APRENDER. PRATICAR. EVOLUIR.Python® na prática
Aprende Python com interpretação de código, validação de dados, ficheiros e automação operacional. Pratica precisão decimal, datas e recuperação após falhas.
Objetivos e percurso
Dez aulas, 100 perguntas regulares e 20 casos originais desenvolvem raciocínio para scripts de suporte, importação e concorrência. Inclui subprocessos, caminhos, contratos JSON, precisão decimal, testes com mocks, fixtures, futures, prazos e controlo de admissão. Os cenários usam serviços e relatórios fictícios. A referência é Python 3.14; verificações locais identificam o intérprete usado e não equivalem a validação integral de 3.14 ou de todas as plataformas. A avaliação final reutiliza 74 decisões do percurso. Não inclui execução remota de Python para alunos nem atribui certificação externa.
Para quem: Profissionais de suporte, administradores e programadores que automatizam tarefas operacionais.
Pré-requisitos: Noções de ficheiros, variáveis e execução de scripts. Os exercícios incluem o contexto necessário.
468 minutos de estudo estimados
- Interpretar tipos, identidade, cópias e coleções.
- Definir contratos de funções e validar entradas externas.
- Tratar recursos, precisão decimal e contexto temporal.
- Diagnosticar falhas e planear automação observável e repetível.
Módulos
- Dados, tipos e decisões
- Coleções sem surpresas
- Funções pequenas, contratos claros
- Erros e ficheiros com contexto
- Precisão, dados externos e tempo
- Automação observável e repetível
- Subprocessos, caminhos e resultados verificáveis
- JSON e iteradores com contratos de dados
- Automatizações testáveis e contratos de execução
- Concorrência, prazos e recuperação de tarefas
Continua a aprender
Referências e versão
Python 3.14; DR Python 2026.3
- Python 3.14: Built-in types · 2026-10-01
- Python 3.14: Control flow and function signatures · 2026-10-01
- Python 3.14: Errors and exceptions · 2026-10-01
- Python3.14: Decimal arithmetic · 2026-10-01
- Python 3.14: Date and time types · 2026-10-01
- Python 3.14: IANA time zone support · 2026-09-29
- Python 3.14: CSV reading and writing · 2026-09-29
- Python 3.14: Operating system interfaces · 2026-09-29
- Python 3.14: Logging facility · 2026-10-01
- Python 3.14: System interfaces · 2026-09-29
- Python 3.14: Type hints · 2026-09-29
- Python 3.14: Shallow and deep copying · 2026-09-29
- HTTP Semantics: idempotent methods · 2026-09-29
- Python3.14: Subprocess management · 2026-10-01
- Python3.14: Object-oriented filesystem paths · 2026-10-01
- Python3.14: JSON encoder and decoder · 2026-10-01
- Python3.14: Iterator building blocks · 2026-10-01
- Python3.14: Built-in functions · 2026-10-01
- Python3.14: Temporary files and directories · 2026-10-01
- Python 3.14: Unit testing framework · 2026-10-01
- Python 3.14: Mock object library · 2026-10-01
- Python 3.14: Top-level code environment · 2026-10-01
- Python 3.14: Launching parallel tasks · 2026-10-01
- Python 3.14: Command-line parsing · 2026-10-01
- Python 3.14: Virtual environments · 2026-10-01
- Python 3.14: Thread-based parallelism · 2026-10-01
- Python 3.14: Container datatypes · 2026-10-01
- Python 3.14: Programming FAQ · 2026-10-01
- Python 3.14: Built-in exceptions · 2026-10-01
- Python 3.14: Time access and conversions · 2026-10-01
O que vais explorar
0 / 10Dados, tipos e decisões
Lê valores com atenção antes de os transformar em decisões.
Coleções sem surpresas
Escolhe listas, conjuntos e dicionários para o problema certo.
Funções pequenas, contratos claros
Define entradas, resultados e efeitos antes de escrever a implementação.
Erros e ficheiros com contexto
Trata falhas esperadas e mantém os recursos sob controlo.
Precisão, dados externos e tempo
Trata números decimais e timestamps sem pressupostos escondidos.
Automação observável e repetível
Controla memória, efeitos, falhas e registos de execução.
Subprocessos, caminhos e resultados verificáveis
Desenha wrappers que preservam argumentos, controlam recursos e distinguem execução de entrega.
JSON e iteradores com contratos de dados
Valida significado, identidade e consumo dos dados antes de publicar resultados de uma automação.
Automatizações testáveis e contratos de execução
Separa lógica e efeitos, desenha testes que detetam falhas e torna explícito o contrato do scheduler.
Concorrência, prazos e recuperação de tarefas
Coordena futures sem perder identidade, limita trabalho em espera e distingue timeout de cancelamento.