Области применения Python: что изучать начинающему

Python — один из самых универсальных языков: его используют в своих продуктах топовые IT-компании, включая Microsoft, Google, Facebook и Yandex. В то же время Python часто выбирают новички, потому что язык имеет простой синтаксис и в целом лаконичен.

В этой статье мы объясним, в каких сферах стоит начинать обучение и использовать Python в целом. А также покажем бесплатные ресурсы, где лучше всего приступить к обучению языка, фреймворков и всего остальное.

Но для начала покажем статистику роста популярности Python, чтобы у вас отпали все сомнения насчет этого языка:

Web Разработка

Python может с успехом похвастаться своими backend-фреймворками, в частности Django и Flask. Они сильно облегчают процесс написания кода серверной части приложений: с их помощью упрощается процесс обработки адресов, обращение к базам данный и создание страниц, отображающихся у пользователей.

К тому же, количество вакансий для backend разработчиков, владеющих одним из этих двух фреймворков, стремительно растёт. Если ваша цель устроиться на работу программистом как можно скорее, то Python и Django — однозначно ваш выбор.

Ресурсы для изучения:

Официальная документация Django — если вы решились изучать Django, то начните с официальной документации. У этого фреймворка она написана удивительно хорошо.

Django Girls — этот онлайн-учебник является выбором большинства начинающих. Изначально сайт позиционировался как платформа с туториалами для женского пола, но сейчас от концепта осталось только название.

Мега-учебник по Flask — онлайн-учебник Мигеля Гринберга всегда был мастхэв ресурсов для тех, кто изучал Flask. И вот на Хабре сделали полный перевод всех его туториалов.

Канал Олега Молчанова — одних из лучших авторов по Python на русскоязычном YouTube. У него на канале есть плейлисты и по Flask, и по Django, в которых сразу начинается создание практических проектов.

Машинное обучение

В Python есть разнообразные модули, позволяющие быстро создавать производительные скрипты в области машинного обучения. Например, Scikit-learn отличается тем, что в него уже встроены самые распространенные алгоритмы обучения. TensorFlow, в свою очередь — это низкоуровневая библиотека, которая открывает возможности для создания алгоритмов пользователя.

Процессы машинного обучения, основанные на языке программирования Python, помогают реализовывать системы распознавания лиц и голоса, создавать нейронные сети, глубокое обучение и многое другое.

Ресурсы для изучения:

Введение в машинное обучение — совместный курс от ВШЭ и Школы Анализа Данных от Яндекса. Один из лучших вариантов на русском языке.

Машинное обучение от Andrew Ng — полный курс по ML от ведущего преподавателя из Стэнфорда, отличный вариантов для новичков. Кстати, на этот курс записались уже более 4 миллионов человек.

Глубокое обучение от Andrew Ng — курс от того же топового преподавателя, но уже конкретно по глубокому обучению, а не ML в целом.

Анализ данных

Решения в сфере Big Data и Business Analytic приносят сотни миллиардов каждый год, и доходы постоянно растет. А популярность отрасли постоянно растет. В 2015 только 17% компаний использовали возможности аналитики Big Data, а в 2017 это значение выросло до 53%.

Сбор, обработка и визуализация — 3 самых популярных сценария использования Python для анализа данных.

Ресурсы для изучения:

Статистика и вероятность — мастхэв курс от Khan Academy, который даст весь необходимый теоретический минимум.

Математика и Python для анализа данных — хороший вводный курс от МФТИ и Яндекса, в котором будут разбираться необходимая математика и инструменты для работы с данными.

Введение в реляционные базы данных — курс от Udacity дает краткое, но вполне достаточное для начала работы представление о базах данных, подобных SQL.

Заключение

Мы рассмотрели только 3 основные области применения Python, но их намного больше, так как этот язык можно использовать практически везде. Также стоило рассказать про автоматизацию задач, но это уже тема для отдельной статьи.

Однако далеко не всегда использование Python оправдано: например, в разработке графических интерфейсов, компьютерных игр и мобильных приложений Python точно будет не лучшим выбором.

Подводя итоги, можно сказать, что Django — лучший вариант для быстрого устройства на работу. А сферы Machine Learning и Data Science хороши в долгосрочной перспективе.

Статья написана Python Academy