Visão Geral

Curso Mojo for Python Developers: Este curso oferece uma imersão técnica profunda na linguagem de programação Mojo, projetada especificamente para desenvolvedores Python experientes. Ele aborda a transição da tipagem dinâmica e do gerenciamento automático de memória do Python para o sistema de tipos estáticos, o modelo de propriedade (ownership) e os recursos de metaprogramação do Mojo. O foco é capacitar os alunos a escrever código de alto desempenho, próximo ao metal, aproveitando a sintaxe familiar do Python e mantendo a interoperabilidade total com seu vasto ecossistema de bibliotecas. O curso explora as nuances da compilação AOT (Ahead-of-Time) e JIT (Just-in-Time) no contexto do Mojo e como ele resolve o problema de desempenho "duas linguagens" na engenharia de IA e sistemas.

Objetivo

Após concluir este Curso Mojo for Python Developers, você será capaz de:

• Escrever código Mojo idiomático, distinguindo eficazmente entre o uso de def (dinâmico) e fn (estático/estrito).
• Utilizar o sistema de tipos estáticos do Mojo para obter segurança de tipo em tempo de compilação e otimizações de desempenho significativas.
• Compreender e aplicar o modelo de propriedade e empréstimo (ownership and borrowing) do Mojo para gerenciar memória de forma eficiente sem um Garbage Collector.
• Implementar estruturas de dados personalizadas de alto desempenho usando struct e gerenciar seu ciclo de vida.
• Otimizar algoritmos numéricos utilizando vetores SIMD e técnicas de paralelismo integradas.
• Interoperar perfeitamente com código e bibliotecas Python existentes dentro de um projeto Mojo.
• Utilizar metaprogramação em tempo de compilação para gerar código otimizado e flexível.

Publico Alvo

•  
• Desenvolvedores Python de nível intermediário a avançado.
• Engenheiros de Machine Learning e IA que buscam otimizar pipelines de dados e inferência de modelos.
• Desenvolvedores de backend focados em computação intensiva e gargalos de desempenho.
• Programadores interessados em programação de sistemas sem abandonar a ergonomia de linguagens de alto nível.
•  

Materiais

Conteúdo Programatico

Módulo 1: Fundamentos e a Ponte Python-Mojo

1. Apresentação do Mojo: O problema das duas linguagens e a solução unificada.
2. Instalação e configuração do ambiente de desenvolvimento.
3. mojo CLI e fluxo de trabalho básico (REPL, build, run).
4. Sintaxe básica: Variáveis (var, let), loops, condicionais (semelhanças com Python).
5. Funções dinâmicas com def: A porta de entrada familiar.
6. Interoperabilidade essencial: Importando e usando módulos Python (Python.import_module).

Módulo 2: O Núcleo Estático - Tipos e fn

1. Introdução à tipagem estática: Por que e quando usar.
2. Tipos primitivos do Mojo (Int, Float64, Bool, String, etc.).
3. Funções estritas com fn: Regras, restrições e benefícios de desempenho.
4. Argumentos de função e seus modificadores (borrowed, inout, owned).
5. Anotações de tipo e inferência de tipo.

Módulo 3: Estruturas de Dados e Gerenciamento de Memória

1. struct vs. class (Python): Layout de memória e comportamento.
2. Métodos especiais em structs: __init__, __copyinit__, __moveinit__, __del__.
3. O modelo de propriedade (Ownership): Entendendo quem detém os dados.
4. Semântica de Cópia (Copy) vs. Movimentação (Move) e o operador ^.
5. Gerenciamento de memória sem GC: Referências, tempo de vida e o "borrow checker".

Módulo 4: Desempenho de Alto Nível e Metaprogramação

1. Tipos parametrizados (Generics): Escrevendo código reutilizável e seguro.
2. Metaprogramação em tempo de compilação: alias, valores comptime e avaliação condicional.
3. Vetores SIMD (SIMD[type, size]): Acelerando cálculos numéricos.
4. Paralelismo e concorrência: Utilizando múltiplos núcleos com parallelize.
5. Benchmarking e análise de desempenho: Comparando Python puro vs. Mojo dinâmico vs. Mojo estático.

Módulo 5: Tópicos Avançados e Projetos

• Tratamento de erros com Error e try/catch em contextos fn.
• Interoperabilidade avançada: Passando estruturas de dados complexas entre Python e Mojo.
• Ponteiros e interação de baixo nível (quando necessário).
• Projeto Prático 1: Implementação de um algoritmo numérico intensivo (ex: multiplicação de matrizes, processamento de imagem) otimizado com SIMD e paralelismo.
• Projeto Prático 2: Criação de uma biblioteca híbrida que expõe uma interface Python amigável para um núcleo de computação de alto desempenho escrito em Mojo.