Programmieren mit Mojo

• Tag 1 - Einführung & Grundlagen
  
  • Mojo vs. Python: Unterschiede & Motivation
  • Installation & Setup (Mojo SDK, Jupyter/CLI)
  • Syntax-Basics: Variablen, Typen, Funktionen
  • Mojo-spezifische Features (statisch vs. dynamisch, Performance-Fokus)
  • Übungen: Erste kleine Skripte & Benchmarks
  
  
• Tag 2 - Sprachkonzepte vertiefen
  
  • Funktionen, Argumente, Rückgabewerte
  • Control Flow: if, for, while, pattern matching
  • Structs, Tuples, Enums
  • Ownership, Borrowing & Mutability (Rust-ähnlich)
  • Übungen: Mini-Tools implementieren (z. B. Mathefunktionen, String-Parser)
  
  
• Tag 3 - Performance & Systeme
  
  • Mojo und C/C++ Interoperabilität
  • Memory Management & Low-Level Control
  • Parallelisierung & Concurrency in Mojo
  • Einführung in Performance-Tuning (Benchmarks, Profiling)
  • Übungen: Matrixmultiplikation & Performancevergleich zu Python
  
  
• Tag 4 - Mojo für KI & Numerik
  
  • Mojo + ML/AI: Torch-Integration & MLIR
  • Numerische Bibliotheken in Mojo
  • Vektorisierung, GPU/TPU-Integration (Überblick)
  • Übungen: Lineare Algebra, kleines neuronales Netz in Mojo
  
  
• Tag 5 - Praxisprojekt & Abschluss
  
  • Projektarbeit in Gruppen (z. B. ein Mini-Simulator, ein KI-Modell oder ein Scientific-Tool)
  • Präsentation der Projekte
  • Mojo Best Practices & Roadmap der Sprache
  • Vergleich Mojo Python C++ (wann Mojo einsetzen?)
  • Q&A, Feedback, Abschluss
  
  

Dieses Seminar richtet sich an Softwareentwickler, Data Scientists, KI-Engineers sowie technische Projektleiter, die bereits mit Python oder C++ arbeiten und nun eine moderne Sprache für Performance-kritische Anwendungen kennenlernen möchten. Auch Entwickler aus dem Bereich Scientific Computing oder Embedded Systems profitieren stark vom neuen Mojo-Ansatz.



Teilnahmevoraussetzungen

• Sie benötigen Grundkenntnisse im Umgang mit Netzwerken.
• Sie haben praktische Erfahrung mit Python oder C++.
• Sie sind mit grundlegenden Programmierkonzepten wie Schleifen, Funktionen und Datentypen vertraut.
• Grundverständnis für Performance-Optimierung oder numerische Berechnungen ist von Vorteil.