The IT curriculum inception

[marcvanandel]

This programming guide is a great starter of a broader 'IT curriculum'. How would this broader curriculum look like?

First braindump: the curriculum could be as follows:

• Software Development
  • Introduction of basic principles and concepts (current repo)
  • From junior to senior learning curve (with examples) (current repo)
  • Command line terminal skills (minimal start in current repo)
  • Programming languages:
  • General introduction
    • Compiled vs. Interpreted
    • Static vs. Dynamic Typing
    • Strong vs. Weak Typing
    • Object Oriented Programming vs. Functional Programming
    • Concurrency
  • TypeScript
  • Python
  • Test Driven Development
  • Runtime environments, containers and platforms (+ VirtualMachines)
  • Continuous Delivery & Pipelines (DevOps)
• DataScience & AI
  • Introduction DataScience
  • Data cleaning
  • DataScience tooling
  • DataScience exercise
  • Introduction AI (see my introduction)
  • AI exercise ... or experience?
• Cyber Security
  • Introduction internet and cyber security
  • Secure Programming experience
• Architecture
  • Design Patterns
  • Martin Fowler
  • Clean Code & Clean Coders
  • C4 Model (vs box-box-cilinder 😅)
  • Event Sourcing (Paradigm Shift) and Domain Driven Design
• Low Code / No Code
  • Mendix platform experience

Each part should have:

• Easy introduction and presentation of the subject
• Loads of hands-on exercises
• Loads of interaction with experts and classmates

[marcvanandel]

Learning TypeScript collection:

• ObservableHQ - Introduction to TypeScript
• TutorialsTeacher - Learn TypeScript
• TypeScriptLang.org has an online Playground
• maybe a revisit of my (old) Sudoku JS Example?
• Or build a custom app, for example a 'Innovation Friday Ideas'

[marcvanandel]

Continuous Delivery resources:

• Kadaster Movie NL | Kadaster Movie EN
• ContinuousDelivery.com
• Udemy DevOps 101

[marcvanandel]

Missing parts:

• Low Code Experience
• Architecture !!! (and Event Sourcing 😇 )

(verwerkt in description)

[marcvanandel]

[marcvanandel]

Artificial Intelligence (and ML) Experience

(based on this LinkedIn post)

1. Must Do
   1. YOLOv5 🚀 is the world's most loved vision AI
   2. video | Deep Learning: A Crash Course
2. Optional
   1. Learn PyTorch
   2. video | How Deep Learning Maths Works
   3. video playlist | Background DL Classic Papers

[marcvanandel]

Python courses:

• Python Wiki for Beginners (NonProgrammers) en Think Python (book)
• Python Wiki for Beginners (Programmers)
• Python Morsels
• Python Functions (doc) en Python CoreLib (doc)
• [Jupyter Notebooks]()
  • Dataquest Blog | Jupyter Notebook Tutorial

[kad-busses]

Dat is al een uitgebreide lijst, nice! Zijn de trainees wel even zoet mee. Dit zijn nog een paar dingetjes waar ik aan dacht:

• Misschien valt het wel onder een van de categorieën, maar zie het er niet expliciet bij staan: git! Wat en waarom van versiebeheer, en aanmaken van PRs / code reviews. Is echt niet altijd bekend 😉

• Wat kleiner iets, maar in dezelfde categorie van samenwerken aan code, kan je denken aan code quality. Testen wordt gelukkig al genoemd, maar ook style guides, linting, formatting etc.

• Datascience en Machine learning zijn (net als software development) heel breed, kan ook nooit kwaad om op de fundamentals te focussen, bijv SQL en/of statistics voor bevragen en analyseren van data. Of bijvoorbeeld data visualisatie.

• Tot slot wordt er geen Geo/GIS genoemd. Heel relevant voor Kadaster en daar kun je ook een hoop leuke dingen mee doen tijdens een training 😁

[marcvanandel]

Top toevoegingen!!! Thnx

Gelukkig had ik Git al wel in het vizier ... alleen niet in bovenstaande curriculum expliciet gemaakt, wel in deze repo ... maar goeie! Ga ik gelijk toevoegen voor a.s. donderdag 💪

[marcvanandel]

Polyglot

[marcvanandel]

Misschien parts:

• UX !!