что учить после основ python

Вы знаете основы Python — а что дальше?

Собственно — в каком направлении можно развиваться дальше, зная основы программирования и Python? Это вопрос, который задают себе многие начинающие программисты — как самоучки, так и те, кто прошел различные виды курсов или буткемпов.

Сделать первые шаги в новой профессии всегда непросто. Вы находите какие-то статьи/блоги, смотрите ютуб ролики по программированию, изучаете онлайн учебник Python самостоятельно либо проходите специальные веб-курсы дабы потом иметь возможность найти хорошую работу в ИТ-сфере.

В данной статье я хотел бы представить самые популярные «карьерные пути» для людей, знающих Python. Я также перечислю библиотеки и инструменты, которые стоит знать при поиске работы в этой области.

Согласно опросу JetBrains в 2020 году, наиболее популярными вариантами использования Python были:

Я постараюсь в этой статье приблизить читателя к каждой из этих тем. В то же время я хотел бы указать на инструменты, которые называются “must-have” на каждом из этих путей. Знание указанных технологий будет большим преимуществом при прохождении собеседования на первую работу на данной должности.

Веб-разработка

Первым и, вероятно, наиболее очевидным направлением будет веб-разработка. Python — это язык, на котором вы можете успешно писать эффективные веб-приложения, работающие на стороне сервера, то есть так называемый back-end.

Если вы решите пойти в этом направлении, ваши обязанности будут заключаться в создании и проектировании «интерьера» веб-приложений. Чаще всего вам придется научиться взаимодействовать с такими базами данных, как MySQL или PostgreSQL.

Django

Когда дело доходит до создания серверных приложений, без сомнения доминирует Django, который, согласно рейтингу HotFrameworks, является самым популярным фреймворком Python. Это довольно большой проект, позволяющий создать полноценное веб-приложение. Django имеет встроенные механизмы для работы с базами данных, формы, собственный язык шаблонов, готовый механизм для создания простой панели администрирования и многое другое. Дополнительным преимуществом при поиске работы с Django может быть знание django-rest-framework — самой популярной библиотеки для создания собственных REST-сервисов на основе Django.

Flask

Второй по популярности фреймворк Python — Flask — полная противоположность Django. Это довольно минималистичный проект, который позволяет создать первую страницу всего несколькими строками кода, одновременно сбрасывая на наши плечи (или на существующие плагины) большинство задач, необходимых для подготовки полного приложения. Первоначально это может показаться недостатком, но в случае более сложных, специализированных приложений это часто оказывается преимуществом, поскольку не навязывает программисту готовые решения, которые могут не полностью соответствовать потребностям.

Если вы собираетесь стать веб-разработчиком Python, вам также следует рассмотреть возможность изучения JavaScript, HTML и CSS. Разработчики, знакомые как с Python, так и с интерфейсными технологиями (то есть так называемым full-stack), пользуются большим спросом у всех компаний, создающих веб-приложения.

Анализ данных

В опросе JetBrains по сравнению с предыдущими годами, пункт «Анализ данных» обогнал веб-разработку, что показывает масштаб интереса компаний к анализу данных и использованию Python. В случае анализа данных мы не будем создавать большие приложения, а будем использовать Python только как инструмент, помогающий нам обрабатывать большие объемы данных.

Задача аналитиков заключается в том, чтобы сделать выводы на основе гигантских, часто неупорядоченных наборов данных. Важно понимать проблемную область, иметь навыки программирования и очень хорошее знание статистики.

Основные инструменты, которые нужно знать, — это библиотеки NumPy, SciPy, Pandas и Matplotlib. Кратко опишу каждую из них.

Рассматривая работу специалиста по данным, стоит обратить внимание на проект Anaconda. Это готовый дистрибутив Python и языка R, облегчающий установку необходимых библиотек с целью широко понимаемой «науки о данных».

Машинное обучение

Тема, так или иначе связанная с анализом данных, — это так называемое «машинное обучение» или так называемый «искусственный интеллект». Работая с машинным обучением, вы очень часто будете использовать библиотеки, описанные в разделе «Анализ данных», но ваша задача будет заключаться не в том, чтобы делать выводы из данных, а в создании систем, которые будут делать это автоматически.

Помимо описанных библиотек, необходимо знать методы машинного обучения, такие как нейронные сети или генетические алгоритмы. Программистам Python, ищущим работу в области машинного обучения, потребуются знания библиотек scikit-learn и TensorFlow от Google.

Программистам, которые хотят углубиться в темы машинного обучения и искусственного интеллекта, в частности, потребуются алгоритмические навыки, статистика и нестандартное мышление.

Системное администрирование и DevOps

В работе системного администратора или так называемого DevOps, Python будет не основным инструментом, а лишь дополнением, которое упростит работу. У системных администраторов столько же задач, сколько систем на рынке, но большая часть из них сводится к внедрению и поддержке различных приложений. Python может значительно помочь автоматизировать скучные и повторяющиеся задачи.

Кроме того, многие инструменты для администраторов написаны на Python, и знание этого языка может помочь создавать расширения.

Рассматривая этот карьерный путь, в первую очередь, необходимо досконально понять операционную систему (Windows или Linux). Python определенно более популярен и полезен для системных администраторов Linux.

Со стороны Python инструменты, которые заинтересуют при выполнении работы Devops-в или системного администратора, являются:

Резюме

Конечно, в этой статье я лишь слегка коснулся возможных вариантов использования Python. По каждой из описанных мною тем можно написать отдельную статью. Однако я надеюсь, что такое краткое описание «карьерных путей» поможет вам выбрать интересное направление и облегчит поиск более полных анализов по заданной теме, потому что самым важным навыком для каждого начинающего питониста будет … умение использовать Google 😉

Источник

Что учить новичку после основ Python?

Что лучше учить Python 2 или Python 3?
хочу начать учить питон но полазив в нете, частенько попадалась информация что вроде как 2 будет.

Java: что учить после основ?
Здравствуйте. В java новичок. возможно таких вопросов было много но конкретно по пунктам 1. 2.

Что учить после основ PHP?
Здравствуйте, подскажите что учить рпосле основ PHP? Какую тему и если можно уроки посоветуйте.

Решение

а ее не надо изучать просто так, как книгу, ее надо на примере сразу рассматривать. Найди что тебе интересно. Парсинг? Рассчеты? Гуи или боты (прости господи)? и пробуй решать задачу, писать проект заодно изучая библиотеку.

Кстати, как вариант пока остановись на форуме, просто проверь себя, реально ты «изучил» и легко сможешь помогать тут новичкам или в ряде задач есть решения лучше твоего? Тогда изучи их, что ты упустил? Постепенно смотри более сложные задачи, уже с либами.

1000 страниц из 1300-страничного учебника Изучаем Python. Изучил?

Добавлено через 11 минут
iamyk789, Изучив первую главу в «Лутц М. Программирование на Python», дальше уже сможешь определится, чем ты хочешь заниматься в дальнейшем и выбери соответствующую часть в этой книге.
«Системное программирование», «Работа с графикой», «web программирование» или что то еще используя специализированные библиотеки (изучая документацию к ним) и так далее.

Что учить после освоения основ
Здравствуйте. В общем, проблема у меня есть: не знаю, что учить дальше. То есть я худо-бедно освоил.

Что лучше учить после основ C#?
Всем привет, прочитал книгу Троелсена, начал читать Рихтера, работал с консолью, немного в формах.

Что лучшие учить новичку C# или Java
Привет, последние время мне приходиться работать с Web это HTML CSS JS PHP MySQL, и не много с.

Что изучать после основ?
Всем доброго времени суток, пробуксировал учебник по плюсам, теперь знаю основы от выделения памяти.

Что изучать после изучения основ языка
Доброго дня друзья. У меня такой вопрос. Подруга изучила основы С++, параллельно изучает книгу по.

Источник

Помощь в изучении Python. Что дальше?

Учиться по книгам можно бесконечно. Судя по Вашим словам, Вы вполне подготовлены, чтобы начать работу над несложным проектом / задачей.

Ну и еще несколько советов:

1. Ползуйтесь хорошим IDE (я использую PyCharm Pro, но в принципе и бесплатный PyCharm community edition прекрасно подойдет). Там можно настроить Python консоль, так что интерактивность не пострадает.
2. Если возьметесь за что-либо, что можно назвать проектом, пользуйтесь системой контроля версий. Это не так страшно как кажется. Я бы советовал Git. Можно из командной строки (для изучения предпочтительна, лично я предпочитаю и для работы), либо UI клиент (я пользуюсь SourceTree). Изучить Git на начальном этапе можно за полдня. Вот хорошая книжка:

достаточно первые пару глав прочесть для начала

4. При разработке в Python, пользуйтесь virtualenv. Это нужно для того, чтобы не замусоривать ваш основной дистрибутив Python установленными сторонними модулями и библиотеками.

5. Это вопрос личного вкуса и удобства, но лично мне в работе сильно помогают системы project management. Я пользуюсь Blossom.io, но он платный. Из бесплатных, могу порекомендовать Trello.

Все эти вещи могут показаться тягомотными, но это нужно пройти лишь один раз. После этого у Вас будет настроенное рабочее пространство для профессиональной работы. Это сделает Вам рабочий процесс намного удобнее, и знакомство с этим будет плюсом, если потом захотите работу искать в Python.

Собственно по Python, очень рекомендую вот это:

куча реально полезной информации. По всем конкретным вопросам нет ничего лучше StackOverflow.

Ну и уже когда практического опыта на реальном проекте поднаберетесь, вот тогда делайте upgrade, читайте еще книжки, код других проектов, участвуйте в других open source проектах, и т.д. В итоге гораздо быстрее все освоите, чем если прямолинейным чтением книг / прохождением курсов будете заниматься.

Источник

Программирование на Python: нет смысла идти на платные курсы пока не разберетесь в бесплатных

Какая математическая база нужна для Python, чем он хорош для новичков и какие задачи можно решить с помощью этого языка программирования

Python ча­сто со­ве­ту­ют изу­чать тем, кто ни­ко­гда рань­ше не про­грам­ми­ро­вал. Одно из его пре­иму­ществ — уни­вер­саль­ность, за счёт ко­то­рой он ис­поль­зу­ет­ся про­фес­си­о­на­ла­ми в раз­ных об­ла­стях: от жур­на­ли­сти­ки до про­дакт-ме­недж­мен­та. Его мож­но при­ме­нять для ре­ше­ния ру­тин­ных за­дач: на­при­мер, что­бы ви­зу­а­ли­зи­ро­вать боль­шой объ­ём дан­ных или со­став­лять спис­ки дел и по­ку­пок. Ав­тор и ме­не­джер про­грам­мы «Ана­лиз дан­ных» в Ян­декс.Прак­ти­ку­ме Анна Чу­ви­ли­на рас­ска­за­ла как оп­ти­ми­зи­ро­вать свой быт и ра­бо­ту при по­мо­щи про­грам­ми­ро­ва­ния, ка­кие биб­лио­те­ки (шаб­ло­ны ре­ше­ний) мо­гут ис­поль­зо­вать но­вич­ки и как вы­брать курс по изу­че­нию Python. Ма­те­ри­ал под­го­тов­лен Ака­де­ми­ей Ян­дек­са

По­че­му Python со­ве­ту­ют но­вич­кам

Одно из глав­ных пре­иму­ществ Python — низ­кий по­рог вхо­да. Код на нём ла­ко­нич­ный и обыч­но схо­ду по­ня­тен даже тем, кто изу­чал дру­гой язык. А по­дроб­ная до­ку­мен­та­ция по­мо­жет разо­брать­ся в про­грам­ми­ро­ва­нии с нуля.

Ре­сур­сы для изу­че­ния Python:

Во­круг Python сфор­ми­ро­ва­лись со­об­ще­ства эн­ту­зи­а­стов, ко­то­рые пи­шут на этом язы­ке. На­при­мер, в Москве есть груп­па Moscow Python: они про­во­дят кон­фе­рен­ции и нефор­маль­ные встре­чи и со­труд­ни­ча­ют с круп­ны­ми ИТ-ком­па­ни­я­ми.

Для Python су­ще­ству­ет объ­ём­ная си­сте­ма биб­лио­тек — го­то­вых ре­ше­ний для тех или иных за­дач. Есть как ал­го­рит­мы для ба­зо­вых ма­те­ма­ти­че­ских опе­ра­ций, так и для слож­ных за­дач: на­при­мер, рас­по­зна­ва­ния кар­ти­нок и зву­ков.

У язы­ка мно­го по­нят­ных при­ло­же­ний: его мож­но ис­поль­зо­вать для ана­ли­за дан­ных и ма­шин­но­го обу­че­ния, бэ­кен­да, веб-раз­ра­бот­ки, си­стем­но­го ад­ми­ни­стри­ро­ва­ния и игр. Ко­неч­но, при этом ну­жен раз­ный на­бор на­вы­ков по­ми­мо про­грам­ми­ро­ва­ния, но с Python мож­но на­чать осва­и­вать по­чти лю­бую пред­мет­ную об­ласть.

Важ­но по­ни­мать, что для ана­ли­за дан­ных язык про­грам­ми­ро­ва­ния — это ин­стру­мент. Ана­лиз дан­ных мож­но про­во­дить и в Ex­cel, и на бу­маж­ке, а про­грам­ми­ро­ва­ние — толь­ко один из ва­ри­ан­тов того, как мож­но ре­шать та­кие за­да­чи.

Одно из рас­про­стра­нён­ных при­ло­же­ний Python — ра­бо­та с дан­ны­ми для про­дакт-ме­недж­мен­та. Ана­лиз дан­ных поз­во­ля­ет ме­не­дже­рам по­лу­чать ин­сай­ты о по­ве­де­нии поль­зо­ва­те­лей и при­ни­мать обос­но­ван­ные ре­ше­ния. В круп­ных ком­па­ни­ях долж­но­сти ана­ли­ти­ков и про­дакт-ме­не­дже­ров обыч­но раз­де­ле­ны, но в неболь­ших про­ек­тах про­дак­там нуж­но ра­бо­тать с дан­ны­ми са­мо­сто­я­тель­но.

Как по­нять, что вам ну­жен имен­но Python

На­зы­вать его «убий­цей Ex­cel» — некор­рект­но. Мно­гие ко­ман­ды и ком­па­нии в Рос­сии ве­дут весь учёт в обыч­ных таб­ли­цах, и им это­го до­ста­точ­но. А Python ну­жен в тот мо­мент, ко­гда речь идет про дей­стви­тель­но боль­шие объ­е­мы дан­ных. На­при­мер, у Ян­декс.Му­зы­ки мно­же­ство пла­тя­щих поль­зо­ва­те­лей, и их дей­ствия еже­днев­но ге­не­ри­ру­ют ка­кие-то со­бы­тия (лай­ки и про­слу­ши­ва­ния) — и те­ра­бай­ты дан­ных. Хра­нить их в таб­лич­ке Ex­cel — из раз­ря­да фан­та­сти­ки.

В Python про­ще де­лать ин­тер­ак­тив­ную и слож­ную ви­зу­а­ли­за­цию или про­во­дить вы­чис­ле­ния — для это­го су­ще­ству­ют биб­лио­те­ки вро­де Seaborn, mat­plot и Plotly. В Ex­cel есть встро­ен­ный ап­па­рат для ре­ше­ния ма­те­ма­ти­че­ских за­дач (на­при­мер, ра­бо­ты с дан­ны­ми), но для него нуж­но за­по­ми­нать мно­го на­зва­ний опе­ра­ций — и ра­бо­та­ет он до­воль­но непо­во­рот­ли­во. Кро­ме того, в Python мож­но быст­рее и с раз­ных сто­рон по­смот­реть на дан­ные. Ре­грес­сию мож­но по­стро­ить и в Ex­cel, но за­чем, ко­гда в Python есть для это­го го­то­вые биб­лио­те­ки?

Для ста­ти­сти­че­ских рас­че­тов мож­но ис­поль­зо­вать R — люди с ма­те­ма­ти­че­ским об­ра­зо­ва­ни­ем обыч­но осва­и­ва­ют его быст­рее, чем Python. Од­на­ко боль­шин­ству бу­дет про­ще на­чать с Python.

Для раз­ных за­дач ана­ли­за дан­ных су­ще­ству­ют ко­ро­боч­ные ре­ше­ния. На­при­мер, Am­pli­tude (для про­дук­то­вой ана­ли­ти­ки), Mix­panel (для ана­ли­за по­ве­де­ния поль­зо­ва­те­лей) Ян­декс.Мет­ри­ка и Google An­a­lyt­ics. При этом их ис­поль­зо­ва­ние ча­сто плат­ное.

Где при­ме­нять Python, если вы не раз­ра­бот­чик

По­ми­мо ана­ли­за дан­ных у язы­ка есть и бо­лее про­стые при­ло­же­ния. Так, в учеб­ни­ках по Python ча­сто встре­ча­ет­ся за­да­ча с рас­сыл­ка­ми. В ней нуж­но соз­дать рас­сыл­ку, на­при­мер, для лю­дей, ко­то­рые не сда­ли день­ги на ре­монт — най­дя их дан­ные в Ex­cel-таб­ли­це. С по­мо­щью та­ко­го скрип­та мож­но разо­слать пись­ма по шаб­ло­ну — и име­на бу­дут под­став­ле­ны ав­то­ма­ти­че­ски.

Python — про ав­то­ма­ти­за­цию ру­тин­ных за­дач. На­при­мер, мож­но за­пу­стить скрипт, ко­то­рый под­став­ля­ет па­ро­ли — и он ав­то­ма­ти­че­ски от­кро­ет за­па­ро­лен­ные стра­ни­цы или пап­ки. Есть ал­го­рит­мы для того, что­бы ав­то­ма­ти­че­ски со­зда­вать спис­ки по­ку­пок или пе­ре­име­но­вы­вать фо­то­гра­фии опре­де­лён­ным об­ра­зом.

Люди, ко­то­рые уме­ют пи­сать код, при­ду­мы­ва­ют та­кие вещи «на ав­то­ма­те». На­при­мер, мар­ке­то­ло­ги мо­гут за­пу­стить скрипт для по­стро­е­ния во­ро­нок про­даж. А те­сти­ров­щи­ки — на­пи­сать ал­го­ритм, ко­то­рый бу­дет под­став­лять дан­ные в фор­мы и те­сти­ро­вать при­ло­же­ния.

Если го­во­рить про ана­лиз дан­ных, то мно­гие на­чи­на­ют осва­и­вать его из лю­бо­пыт­ства — что­бы най­ти ин­сай­ты в сфе­ре, ко­то­рую пока не ис­сле­до­ва­ли. На­при­мер, мож­но опре­де­лить со­ци­аль­ные про­бле­мы сво­е­го ре­ги­о­на, ана­ли­зи­руя опуб­ли­ко­ван­ную ста­ти­сти­ку. А если вы хо­ти­те че­рез ка­кое-то вре­мя по­пасть на ста­жи­ров­ку или на ра­бо­ту, где ну­жен ана­лиз дан­ных, то та­кой кейс по­мо­жет вам по­ка­зать свои на­вы­ки. На­чать мож­но с про­стых, стан­дарт­ных про­ек­тов, ко­то­рые обыч­но пред­ла­га­ют тем, кто изу­ча­ет Python.

Что нуж­но, что­бы вы­учить Python

Из ма­те­ма­ти­че­ско­го ап­па­ра­та кро­ме ба­зо­вой ариф­ме­ти­ки для про­грам­ми­ро­ва­ния ни­че­го не нуж­но. Что­бы при­ду­мать, ка­кой ал­го­ритм ис­поль­зо­вать для ре­ше­ния той или иной за­да­чи, важ­но струк­тур­ное мыш­ле­ние — но это не ма­те­ма­ти­че­ская ком­пе­тен­ция. Па­ра­докс в том, что и раз­ви­вать его нуж­но с по­мо­щью ре­гу­ляр­ной ра­бо­ты с за­да­ча­ми — важ­но быть го­то­вым про­си­деть над, ка­за­лось бы, три­ви­аль­ным за­да­ни­ем несколь­ко ча­сов и не от­ча­ять­ся.

Для ана­ли­за дан­ных, по­ми­мо школь­ной ма­те­ма­ти­ки, по­на­до­бят­ся зна­ния ма­те­ма­ти­че­ской ста­ти­сти­ки и тео­рии ве­ро­ят­но­сти. На­чи­на­ю­ще­му спе­ци­а­ли­сту важ­нее все­го осво­ить ба­зо­вые по­ня­тия: уметь про­ве­рять ги­по­те­зы, знать, что та­кое до­ве­ри­тель­ные ин­тер­ва­лы, чем от­ли­ча­ют­ся ме­ди­а­на и мода, по­ни­мать, как обо­зна­чать со­бы­тия и их ве­ро­ят­но­сти.

Ма­те­ри­а­лы по ма­те­ма­ти­ке:

Тем, кто хо­чет за­ни­мать­ся ана­ли­зом дан­ных (как про­фес­си­о­наль­но, так и для себя), важ­но раз­вить кри­ти­че­ское мыш­ле­ние. На­при­мер, нуж­но са­мо­му вы­де­лять кри­те­рии для срав­не­ния объ­ек­тов: тут нет ка­ко­го-то стан­дарт­но­го ре­ше­ния. Ещё важ­но схо­ду ви­деть за­ко­но­мер­но­сти и ано­ма­лии в дан­ных.

Изу­чать про­грам­ми­ро­ва­ние и ана­лиз дан­ных мож­но и са­мо­му — я не ре­ко­мен­дую об­ра­щать­ся к плат­ным кур­сам до тех пор, пока вы не по­смот­ре­ли бес­плат­ный кон­тент.

Во-пер­вых, он слу­жит для профори­ен­та­ции: что­бы луч­ше по­нять, ка­кие при­ло­же­ния есть у про­грам­ми­ро­ва­ния или ана­ли­за дан­ных для раз­ных про­фес­сий. Во-вто­рых, даёт по­нять, сколь­ко сил и вре­ме­ни нуж­но бу­дет при­кла­ды­вать для изу­че­ния.

Пре­иму­ще­ства обу­че­ния на кур­сах в том, что на них мож­но по­лу­чить чёт­ко сфор­му­ли­ро­ван­ные прак­ти­че­ские за­да­чи. Так­же пре­по­да­ва­те­ли мо­гут рас­ска­зать о том, как об­щать­ся с за­каз­чи­ком и уточ­нять у него необ­хо­ди­мую ин­фор­ма­цию.

Как вы­брать об­ра­зо­ва­тель­ную про­грам­му

Вы­би­рая об­ра­зо­ва­тель­ную про­грам­му, важ­но об­ра­тить вни­ма­ние на пре­по­да­ва­те­лей, ко­то­рые его ве­дут или со­зда­ва­ли для него кон­тент, — мож­но по­смот­реть их про­фи­ли на Face­book и узнать про про­фес­си­о­наль­ный опыт.

Что ка­са­ет­ся цены, то по мо­е­му опы­ту, ка­че­ство кур­са не все­гда с ней кор­ре­ли­ру­ет — по­это­му ори­ен­ти­ро­вать­ся нуж­но на то, сколь­ко вам ком­форт­но по­тра­тить на обу­че­ние.

Так­же сто­ит чёт­ко сфор­му­ли­ро­вать то, что хо­чет­ся по­лу­чить в ре­зуль­та­те, — и сде­лать это клю­че­вым кри­те­ри­ем для вы­бо­ра. Бы­ва­ют слу­чаи, ко­гда сту­ден­ты при­хо­дят на курс по ана­ли­зу дан­ных для ме­не­дже­ров и ожи­да­ют за­ня­тия по про­грам­ми­ро­ва­нию — а их учат об­щать­ся с ана­ли­ти­ка­ми и рас­ска­зы­ва­ют об­щие вещи про то, как внед­рять ана­лиз дан­ных. За­ча­стую про­бле­ма не в пло­хой ор­га­ни­за­ции или пре­по­да­ва­те­лях, а в том, что че­ло­век сам не про­ве­рил, со­от­вет­ству­ет ли про­грам­ма его за­да­чам. Пра­ви­ло с по­ста­нов­кой це­лей ра­бо­та­ет не толь­ко на вы­бор про­грам­мы, но и на обу­че­ние в це­лом — не сто­ит осва­и­вать язык про­грам­ми­ро­ва­ния, что­бы по­ста­вить га­лоч­ку.

Источник

🐍 Дорожная карта Python-разработчика

Miroslav Kungurov

1. Где и как учиться?

Итак, у нас есть четыре способа изучения языка:

Ищите курсы с трудоустройством, поскольку на всех курсах, ютуб-роликах дают примерно одинаковые знания: отличается только подача материала и наличие куратора, который придет на помощь. Если вам нужно полностью погрузиться в процесс обучения, чтобы чему-то научиться, то выбирайте буткемп – интенсивные курсы/лагеря по программированию. Основам вполне можно научиться самостоятельно и вы не одни на этом пути. Главное при таком подходе – самодисциплина и умение вовремя взять перерыв. И, наконец, идеальный вариант – найти наставника, который проведет по всем подводным камням и поделится знаниями.

Где учат Python с гарантией трудоустройства?

На курсах. Например, GeekBrains ведет прием на факультет Python-разработки, где вас научат:

Окей, я выбираю путь самообразования. Что дальше?

Дальше – выбор операционной системы.

2. Операционная система и редактор кода (IDE)

Какую ОС выбрать?

Не Винду. На ней можно покрывать 90% задач, но потом все равно придется столкнуться с Линуксом, потому что питонщики занимаются бэкенд-разработкой и их программы в итоге запускаются в среде Линукс.

Порядок изучения Ubuntu:

3. Основы Python

Как понять, где заканчиваются основы?

Плюс-минус основы включают в себя:

4. Git и GitHub

5. Веб-разработка

Питонисты пишут бэкенд веб-приложений на фреймворках и микрофреймворках.

Микрофреймворки – Flask, FastAPI, Bottle, Pyramid – имеют минимальный функционал и предоставляют в основном только роутинг (переход на страницу), а для всего остального нужно ставить дополнительный плагины или писать их самому. Больше гибкости, но ниже скорость разработки.

Что выбрать?

Если нужно сделать сайт, веб-приложение, которое похоже на обычный сайт, то выбирайте Джанго. Для нестандартных задач – микрофреймворки. Вакансий по Джанго больше, чем по всем остальным фреймворками и микрофреймворкам.

6. Тестирование

7. Наука о данных

8. Машинное обучение

В машинном обучении потребуется отличное знание Python. Начните с библиотек Numpy, Matplotlib, Scikit-learn. Не обойтись без математики и статистики: множества, пределы функций, производные, интегралы, случайные события, линейная регрессия и дисперсионный анализ.

9. Продвинутый Python

Скорее всего, несколько статей из нашей подборки уже есть в закладках вашего браузера. Однако у всех бесплатных учебных материалов имеется большой недостаток: в случае возникновения вопроса приходится гуглить и тратить время на поиски ответа; к тому же нет помощи в трудоустройстве. И еще один факт: многие проходят бесплатные курсы, но далеко не все получают работу. Можно взять количеством: пройти десяток курсов и… заваливаться на собеседованиях. Образовательная онлайн-платформа GeekBrains трудоустраивает после обучения и сейчас ведет набор на факультет Python-разработки. Зачем платить, ведь знания везде дают плюс-минус одинаковые? Чтобы получить гарантированный оффер.

Источник