Специалист по информационным системам
Программа предназначена для тех, кто хочет освоить DevOps-инструменты, научиться автоматизировать инфраструктуру и уверенно использовать Python в реальных проектах. Обучение проводится в индивидуальном формате – преподаватель работает с вами лично, помогая осваивать материал в удобном темпе, с разбором сложных тем и акцентом на практику.
Программа соответствует требованиям ФГОС СПО 09.02.07 «Информационные системы и программирование» и разработана с учётом положений профессионального стандарта 06.011 «Специалист по информационным системам».
Объём программы составляет 256 академических часов
▪ 160 часов выделено на занятия с преподавателем – теоретическая база, практические кейсы, разбор ошибок и консультации
▪ 96 часов отведено на самостоятельную проработку материала, выполнение заданий и подготовку проекта
Документ по окончании
📜 Диплом о профессиональной переподготовке – при наличии среднего профессионального или высшего образования
📜 Сертификат о прохождении курса – при несоответствии требуемому уровню образования
Содержание
- 4 модуля
- 160 уроков
- 160 часов
- Модуль 1. Программирование на языке Python40
- 1.1Введение в Python и установка среды разработки
- 1.2Практическая работа №1. Установка Python и запуск первой программы
- 1.3Переменные и типы данных
- 1.4Практическая работа №2. Работа с переменными и типами данных
- 1.5Операторы в Python
- 1.6Практическая работа №3. Вычисления и логические операции в Python
- 1.7Условные конструкции
- 1.8Практическая работа №4. Программы с условными операторами
- 1.9Циклы в Python
- 1.10Практическая работа №5. Написание циклических программ
- 1.11Работа со строками
- 1.12Практическая работа №6. Обработка строк
- 1.13Списки и кортежи
- 1.14Практическая работа №7. Работа со списками
- 1.15Словари и множества
- 1.16Практическая работа №8. Использование словарей
- 1.17Генераторы списков, тернарный оператор
- 1.18Практическая работа №9. Оптимизация кода с генераторами и lambda функциями
- 1.19Итоговые задания по структурам данных
- 1.20Практическая работа №10. Задачи на работу со структурами данных
- 1.21Функции в Python: основы
- 1.22Практическая работа №11. Создание пользовательских функций
- 1.23Передача аргументов, *args, **kwargs
- 1.24Практическая работа №12. Работа с *args и **kwargs в пользовательских функциях
- 1.25Рекурсия в Python
- 1.26Практическая работа №13. Реализация рекурсивных алгоритмов
- 1.27Генераторы и итераторы
- 1.28Практическая работа №14. Написание собственных генераторов данных
- 1.29Работа с файлами: чтение и запись
- 1.30Практическая работа №15. Работа с файлами: чтение и запись данных
- 1.31Работа с CSV и JSON файлами
- 1.32Практическая работа №16. Чтение и запись данных в CSV и JSON
- 1.33Обработка ошибок и исключения
- 1.34Практическая работа №17. Обработка ошибок в пользовательских программах
- 1.35Работа с регулярными выражениями (re)
- 1.36Практическая работа №18. Поиск и замена данных с использованием регулярных выражений
- 1.37Основы ООП в Python
- 1.38Практическая работа №19. Создание классов и объектов
- 1.39Наследование, инкапсуляция и полиморфизм
- 1.40Практическая работа №20. Реализация наследования и полиморфизма в Python
- Модуль 2. Python для DevOps40
- 2.1Введение в DevOps и автоматизацию инфраструктуры
- 2.2Практическая работа №1. Установка и настройка окружения DevOps на локальной машине
- 2.3Работа с серверами через SSH и Python
- 2.4Практическая работа №2. Написание Python-скрипта для удалённого администрирования сервера
- 2.5Основы работы с Linux и автоматизация задач
- 2.6Практическая работа №3. Автоматизация резервного копирования файлов с помощью Python
- 2.7Управление пользователями и правами доступа
- 2.8Практическая работа №4. Автоматизация управления пользователями на сервере
- 2.9Введение в Ansible: автоматизация серверных конфигураций
- 2.10Практическая работа №5. Написание Ansible-плейбука для настройки сервера
- 2.11Использование Python в Ansible
- 2.12Практическая работа №6. Создание пользовательского Ansible-модуля на Python
- 2.13Автоматизация инфраструктуры с Terraform
- 2.14Практическая работа №7. Написание Terraform-скрипта для развертывания серверов в облаке
- 2.15Python-скрипты для управления облачной инфраструктурой
- 2.16Практическая работа №8. Написание Python-скрипта для управления ресурсами
- 2.17Основы мониторинга и логирования в DevOps
- 2.18Практическая работа №10. Разработка Python-метрик для Prometheus
- 2.19Сбор метрик с помощью Prometheus
- 2.20Практическая работа №9. Настройка базового мониторинга сервера с Prometheus
- 2.21Визуализация метрик в Grafana
- 2.22Практическая работа №11. Настройка дашборда в Grafana для мониторинга серверов
- 2.23Логирование и анализ данных с ELK Stack
- 2.24рактическая работа №12. Настройка централизованного логирования с ELK Stack
- 2.25Автоматизация работы с логами
- 2.26Практическая работа №13. Создание системы логирования для DevOps инфраструктуры
- 2.27Настройка алертинга в DevOps
- 2.28Практическая работа №14. Автоматическая отправка уведомлений при сбоях системы
- 2.29Сбор и анализ системных логов
- 2.30Практическая работа №15. Автоматизированный анализ логов и мониторинг событий
- 2.31Основы CI/CD и автоматизированного развертывания
- 2.32Практическая работа №16. Настройка базового CI/CD пайплайна
- 2.33Интеграция Python-скриптов в CI/CD
- 2.34Практическая работа №17. Автоматизация тестов и деплоя с помощью CI/CD
- 2.35Kubernetes и оркестрация контейнеров
- 2.36Практическая работа №18. Деплой Python-приложения в Kubernetes
- 2.37Оптимизация DevOps-процессов
- 2.38Практическая работа №19. Оптимизация DevOps-пайплайна для продакшена
- 2.39Итоговый проект по DevOps
- 2.40Практическая работа №20. Финальный проект по DevOps
- Модуль 3. Работа с Docker и Kubernetes40
- 3.1Введение в контейнеризацию и Docker
- 3.2Практическая работа №1. Установка Docker и запуск первого контейнера
- 3.3Управление образами и контейнерами
- 3.4Практическая работа №2. Управление контейнерами и образами в Docker
- 3.5Работа с реестрами Docker (Docker Hub, GitHub Container Registry)
- 3.6Практическая работа №3. Размещение собственного Docker-образа в Docker Hub
- 3.7Сетевое взаимодействие контейнеров
- 3.8Практическая работа №4. Создание сети и подключение нескольких контейнеров
- 3.9Основы создания образов с Dockerfile
- 3.10Практическая работа №5. Написание Dockerfile для Python-приложения
- 3.11Переменные окружения и конфигурация контейнеров
- 3.12Практическая работа №6. Использование переменных окружения в контейнерах
- 3.13Оптимизация Docker-образов
- 3.14Практическая работа №7. Оптимизация Dockerfile для уменьшения размера образа
- 3.15Работа с Docker Logs и отладка контейнеров
- 3.16Практическая работа №8. Логирование и отладка контейнеров в Docker
- 3.17Введение в Docker Compose
- 3.18Практическая работа №9. Запуск нескольких контейнеров с Docker Compose
- 3.19Связь контейнеров в Docker Compose
- 3.20Практическая работа №10. Создание связанного стека контейнеров (API + БД)
- 3.21Масштабирование контейнеров в Docker Compose
- 3.22Практическая работа №11. Масштабирование веб-приложения с Docker Compose
- 3.23Автоматизация развертывания с Docker Compose
- 3.24Практическая работа №12. Развертывание приложения в облаке с Docker Compose
- 3.25Основные концепции Kubernetes
- 3.26Практическая работа №13. Установка Minikube и запуск первого Pod
- 3.27Управление подами (Pods) в Kubernetes
- 3.28Практическая работа №14. Развертывание контейнера в Pod
- 3.29Деплойменты и обновления в Kubernetes
- 3.30Практическая работа №15. Обновление приложения в Kubernetes
- 3.31Конфигурации и секреты в Kubernetes
- 3.32Практическая работа №16. Подключение ConfigMap и Secret в Pod
- 3.33Балансировка нагрузки в Kubernetes
- 3.34Практическая работа №17. Настройка балансировки нагрузки в Kubernetes
- 3.35Масштабирование приложений в Kubernetes
- 3.36Практическая работа №18. Настройка автоскейлинга в Kubernetes
- 3.37Мониторинг и логирование в Kubernetes
- 3.38Практическая работа №19. Мониторинг и логирование Kubernetes-кластера
- 3.39Итоговый проект по Docker и Kubernetes
- 3.40Практическая работа №20. Финальный проект по контейнеризации и оркестрации
- Модуль 4. Автоматизация DevOps-процессов на Python40
- 4.1Основы DevOps и роль Python в автоматизации
- 4.2Практическая работа №1. Написание первого DevOps-скрипта на Python
- 4.3Работа с процессами и файлами в Python
- 4.4Практическая работа №2. Создание Python-скрипта для автоматизации работы с файлами и процессами
- 4.5Инфраструктура как код (IaC) с Python
- 4.6Практическая работа №3. Написание скрипта для автоматизированного развертывания серверов с Ansible
- 4.7Управление облачными сервисами через Python
- 4.8Практическая работа №4. Написание Python-скрипта для управления облачными ресурсами
- 4.9Мониторинг DevOps-инфраструктуры с Python
- 4.10Практическая работа №5. Настройка мониторинга Python-скрипта с Prometheus
- 4.11Логирование и обработка логов
- 4.12Практическая работа №6. Настройка логирования в Python-скрипте с отправкой в централизованное хранилище
- 4.13CI/CD и автоматизация деплоя
- 4.14Практическая работа №7. Автоматизация CI/CD пайплайна с Python
- 4.15Интеграция Python с CI/CD инструментами
- 4.16Практическая работа №8. Интеграция Python-скрипта с CI/CD пайплайном
- 4.17Контейнеризация Python-приложений с Docker
- 4.18Практическая работа №9. Написание Dockerfile и создание контейнера для Python-приложения
- 4.19Автоматизация Kubernetes через Python
- 4.20Практическая работа №10. Написание Python-скрипта для работы с Kubernetes
- 4.21Масштабирование DevOps-скриптов
- 4.22Практическая работа №11. Написание асинхронного DevOps-скрипта
- 4.23Управление конфигурациями серверов через Python
- 4.24Практическая работа №12. Написание Python-скрипта для автоматизированного администрирования серверов
- 4.25Автоматизация тестирования DevOps-инфраструктуры
- 4.26Практическая работа №13. Написание тестов для DevOps-инфраструктуры
- 4.27Автоматизированный анализ уязвимостей
- 4.28Практическая работа №14. Разработка Python-скрипта для автоматического анализа безопасности
- 4.29Автоматизированный бэкап и восстановление данных
- 4.30Практическая работа №15. Написание скрипта для автоматического бэкапа и восстановления
- 4.31Автоматизация управления доступом и пользователями
- 4.32Практическая работа №16. Разработка Python-скрипта для управления учетными записями пользователей
- 4.33Настройка алертинга и уведомлений в DevOps
- 4.34Практическая работа №17. Разработка Python-скрипта для отправки уведомлений о сбоях
- 4.35Автоматизация управления сетевой инфраструктурой
- 4.36Практическая работа №18. Написание Python-скрипта для настройки сетевых устройств
- 4.37Оптимизация и отладка DevOps-скриптов
- 4.38Практическая работа №19. Профилирование и оптимизация DevOps-скрипта
- 4.39Финальный проект: построение DevOps-пайплайна
- 4.40Практическая работа №20. Разработка полного DevOps-решения с Python
Занятия проходят онлайн, в формате один на один
График занятий формируется индивидуально
Всё программное обеспечение устанавливается и настраивается с преподавателем
Финальный проект – комплексный DevOps‑пайплайн с автоматизацией
Документ выдаётся после успешной сдачи проекта
Требования
- Уверенное владение ПК
- Наличие гарнитуры и стабильного интернета
- Установленная среда разработки (рекомендации по установке даются в начале курса)
Особенности
- Обучение без воды – только актуальные знания, которые применяются в реальных задачах
- Полноценная практика – каждую тему сопровождают практические задания
- Работа с преподавателем – разбор ошибок и помощь
- Выбор формата обучения – персональный
- Выдача документа – удостоверение о повышении квалификации или сертификат о прохождении курса
Целевая аудитория
- Начинающие DevOps-специалисты
- Системные администраторы и инженеры
- Python-разработчики, переходящие в DevOps
- Специалисты по информационным системам профессиональному росту в области информационных систем и DevOps‑инфраструктуры.
- Студенты и выпускники технических направлений