#################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula. #################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula. #################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula. #################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula. #################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula. #################################################################################################### 02. Introdução: Nesta aula, vamos falar sobre como preparar o ambiente de desenvolvimento para os projetos técnicos da nossa trilha. Vamos abordar duas formas de ter um ambiente preparado: uma local e outra na nuvem. No ambiente local, vamos utilizar o VSCode como ferramenta de desenvolvimento e explorar algumas extensões específicas para Python. Também vamos aprender a gerenciar as versões do Python e criar ambientes virtuais. Já no ambiente cloud, vamos utilizar o Google Colab, uma ferramenta que permite desenvolver código Python na nuvem, interagir com arquivos no Google Drive e até utilizar GPUs para modelos de machine learning mais complexos. #################################################################################################### 03. Gerenciador de Versões Python: Gerenciar versões de Python em nossa máquina é importante porque o Python está em constante inovação e queremos aproveitar essas novas funcionalidades em nossos projetos sem quebrar os projetos existentes. Podemos ter projetos que dependem de versões específicas do Python e queremos manter essas versões em paralelo com uma versão mais recente. Um gerenciador de versões nos permite ter várias versões de Python convivendo harmoniosamente em nossa máquina, evitando confusões e problemas na hora de executar nossos projetos. #################################################################################################### 04. Gerenciador de Ambientes Virtuais: Nesta aula, vamos aprender sobre a importância de controlar as versões das bibliotecas e dependências em nossos projetos Python. Muitas vezes, precisamos trabalhar com diferentes versões de bibliotecas, dependendo do projeto em que estamos trabalhando. Para isso, utilizamos ambientes virtuais, que nos permitem instalar versões específicas das bibliotecas, isolando-as de outras versões. Isso garante que nosso projeto seja executado corretamente, sem conflitos entre versões diferentes. Vamos explorar como gerenciar as versões do Python e criar ambientes virtuais para nossos projetos. #################################################################################################### 05. Opções de Gerenciadores: Existem várias opções de gerenciadores de ambientes virtuais e versões de Python disponíveis. A escolha é pessoal e depende do seu estilo de trabalho. Eu costumo usar a combinação do PyEnv, que gerencia as versões de Python, com o PyEnv. Mas é importante explorar as opções disponíveis e escolher aquela que melhor se adequa ao seu dia a dia. Em alguns casos, já pode existir um padrão de ferramenta em projetos ou ambientes de trabalho, então é bom conhecer as vantagens e desvantagens de cada uma para se adaptar facilmente. #################################################################################################### 06. Hands-On Pyenv: - [macOS/Linux: Pyenv](https://github.com/pyenv/pyenv) - [Windows: Pyenv](https://github.com/pyenv-win/pyenv-win) Nesta aula, vamos aprender sobre o Pyenv, uma ferramenta de gerenciamento de versões do Python. Com o Pyenv, podemos definir uma versão global do Python, que será usada em qualquer IDE ou momento em que quisermos interagir com o Python. Além disso, também podemos definir versões específicas para pastas ou projetos individuais. O Pyenv nos permite instalar e gerenciar diferentes versões do Python em nossa máquina. Vamos explorar como definir a versão global e local do Python usando o Pyenv, e como instalar novas versões do Python. #################################################################################################### 07. Hands-On Pipenv: [Pipenv](https://pipenv.pypa.io/en/latest/) Nesta aula, aprendemos sobre o gerenciamento de ambientes virtuais no Python usando a ferramenta pipenv. Com o pipenv, podemos criar ambientes virtuais isolados para nossos projetos e instalar versões específicas de bibliotecas e dependências. Através de comandos simples, como "pipenv install", podemos definir a versão do Python e as bibliotecas que queremos utilizar em nosso projeto. Além disso, aprendemos a ativar e desativar os ambientes virtuais, garantindo que estamos trabalhando com as versões corretas das bibliotecas. O pipenv simplifica o gerenciamento de pacotes e ambientes virtuais, tornando o processo mais eficiente e organizado. #################################################################################################### 08. VSCode - Extensions: - [Visual Studio Code](https://code.visualstudio.com) - [Extensão Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python) - [Extensão autoDocstring](https://marketplace.visualstudio.com/items?itemName=njpwerner.autodocstring) No módulo de preparação do ambiente de desenvolvimento, vamos falar sobre o Visual Code da Microsoft, a ferramenta que usaremos ao longo do curso. Recomendo instalar duas extensões para desenvolvimento Python: a extensão Python, oficial da Microsoft, que permite validar o código enquanto você o escreve, e a extensão AutodocString, que facilita a documentação do código. O AutodocString gera um template de documentação com base na assinatura da função. Veremos mais sobre como usar essas extensões no Visual Code. Essas são as extensões recomendadas para o curso. #################################################################################################### 09. Vscode - Interação Com Python: Nesta aula, aprendemos sobre diferentes formas de interagir com o Python. A primeira forma é através do Jupyter Notebook, onde podemos executar comandos e ver os resultados imediatamente. Podemos criar células de código e células de texto formatadas em Markdown para documentar nosso código. A segunda forma é através de scripts, onde escrevemos nosso código em arquivos .py e executamos o script para ver os resultados. Essa é a forma mais comum de entregar programas em produção. Por fim, o Visual Code oferece uma forma híbrida, onde podemos combinar a interatividade do Jupyter com a estrutura de um script .py. Podemos executar comandos linha a linha e ver os resultados em uma janela interativa. Essas são as diferentes formas de interação com o Python que exploramos nesta aula.