AI backend tarkvaraarendus Pythonis: nullist töötava teenuseni: backend, andmebaasid, API ja AI

Name: AI backend tarkvaraarendus Pythonis — koolitus Tallinnas
Price: 1950 EUR

Teave sellel koolitusel toimuva õppe kohta.

Koolituse eesmärk: anda nullist alustades teoreetilised teadmised ja praktilised oskused, mida on vaja tööks Python backend-arendajana: keele alustest kuni päris backend-teenuse projekteerimise, testimise ja paigalduseni — API, andmebaas, asünkroonsus, taustaülesanded ja AI-integratsioon.

Õpe toimub Tallinna kesklinnas (Tartu mnt 18) ja/või online. Rühma suurus on kuni 10 inimest. Kõik õppematerjalid on hinna sees. Vajadusel antakse õppeperioodiks sülearvuti. Eelnev programmeerimiskogemus ei ole vajalik — koolitus on mõeldud algajatele.

NB! Käesolev koolitus toimub ainult inglise keeles (õppematerjalid ja suhtlus on inglise keeles).

Sellele koolitusele on saadaval erinevad rahastusvõimalused, sealhulgas riikliku toetuse ja mittetulundusühingute programmid. Täpsema info saamiseks võtke ühendust meie konsultandiga.

Uuri toetusmeetmete kohta →

Sihtgrupp:

Koolitus sobib teile, kui te:

olete algaja ja soovite õppida nullist backend-arendust Pythonis, ilma eelneva kogemuseta;
vahetate karjääri ja soovite siseneda IT-valdkonda nõutud eriala — backend-arenduse — kaudu;
olete tehnilise eriala üliõpilane või lõpetanu ja vajate praktilisi oskusi ning projekti oma portfooliosse;
olete küljendaja või frontend-spetsialist ja tunnete huvi serveripoolse arenduse vastu;
olete õppinud Pythonit iseseisvalt ja soovite oma teadmised süstematiseerida töövalmis backend-arendaja tasemele;
olete lähedase IT-rolli spetsialist (kasutajatugi, QA, analüütika) ja plaanite liikuda arendusse.

Eeldused:

kindel arvutikasutaja
inglise keele oskus koolituse jälgimiseks (umbes B1) — koolitus ja õppematerjalid on inglise keeles
eelnev programmeerimiskogemus ei ole nõutav
soovitatav on isiklik sülearvuti (Windows / Mac / Linux, RAM 8 GB+); vajadusel antakse õppeperioodiks sülearvuti.

Õpiväljundid:

Koolituse tulemusena osaleja:

kirjutab programme Pythonis (OOP, tüübivihjed, puhas kood);
töötab PostgreSQL-i ja SQL-iga, projekteerib ja normaliseerib andmeskeeme;
ehitab REST API-sid FastAPI-ga, sealhulgas valideerimise (Pydantic) ja autentimise (JWT);
rakendab asünkroonsust (asyncio) ja taustaülesandeid (Celery, Redis);
konteineriseerib ja paigaldab teenuse (Docker, CI/CD, GitHub Actions);
integreerib backendi LLM/AI (LangChain) ja reaalajasuhtluse (SSE / WebSockets).

Õppemeetodid:

Loengud, praktilised tööd, seminarid, demonstratsioon, iseseisev töö.

Koolituse maht on 232 akadeemilist tundi, millest 145 akadeemilist tundi on auditoorne kontaktõpe õppejõuga (loengud, praktilised tööd, seminarid) ja 87 akadeemilist tundi iseseisev töö. Koolitus on üles ehitatud kihiti — keele alustest kuni disaini, taristu ja AI-integratsioonini.

Õpitulemuste hindamiskriteeriumid:

Õpitulemusi hinnatakse iseseisvalt tehtud praktiliste tööde ja lõpuprojekti (backend-teenus) alusel.

Hindamismeetodid:

Edukalt sooritatud praktilised ja kodutööd saavad hindeks „arvestatud“.

Koolituse lõpetamise tingimused:

Koolituse edukaks lõpetamiseks ja tunnistuse saamiseks on vajalik saada hinne „arvestatud“ võtmetähtsusega praktiliste tööde ja lõpuprojekti eest. Osalejatele, kes õpiväljundeid ei saavutanud, väljastatakse soovi korral tõend koolitusel osalemise kohta.

Lisainformatsioon:

Õppekavarühm: 0613 - Tarkvara ja rakenduste arendus ning analüüs õppekavarühm
Õppekorralduse alused
Õppekvaliteedi tagamise alused

Programm

Moodul	Mooduli põhiteemad	Maht
0. Sissejuhatav tund	Ülevaade backend-arendusest; frontend vs backend Mis on API; HTTP-päringu elutsükkel Kus Pythonit kasutatakse; kaasaegse backend-stäki ülevaade Koolituse teekaart Keskkonna seadistamine: Python, IDE, Docker Desktop, Git, virtuaalkeskkond	2 ak. t
1. Pythoni põhialused	Muutujad ja andmetüübid; arvud, sõned, bool, None Kollektsioonid: list (järjend), tuple (ennik), set (hulk), dict (sõnastik) Tingimuslaused; tsüklid; list comprehension Töö failidega; erindid (exceptions); moodulite import Tüübivihjete alused: type hints, Optional, Union	20 ak. t
2. Funktsioonid ja puhas kood	Funktsioonid; argumendid, args / kwargs; skoop; lambda; rekursioon DRY; koodi jagamine loogilisteks plokkideks; coupling / cohesion Koodi loetavus; nimetamistavad; docstring'id Funktsionaalse programmeerimise alused: puhtad funktsioonid, muutumatus (ülevaade), map / filter / reduce Koodikvaliteedi tööriistad: black, ruff, isort	10 ak. t
3. OOP ja edasijõudnud Python	Klassid ja objektid; pärimine, kapseldamine, polümorfism Kompositsioon vs pärimine; dunder-meetodid; dataclass'id; property'd Abstraktsed baasklassid; generaatorid; iteraatorid; kontekstihaldurid; dekoraatorid Dependency Injection'i alused	14 ak. t
4. Andmebaasid ja SQL	Teooria: andmete salvestamise alused; relatsioonilised ja mitterelatsioonilised andmebaasid; transaktsioonid; indeksid; normaliseerimine SQL ja PostgreSQL: SELECT, WHERE, ORDER BY, GROUP BY, JOIN Agregaatfunktsioonid; alampäringud; kitsendused; seosed; indeksid	16 ak. t
5. Veebi alused	Klient-server-arhitektuur; HTTP alused; päring / vastus Päised; olekukoodid; küpsised; sessioonid API ja REST ülevaade Protokollide ülevaade: REST, GraphQL, WebSocket, SSE	4 ak. t
6. FastAPI ja kaasaegne backend-arendus	FastAPI arhitektuur; marsruutimine; Dependency Injection; päringu elutsükkel REST API disain; versioonimine; kihiline arhitektuur; modulaarne monoliit (ülevaade) Pydantic v2: valideerimine, serialiseerimine SQLAlchemy 2.0: ORM, seosed, asünkroonsed sessioonid; Alembicu migratsioonid Konfiguratsioon, keskkonnamuutujad, pydantic-settings; logimine; vigade käsitlus JWT-autentimine; paroolide räsimine; RBAC (ülevaade) Git: init, add / commit, push, branch, merge, .gitignore, GitHubi töövoog, Pull Request (ülevaade) Arhitektuuride ülevaade: heksagonaalne, DDD, mikroteenused	28 ak. t
7. Asünkroonne Python ja samaaegsus	Protsessid vs lõimed; GIL; CPU-bound vs IO-bound asyncio; sündmusetsükkel; korutiinid; await; gather; tühistamine; ajalimiidid; fire-and-forget Asünkroonsed lõpp-punktid; asünkroonne andmebaasipöördus; samaaegsuse mustrid; taustaülesanded	10 ak. t
8. AI backend ja LangChain	LLM-ide ülevaade; LangChain / LangGraph (ülevaade) AI-agendid; tööriistade väljakutsed (veeb, andmebaas, teenused); RAG alused; LangSmithi jälgimine LLM-ide integreerimine backend-teenustesse; arhitektuur „FastAPI + AI-teenus“	8 ak. t
9. Reaalajas API-d (WS / SSE)	SSE; AI-vastuste voogedastus SSE kaudu WebSockets; reaalajas suhtlus; ühenduse elutsükkel Postman	6 ak. t
10. Testimine ja koodikvaliteet	SOLID-põhimõtted; antimustrid pytest; fixture'id; mockimine; integratsioonitestid; API testimine mypy; staatiline analüüs; refaktoreerimine	10 ak. t
11. Taustaülesanded ja skaleeruv backend	Ülesannete järjekorrad; async vs worker'id; Redis; Celery; ajastatud ülesanded Gunicorn; Uvicorni worker'id Horisontaalne skaleerimine (ülevaade); olekuta teenused; koormuse jaotus (ülevaade) Ülevaade: RabbitMQ, Kafka, outbox-muster	7 ak. t
12. Docker, CI/CD ja paigaldus	Docker: tõmmised, konteinerid, Dockerfile, volume'id, võrgud, docker-compose Paigaldus (ülevaade); Render; paigaldus VPS-ile (ülevaade) CI/CD-torud; GitHub Actions nginx (ülevaade); pöördproksi (ülevaade)	10 ak. t
KOKKU (kontakttunnid)		145 ak. t

Teave koolituse kohta

Toimumisaeg:
28.09.2026 - 28.01.2027
12.10.2026 - 12.02.2027

Tähelepanu! Käesolev koolitus toimub ainult inglise keeles.

Ajakava:
Õhtused rühmad: 2–3 korda nädalas, 18:00 - 21:00

Registreeru koolitusele →Vastame 1 tööpäeva jooksul

Koolituse kestus: 4 kuud

Õppeformaat ja toimumiskoht:
Aadress: Tartu mnt 18, Tallinn / Online.
Gamma Intelligence Training Centre

Koolitus toimub auditoorses formaadis (ja/või online); rühma suurus on kuni 10 inimest.

Õppekeel: inglise

Maksumus: 1950 EUR + KM 24%

Koolituse maht: 232 ak. t (145 auditoorset + 87 iseseisvat)
Formaat: loengud + praktilised tööd + iseseisev töö.

Õppejõud

Nikolay Zubrilov

Kvalifikatsioon: Python-arendaja ja Data Scientist; kommertskogemus backend-arenduses, andmeanalüüsis ja AI/LLM-arenduses.

Spetsialiseerumine: Python, FastAPI / Flask, SQL (PostgreSQL / MySQL), asünkroonsus, LLM-integratsioon.

Õpetamiskogemus: Pythoni ja andmeanalüüsi koolituste õppejõud.

Haridus: Balti Kalalaevastiku Riiklik Akadeemia, inseneri bakalaureusekraad (2019).

Tutvuda CV-ga

Roman Kutselepa

Kvalifikatsioon: üle 5 aasta Python-arendust ja üle 3 aasta JavaScript-arendust; osalenud tarkvara integratsiooniprojektides.

Spetsialiseerumine: Python-arendus, veebiarendus, tarkvaralahenduste integreerimine.

Õpetamiskogemus: üle 5 aasta õpetamis- ja personalikoolituse kogemust.

Haridus: Anglia Ruskin University, kõrgharidus (2010).

Tutvuda CV-ga