartet vergleichen. Nach jedem Drill steht, was du sehen solltest. Weicht es ab, findest du dort die eigentliche Lektion.
  3. Kontrollpunkt bestehen. Erst wenn das Prüfskript nur ✔ zeigt, geht es weiter.
  4. Challenge allein lösen. Erst den Hinweis, dann die Lösung.
  5. Jedes Tool ist ein uv-Projekt. Eigener Ordner, eigene .venv, keine globalen pip install.
  6. Lab-Werte bleiben im Lab. Schlüssel wie sk-lab-master-1234 sind Spielgeld. Echte Tokens kommen nur aus Umgebungsvariablen, nie in den Code.

Aufbau jedes Trainingstags

Abschnitt Zweck
Briefing Das Nötigste in wenigen Stichpunkten
Drills Das Tool Schritt für Schritt, mit erwarteter Ausgabe
Kontrollpunkt Prüfskript: läuft das Tool, sind die Tests grün?
Challenge Eine Erweiterung ohne Anleitung
Enterprise-Notiz Was in Produktion anders ist

Der Trainingsplan

Teil Tag Einheit Tool
Gelände 0 uv, Python 3.14, ruff, pytest hallo
A – Fundament 1 Syntax kompakt: Strings, Listen, Dicts, Comprehensions wc
2 Funktionen, Typen, dataclasses, Module logsum
3 CLI-Tools mit typer, pathlib, subprocess, Exit-Codes tidy
4 Fehler, Logging, Tests mit pytest checkcert
B – Werkzeugbau 5 Packaging und Qualität: uv build, mypy, pre-commit checkcert als Paket
6 HTTP und APIs: httpx, Retries, pydantic ghrel
7 Nebenläufigkeit: asyncio, TaskGroup, Threads urlcheck
8 Daten: csv, json, sqlite3, polars costreport
9 Web-Service mit FastAPI und Dockerfile shorturl
C – Python für KI 10 LLM-APIs: Chat, Streaming, strukturierte Ausgabe ask
11 Embeddings und RAG mit numpy und qdrant docsearch
12 Tool Calling, Agenten-Loop und MCP ops-agent
13 Klassisches ML mit scikit-learn, PyTorch-Einstieg logclass
D – Profi 14 Performance, Profiling, Verteilung, CI logsum 10× schneller
15 Wettkampf: Tool-Challenges auf Zeit mehrere
Anhang A Spickzettel –
B Abschlussprüfung –

Das Trainingsgelände

 ~/py-lab/                         ein Ordner pro Tag, jeder ein uv-Projekt
 ├── tag00-hallo/   ─┐
 ├── tag01-wc/       │   pyproject.toml   Metadaten, Abhängigkeiten, Konsolenskript
 ├── tag02-logsum/   ├── src/<paket>/     der Code (src-Layout)
 ├── ...             │   tests/           pytest
 └── tag14-.../     ─┘   .venv/ uv.lock   von uv verwaltet

 KI-Teil (Tag 10–13):  Ollama  http://127.0.0.1:11434/v1  Modell ministral-3:3b

Werkzeuge: uv für Python, Umgebungen und Pakete, ruff für Lint und Format, pytest für Tests, mypy für Typen, ab Tag 3 typer für CLIs. Du brauchst nur einen Mac oder Linux-Rechner mit Terminal; Docker ist nicht nötig.

Tipp: Getestet mit uv 0.9.26, Python 3.14.2, ruff 0.17 und pytest 9.1 auf macOS (Apple Silicon). Weicht eine Ausgabe ab: uv <befehl> --help und die Doku unter docs.astral.sh/uv bzw. docs.python.org/3.14.

Der Begleitcode

Alle Dateien aus diesem Buch liegen öffentlich auf GitHub: https://github.com/thomaszachmann/python-zum-anfassen. Wie du sie holst, zeigt Tag 0.

Los geht’s.

Thomas Zachmann, Oktober 2026