Nowoczesne i wydajne zarządzanie pakietami w języku Python

➡️ Czego się nauczysz?

– Efektywnie zarządzać zależnościami w projektach Python, unikając typowych problemów i konfliktów wersji,
– Praktycznie wykorzystywać uv do błyskawicznego tworzenia środowisk, instalacji pakietów i wersjonowania zależności,
– Strukturyzować swoje projekty zgodnie z nowoczesnymi standardami, integrując narzędzia do testowania i lintingu,
– Zbudować i uruchomić prostą aplikację webową (API), stosując w praktyce poznane narzędzia i techniki.

➡️ Dla kogo jest ten materiał?

– Dla programistów i programistek Pythona, którzy chcą zoptymalizować i przyspieszyć swoją codzienną pracę,
– Dla inżynierów ML i analityków danych, którzy szukają wydajniejszej alternatywy dla pip lub conda,
– Dla osób, które chcą ujednolicić swój zestaw narzędzi,
– Dla liderów technicznych, którzy chcą wprowadzić w swoich zespołach nowoczesne i powtarzalne standardy zarządzania projektami.

➡️ Wymagania wstępne:

– Podstawowa lub średniozaawansowana znajomość języka Python,
– Umiejętność swobodnego poruszania się w terminalu (linii komend),
– Podstawowa znajomość systemu kontroli wersji Git (klonowanie repozytorium, commit),
– Doświadczenie z pip install.

Wymagania instalacyjne:
– Zainstalowany Python w wersji 3.12 lub nowszej,
– Ulubiony edytor kodu (np. VS Code, PyCharm, Cursor),
– Zainstalowany uv (w terminalu: curl -LsSf https://astral.sh/uv/install.sh | sh),
– Zainstalowany klient Git.

➡️ Program

1. Fundamenty zarządzania zależnościami w Python:
– Dlaczego zarządzanie pakietami jest ważne,
– Izolacja środowisk,
– Tradycyjne podejście – dlaczego nie wystarcza?.
2. Szybki i zunifikowany menadżer pakietów i projektów – uv:
– Wprowadzenie do uv,
– Instalacja i podstawowe funkcjonalności.
3. Wykorzystanie uv w praktyce:
– Zarządzanie projektami i ich strukturą,
– Porównanie z innymi menadżerami pakietów,
– Zaawansowane zastosowania i dobre praktyki.

Materiał „Nowoczesne i wydajne zarządzanie pakietami w języku Python” (C) Sages 2025.

➡️ Informacje o prowadzącym:

Mateusz Wójcik

Doświadczony inżynier ds. uczenia maszynowego oraz pasjonat edukacji w dziedzinie Data Science i AI. Obecnie pracuje jako Machine Learning Engineer w AI Clearing, gdzie rozwija innowacyjne rozwiązania do monitorowania postępów na projektach budowlanych, kontroli jakości i analizy defektów, specjalizując się w analizie danych z farm fotowoltaicznych pozyskiwanych za pomocą teledetekcji. Pracował jako Research Software Engineer w projekcie xLUNGS w MI2.ai, gdzie zajmował się rozwojem systemów wspomagających identyfikację zmian chorobowych na zdjęciach rentgenowskich i tomografii komputerowej płuc. Wcześniej, jako Machine Learning Engineer na Politechnice Warszawskiej, brał udział w projekcie INKUB, związanym z wykorzystaniem dronów i AI do inspekcji fasad budynków. Jest absolwentem Politechniki Warszawskiej, gdzie studiował na kierunku Data Science oraz ukończył studia licencjackie z matematyki, będąc również prezesem Koła Naukowego Matematyków i pracownikiem dydaktycznym.