Series 16 parts

Learn Python by Doing: From Your First Script to Real Projects

A 16-part beginner-to-advanced Python syllabus: every lesson has runnable code in the browser, quizzes, and a matching topic in the free Learn Python Android app.

This is a complete Python syllabus, not a collection of tips. The track starts from your very first script and climbs one honest step at a time: variables, decisions, loops, functions, data structures, objects, files, the standard library, generators, type hints, real data work, concurrency, and testing. The last three parts open the door to machine learning with scikit-learn, deep learning with TensorFlow and Keras, and a first look at large language models. Every lesson has Python you can run right in the page, quiz checkpoints to make sure ideas stick, and a matching topic in the free Learn Python Android app so you can keep practicing offline.

In dieser Serie

  1. 1 Python für absolute Anfänger: Ihr erstes Skript, Variablen und Datentypen Lektion 1 eines vollständigen Python-Kurses: Python installieren, Ihr erstes Skript ausführen und Variablen, grundlegende Datentypen, F-Strings und Eingaben meistern: mit Live-Playground und Quiz direkt auf der Seite.
  2. 2 Python-Operatoren und Entscheidungsfindung: if, elif, else und match Lektion 2: Geben Sie Ihren Python-Programmen mit Operatoren, Truthiness, if/elif/else-Kaskaden, bedingten Ausdrücken und der modernen match-Anweisung ein Gehirn: inklusive Live-Playground und Quiz.
  3. 3 Python-Schleifen und Ablaufsteuerung: for, while, break und continue Lektion 3: Meistern Sie Wiederholungen mit while, for, range, break, continue, dem else-Zweig von Schleifen, verschachtelten Schleifen und dem Akkumulatormuster: inklusive FizzBuzz und einer interaktiven Übungsumgebung.
  4. 4 Python-Funktionen erklärt: Argumente, Rückgaben, Geltungsbereich und Lambdas Lektion 4: Machen Sie aus Skripten wiederverwendbare Werkzeuge mit def, Argumenten und Standardwerten, Rückgabewerten, Geltungsbereichsregeln, *args und **kwargs, Docstrings und Lambdas: inklusive Refactoring-Übungen in einer Live-Umgebung.
  5. 5 Python-Datenstrukturen: Listen, Tupel, Sets, Dicts und Comprehensions Lektion 5: Listen, Tupel, Sets und Dictionaries: wie man sie auswählt und die Comprehensions-, enumerate- und zip-Idiome, die Python zu Python machen, mit einem Wortzähler-Projekt.
  6. 6 Objektorientiertes Python: Klassen, Vererbung und Dataclasses Lektion 6: objektorientiertes Python ohne Angst: Klassen, __init__ und self, Dunder-Methoden, Vererbung versus Komposition und moderne Dataclasses, mit einem Inventarprojekt im Playground.
  7. 7 Python-Ausnahmen und Dateiverarbeitung: Code, der fehlerhafte Eingaben übersteht Lektion 7: Schreiben Sie Python-Code, der fehlerhafte Eingaben übersteht: Tracebacks, richtig eingesetztes try/except, Auslösen eigener Ausnahmen und sicheres Lesen und Schreiben von Dateien mit der with-Anweisung, geübt an unordentlichen Daten.
  8. 8 Python-Module, Pakete und eine Tour durch die Standardbibliothek Lektion 8: Imports entmystifiziert, eigene Module und Pakete, pip und virtuelle Umgebungen, dann eine praktische Tour durch math, random, datetime, Counter, defaultdict und pathlib, die in einem Datei-Organizer-Projekt mündet.
  9. 9 Python-Iteratoren und -Generatoren: Lazy Evaluation richtig gemacht Lektion 9: die Mechanik hinter jeder for-Schleife, dann Generatoren mit yield, faule Generatorausdrücke, unendliche Sequenzen und speicherschonende Datenpipelines, abgerundet mit einem Log-Analyzer-Projekt.
  10. 10 Python Type Hints für Einsteiger: Code, der sich selbst erklärt Lektion 10: Lassen Sie Python sich selbst erklären: mit Type Hints: Annotationen, typisierte Collections, Unions mit None, Typ-Aliase und einem Type Checker, der Fehler findet, bevor Sie etwas ausführen.
  11. 11 Arbeiten mit Text und Daten in Python: Regex, JSON und CSV Lektion 11: Aus unstrukturiertem Text strukturierte Daten machen: ein praxisnaher Regex-Kern, JSON-Roundtrips, CSV mit DictReader und eine vollständige Validierungs- und Transformationspipeline von CSV zu sauberem JSON.
  12. 12 Python-Nebenläufigkeit: Threads, Prozesse und asyncio Lektion 12: eine klare, ehrliche Einführung in die Nebenläufigkeit mit Python: I/O-gebunden versus CPU-gebunden, ThreadPoolExecutor, die GIL ohne Panik, Multiprocessing und asyncio mit gather: live im Browser ausführbar.
  13. 13 Python-Code mit pytest testen: Vom ersten Assert bis zum echten Projekt Lektion 13: Beweisen Sie, dass Ihr Code funktioniert: mit pytest: Asserts, Test-Erkennung, erstklassigen Fehlerberichten, Parametrisierung für Grenzfälle, raises und tmp_path sowie dem Red-Green-Refactor-Rhythmus, inklusive einer ausführbaren Micro-Testsuite.
  14. 14 Grundlagen des maschinellen Lernens in Python: Erste Modelle mit scikit-learn Lektion 14: Trainieren Sie Ihre ersten echten Machine-Learning-Modelle mit scikit-learn: Merkmale und Labels, Trainings-/Testaufteilung, fit/predict/score, einen lesbaren Entscheidungsbaum, k-Nächste-Nachbarn und Overfitting: live im Browser.
  15. 15 Deep-Learning-Grundlagen in Python: Neuronale Netze mit TensorFlow und Keras Lektion 15: Deep Learning ohne Hokuspokus: was Neuronen berechnen, Verlust und Gradientenabstieg, Backpropagation von Hand in NumPy im Browser nachgebaut und ein vollständiger Keras-Fashion-MNIST-Klassifikator mit Dropout und Transfer Learning.
  16. 16 Eine praktische Einführung in LLMs und RAG mit Python und wie es danach weitergeht Das Finale: LLMs erklärt mit den Konzepten, die Sie bereits kennen, Tokens und Prompts, Ihr erster Claude-API-Aufruf aus Python, eine einfache RAG-Engine im Browser und die vollständige Übersicht über die weiterführende LLM- und MCP-Serie für die Produktion.