Разработка прикладного ПО, в том числе игр

Научные исследования

1. SciPy - это открытая библиотека высококачественных научных инструментов для языка программирования Python. SciPy содержит модули для оптимизации, интегрирования, специальных функций , обработки сигналов , обработки изображений , генетических алгоритмов , решения обыкновенных дифференциальных уравнений и других задач, обычно решаемых в науке и при инженерной разработке.
2. Matplotlib - библиотека на языке программирования Python для визуализации данных двумерной (2D) графикой (3D графика также поддерживается). Получаемые изображения могут быть использованы в качестве иллюстраций в публикациях.
3. NumPy - это расширение языка Python, добавляющее поддержку больших многомерных массивов и матриц, вместе с большой библиотекой высокоуровневых математических функций для операций с этими массивами.

Обучение

Критика языка Python

Python один из самых медленных языков программирования

GIL мешает одновременному выполнению нескольких потоков

Нет хороших инструментов для дистрибуции

Дополнительная информация

Студенты Skillbox, преподаватель и разработчик рассказывают об особенностях языка и требованиях рынка.

В закладки

Материал подготовлен при поддержке

В серии публикаций студенты образовательной онлайн-платформы рассказывают о том, что подтолкнуло их к освоению новой специальности, преподаватели защищают методики, а эксперты объясняют, зачем такие специалисты вообще нужны.

Это высокоуровневый язык программирования общего назначения. Синтаксис языка минималистичен: это нужно, чтобы увеличить производительность разработчика и читаемость кода.

Python - один из самых популярных и адаптивных языков, который очень быстро развивается. Разработчики на Python всегда востребованы на рынке.

Никита Соболев - разработчик, основатель студии Wemake.services

Если владеешь любым другим языком программирования, то научиться Python будет очень просто. Это моя история - я программировал на Java, но мне внезапно понадобилось изучить Python. Проблем не было: язык простой, входной порог низкий.

У меня были собственные проекты на Java, но Python мне понравился больше. В частности, с этим языком я успеваю написать больше кода. Производительность программиста, который работает на Python, в разы выше. Поэтому наша команда полностью перешла на этот язык.

Спустя год работы с Python можно стать намного эффективнее. Для сравнения - я три года мучаюсь с языками Erlang и Elixir и всё равно многого не знаю, потому что у них есть своя специфика. С Python меньше трудностей.

Программисты со знанием Python очень сильно востребованы. Если указать в своем профиле на Github проекты с Python, у которых есть хотя бы 10–15 звездочек, то автоматически попадаешь в алгоритмы HR-специалистов, которые начинают заваливать письмами каждые два дня: сиди, выбирай и соглашайся на всё, что нравится.

Никита Соболев

Разработчик и основатель студии Wemake.services

Компаниям нужно много людей, но их просто нет в таком количестве. На рынке есть несколько подразделов Python-разработки, которые сейчас наиболее популярны - работодатели берут даже новичков. Первый - Data Science. Это направление практически полностью основано на Python. Специалистам нужна хорошая математическая подготовка и базовые знания языка.

Второй подраздел - это Scrapping. Разработчики пишут «пауков», которые ходят и собирают информацию на сайтах и используют для тех или иных целей полученные сведения. Таким специалистам нужны базовые знания программирования на Python.

Через эти два вида деятельности легко войти в сферу программирования на Python: учишь базовые понятия, находишь работу, начинаешь получать реальные деньги, подтягиваешь уровень и постепенно становишься серьезным специалистом.

Однако, естественно, есть веб-разработка, в которую достаточно сложно войти, обладая только начальными знаниями. В этой сфере установлены самые высокие требования. Но заняться веб-разработкой на Python, обладая базовыми навыками, тоже реально. Есть два варианта входа - это опенсорс и фриланс.

По моим субъективным оценкам, большая часть вакансий по-прежнему предусмотрена для программистов на Java и JavaScript. Но Python входит в тройку лидеров. Перед Python-программистом открывается много перспектив, потому что платформа достаточно разнообразная и используется для разных технологий. Карьерный рост тоже быстрый - из-за простоты языка.

Но несмотря на востребованность Python-разработчиков, серьезных специалистов достаточно мало, и их тяжело найти. Они все скрыты, потому что компании их охраняют, берегут и молятся на них: найти замену такому специалисту крайне тяжело.

Вадим Шандринов - преподаватель курса

Я программирую 30 лет. Впервые начал в восьмом классе, продолжил в институте. Именно Python-разработкой я занимаюсь с 2000 года.

Плюс этого языка программирования в том, что у него низкий порог входа для обучения. Чтобы написать примитивный небольшой код, хватит нескольких дней. Но на изучение более тонких вещей - библиотек, принципов и подходов - предстоит потратить гораздо больше времени.

Python - открытый язык, есть исходники. Программист может посмотреть, что и как делают другие разработчики. Так как язык старый, то для него написано много библиотек - на все случаи жизни.

Сейчас, как мне кажется, Python стал чересчур популярен - его начали использовать многие организации: NASA, Google, Dropbox, Instagram и другие. Подобная ситуация была с Java, который сейчас используют большие компании. Например, вся Android-разработка проходит на этом языке.

Я изучаю вакансии, которые публикуются на hh.ru: ежедневно соискателям доступно около 200 различных предложений. Рынок очень большой, специалисты сильно востребованы. Но есть провал - компаниям, как правило, нужен программист с уровнем Middle или Senior. Практически во всех вакансиях указывается опыт работы от двух–трех лет. Очень редко требуются Junior-программисты - позволить себе нанимать молодых специалистов обычно могут только большие компании вроде «Яндекса».

Поэтому Junior-программисты мучаются с поиском работы - они знают язык, у них есть проекты, но не могут трудоустроиться, несмотря на востребованность.

Я думаю, что наш курс поможет устранить этот разрыв: мы готовим специалистов со знанием не просто языка, но и того, какие есть библиотеки и фреймворки. Также собираемся организовать стажировки: приглашаем компании стать партнёрами, чтобы потом брать к себе на практику лучших.

Особенность курса в том, что обучение начинается с самых основ. Мы включили много элементов геймификации - некоторые моменты я объясняю, что называется, на пальцах. Например, с помощью мультфильмов или инсценировок.

В курсе большая визуальная составляющая - с помощью кода выводятся падающие снежинки, космические корабли и другие элементы. Это гораздо интереснее, чем просто строки в консоли.

Мы погружаем студентов в профессиональную среду с помощью использования системы контроля версий. У всех программистов это основной инструмент работы. Я взаимодействую со студентами через Git (распределённая система управления версиями): они пишут код, коммитят его, загружают на сервер, а я проверяю и оставляю комментарии.

Коммит - это комментарий разработчика, в котором описаны изменения, произошедшие в коде.

Можно сказать, что мы эмулируем профессиональную жизнь программиста. Это нужно, потому что компании при приеме на работу спрашивают не про знания систем контроля версий, а про опыт работы с ними.

Курс разбит на две части. Первая посвящена самому Python, навыкам программированиям на нем. После прохождения первой части студент понимает, подходит ему это или нет. Вторая часть курса - веб-разработка с использованием фреймворка Django. После окончания обучения студент может себя позиционировать как крепкого Junior-программиста.

Игорь, 25 лет - студент с небольшим опытом программирования на C++

Я работаю преподавателем в клубах робототехники - рассказываю детям про электронику и программирование. У меня есть высшее техническое образование, но его качество я могу назвать «никаким». Также я обладаю базовыми навыками программирования на C++.

Я регулярно читаю журналы - «Популярную механику», «Машины и механизмы» и РБК. В этих изданиях говорится о развитии ИТ-индустрии, о машинном обучении, интернете вещей, блокчейне, квантовых компьютерах и других. В этих областях часто встречается использование Python: он популярен, а область его применения широка. Можно сказать, что язык поможет залезть в большое количество разных сфер.

Мне захотелось более плотно заняться программированием, и я решил попробовать изучить Python. Искал курсы в интернете, пересмотрел разные варианты и остановился на Skillbox.

После каждого модуля есть домашнее задание - без его выполнения не получится перейти к следующей теме. Задания бывают разные. Например, один раз надо было запрограммировать текстовый симулятор жизни, в котором есть человек и коты - надо было понять, сколько животных он смог бы прокормить.

Работы преподаватели проверяют с профессиональной точки зрения, как в реальной компании: код должен не просто работать, но и быть чистым. Сначала кажется, что преподаватель придирается к мелочам, но на самом деле он досконально изучает код - это хорошо.

Игорь Сенский

Если есть какие-то вопросы и проблемные моменты, то задания отправляются на доработку. У меня получилось сдать с первого раза только начальную домашнюю работу. В конце обучения должен быть выпускной проект.

Курс дает базовые знания - он на это и рассчитан, исходя из его содержания и цены. Для людей, у которых нет навыков программирования, он, наверное, подойдет, но в какой-то момент может показаться сложным. В начале даются базовые понятия, с которыми всё просто, но для более сложных нужен определенный склад ума и опыт.

Моя основная цель - проверить, насколько мне подходит подобный формат обучения, так как я впервые в жизни записался на онлайн-курс. Если всё будет хорошо, то планирую потом найти уроки по Python-разработке с более глубоким погружением.

На мой взгляд, базовые знания, которые даёт курс, равняются опыту Junior-разработчика. Значит, можно устроиться на стажировку в ту или иную компанию.

Александра, 29 лет - студентка с опытом программирования на C++

Я занимаюсь программированием пять лет. Один из языков, который я знаю - C++. Но моя работа связана с наукой, и написание кода не стоит на первом месте в списке моих обязанностей.

В какой-то момент я заметила, что растеряла навыки программирования, так как последние годы уделяла ему очень мало времени. Решив, что забыла, как писать код, я решила поучиться чему-то новому.

Я уже долгое время была подписана на Skillbox и увидела информацию о курсе по Python-разработке. Раньше я никогда не работала с этим языком и не интересовалась им, хоть и знала о его существовании. Зря: оказалось, что это клевый и интересный язык программирования.

Александра Олейникова

Студентка

Я только недавно записалась на курс и нахожусь на начальном этапе обучения. Нам даются видеоуроки, но если есть вопросы, можно написать преподавателю. После каждой темы предусмотрены домашние задания - их преподаватель проверяет вручную и затем говорит, что исправить. Когда результат его удовлетворяет, можно перейти к следующему уроку.

В начале задания казались мне скучными, потому что курс начинается с самых основ и ориентирован на людей, которые ничего не знают о программировании. Первые домашние работы очень простые – нужно вывести какие-то значения или что-то посчитать. Но с каждым уроком задания усложняются и появляются такие, в которых можно проявить фантазию.

Мне кажется, что студентам без знаний программирования легко освоить такие темы, как переменные, циклы и условия. Но может стать тяжело, когда начнётся объектно-ориентированное программирование.

Но преподаватели заинтересованы в том, чтобы студенты всё понимали. На уроках иногда даже показывают мультфильмы, чтобы объяснять сложные моменты. Мне это, конечно, кажется смешным, но если студентам непонятно и тяжело, то такой подход может помочь.

У меня пока нет планов на использование Python на практике, потому что я не собираюсь уходить со своей работы. Я рассматривала этот курс в качестве встряски для мозга, чтобы вспомнить программирование: какой бы язык ни был, основы одинаковые, и есть, что вспомнить. Но, конечно, не хотелось бы закончить курс и совсем забыть про Python: это правда крутой язык.

Python - второй по популярности язык программирования в мире. Практический 4-х месячный курс программирования на Python с индивидуальным наставником подойдёт тем, кто хочет научиться основам программирования на универсальном, понятном и лаконичном языке.

• Более 80 видеоуроков в 16 модулях.
• Проверка каждого домашнего задания преподавателем.
• Сертификат о прохождении курса.

Есть английский язык. На нём общаются люди. А ещё – на немецком, филиппинском, испанском, греческом и прорве других.

А есть Питон (голос зануды про правильное название). Это язык, на котором человек общается с компьютером. С компьютером можно общаться на куче языков: Си, Паскаль, Хаскель, Го, Свифт, Руби, ПХП, Бейсик, Эрланг, Эр и много других.

Мы тут будем учить именно Питон. Начнём с короткого обзора того, чем он отличается от остальных языков. Делать ничего не надо: прочитал, запомнил пару пунктов и всё, можно хвастаться всем, что ты в теме (не надо так).

Лаконичность

У Питона такое сообщество, что оно не приветствует разброда в использовании языка. Стандарт написания кода – это часть языка. Философия написания кода – тоже часть языка. Поэтому два хороших программиста напишут очень похожий код: не надо тратить время на "блин, а что он тут имел в виду?...".

У Питона такой синтаксис, что он помогает писать код очень коротко. Нет лишних скобок, длинных ключевых слов, сложных трюков и всякого такого. Описать логику, перевести на английский, разбавить отступами и синтаксисом – всё, программа готова.

У Питона такая стандартная библиотека, что она помогает выполнять кучу рутинных операций. Она поможет отправить емейл, закодировать строку, поднять веб-сервер, узнать время, удалить файл, посчитать дисперсию, заархивировать файл, вытащить данные из базы данных и ещё прорву всего всего парой строк.

У Питона такое количество сторонних модулей, что можно сэкономить тысячи человеко-часов работы. Нужно написать сайт? Научить нейронную сеть разгадывать капчу? Скачать аудио из "Вконтакте"? Узнавать людей на фотографиях? Смоделировать полёт ракеты? Написать бота? Для всего этого есть готовые модули, их надо только установить и воспользоваться.

Всё это делает процесс написания кода очень быстрым.

Крутая документация

Попробуйте загуглить , или, например . В первых результатах будет ссылка на https://docs.python.org – сайт официальной документации.

Это потому что документация очень подробная: в ней есть материалы для новичков, доки к каждому модулю, рекомендации по использованию, подводные камни и дальнейшее чтение. И это всё – для каждой версии языка. Такой удобной и подробной документации нет ни у кого.

А ещё есть http://stackoverflow.com/ – сайт, на котором одни программисты отвечают другим программистам на вопросы о программировании. За время его существования там были заданы все возможные вопросы. Серьёзно: любой вопрос в духе "как это сделать на Питоне" или "почему этот код не работает" уже был задан, просмотрен и отвечен.

Всё это делает процесс изучения и написания кода быстрым: вся нужная информация находится на расстоянии одного удачного поискового запроса.

Какого из этих вопросов нет в официальных FAQ официальной документации?

• Why am I getting strange results with simple arithmetic operations?
• Why is Python installed on my machine?
• How can I implement base abstract factory class in Python?
• Writing C is hard; are there any alternatives?

Строгая динамическая типизация

Динамическая типизация – значит, в одной и той же переменной в разное время могут храниться значения разных типов. Сейчас – число, потом – строка, и всё – в одной переменной.

Во многих языках так нельзя: создал, мол, целочисленную переменную, вот и храни в ней целые числа. Это удобно для компьютера, но не всегда удобно для программиста.

Строгая типизация – значит, нельзя просто так производить действия с объектами разных типов. Например, строку с числом сложить не получится: сначала надо превратить строку в число, а только потом – сложить. Сам Питон такое преобразование делать не будет.

Может показаться, что это неудобно, но на самом деле это защищает от прорвы ошибок. Чтобы понять о чём речь, достаточно посмотреть на JavaScript, язык со слабой типизацией:

Автоматическое управление памятью

Управление памятью – это когда для каждой кучки данных в программе нужно руками выделить место в оперативной памяти. Следить, чтобы данные не вышли за пределы этого места. Не забыть освободить это место после того, как данные не нужны. В общем, адский геморрой.

В Питоне об этом думать не надо: язык программирования всё сделает за программиста. Правда, сделает неидеально: о том, как Питон работает с памятью, надо знать.

И ещё много всякого

Помимо перечисленного, Питон знаменит много чем ещё: отступами, интроспекцией, дзеном, портируемостью, GIL-ом, названием.

Прежде чем начать изучать тот или иной язык программирования, люди обычно задумываются, как потом смогут применить свои знания и навыки на практике. Что касается Python, этот язык общего назначения пригодится во множестве различных сфер. Разработчик и основатель стартапа CS Dojo Ек Суги рассказал о трёх самых частых способах использования Python.

1. Веб-разработка

Фреймворки, основанные на Python, такие как Django и Flask , в последнее время приобрели широкую популярность среди веб-разработчиков. Эти фреймворки позволяют создавать серверный код (backend-код) на Python, который выполняется на сервере, в отличие от frontend-кода, исполняемого на пользовательских устройствах и в браузерах.

Для чего нужны веб-фреймворки

Веб-фреймворки упрощают разработку серверной логики: обработку URL, обращение к базам данных, создание HTML-файлов, которые видят в браузерах пользователи.

Какие фреймворки для веб-разработки лучше использовать

Два наиболее популярных веб-фреймворка для Python — Django и Flask. Их рекомендуется использовать начинающим разработчикам.

В чём разница между Django и Flask

Отличную статью в ответ на этот вопрос подготовил Гарет Дуайер .

Основные различия:

• Flask — простой и гибкий фреймворк с очень подробными настройками. Пользователь может сам решать, как реализовывать те или иные вещи.
• Django предоставляет полный функционал для разработки приложений прямо «из коробки»: встроенный интерфейс администратора, API доступа к базам данных, ORM, и структуру каталогов для приложений и проектов.

Лучше воспользоваться:

• Flask, если цель разработчика — опыт и возможности обучения, или же если ему нужно самостоятельно выбирать, какие компоненты использовать (например, какие применять базы данных или как взаимодействовать с ними).
• Django, если главное — конечный продукт. Особенно, если нужно построить интуитивное приложение, например, новостной сайт, онлайн-магазин, блог, в котором пользователь сможет легко ориентироваться.

Таким образом, Flask предпочтительнее использовать новичкам, потому что этот фреймворк имеет не настолько богатый функционал, а также тем, кому важна возможность настроить его по своему усмотрению. Кроме того, благодаря своей гибкости Flask больше, чем Django, подойдёт для разработки REST API. С другой стороны, если требуется создать простой продукт, быстрее это получится сделать на Django.

2. Обработка данных (включая машинное обучение, анализ и визуализацию данных)

Что такое машинное обучение

Машинное обучении лучше объяснять на наглядном примере. Пусть нужно разработать программу, которая автоматически распознаёт изображённые на картинках объекты. На первой картинке программа должна опознать собаку.

На второй она должна распознать стол.

Первый путь — написать для этого специальный код. Например, если на картинке много светло-коричневых пикселей, значит, на ней нарисована собака. Или можно найти способ распознавать границы предметов: если на рисунке много прямых линий, то это — стол.

Очевидно, что такое решение будет бесполезным, если на картинке показана, например, собака светлого окраса, у которой вообще нет коричневой шерсти, или только круглая столешница без ножек. Именно здесь раскрываются перспективы машинного обучения.

В машинном обучении обычно используют алгоритм, который автоматически ищет заданный образ во входных данных. Например, можно ввести тысячу картинок с собаками и тысячу — со столами. Далее алгоритм машинного обучения выявит разницу между собакой и столом. Когда алгоритм получит новое изображение собаки или стола, то сможет идентифицировать объект.

То есть систему обучают на конкретных примерах: ей не указывают отдельные признаки того или иного предмета, а показывают множество изображений и говорят, что на всех из них нарисован этот предмет. Аналогичным образом обучаются

• системы распознавания лиц,
• системы распознавания голоса,
• рекомендательные системы сайтов вроде YouTube, Amazon или Netflix.

Самые широко известные алгоритмы машинного обучения:

• нейронные сети,
• глубокое обучение,
• метод опорных векторов,
• «случайный лес».

Любой из этих алгоритмов можно использовать для решения задачи с маркированием изображений выше.

Python для машинного обучения

Для Python есть популярные библиотеки и фреймворки машинного обучения. Две самые крупные из них — scikit-learn и TensorFlow . В scikit-learn встроены некоторые общеизвестные алгоритмы машинного обучения, о которых шла речь выше. TensorFlow — более низкоуровневая библиотека, которая позволяет строить пользовательские алгоритмы.

Как изучать машинное обучение

Чтобы изучить основы этой технологии, можно пройти курсы Стэнфордского университета или . Но для понимания некоторого материала понадобятся базовые знания матанализа и линейной алгебры.

Далее полученную информацию нужно закрепить на сайте Kaggle . Здесь можно соревноваться с другими разработчиками в создании лучшего алгоритма машинного обучения для различных задач. Сайт также предлагает полезные самоучители для начинающих.

Анализ данных и визуализация данных

В качестве примера можно взять аналитика данных воображаемой компании, занимающейся продажей товаров через интернет. Аналитик может представить результаты продаж в виде столбчатой диаграммы.

На диаграмме видно, что в заданное воскресенье покупатели мужского пола приобрели более 400 единиц товара, а женского — около 350. У специалиста может быть несколько предположений, почему возник этот разрыв.

Одно из очевидных объяснений — продукт более востребован среди мужчин, чем женщин. Другая возможная причина — недостаточно большая выборка, а разницу можно списать на случайность. Третий вариант — по какой-то причине мужчины склонны больше покупать этот продукт только в воскресенье. Чтобы понять, какое из объяснений истинно, можно нарисовать ещё одну диаграмму.

Необходимо принять во внимание статистику продаж не только в воскресенье, но и за всю неделю. Как видно из диаграммы, такая динамика прослеживается по всем дням. Этот небольшой анализ позволяет сделать вывод, что наиболее правдоподобная причина различия в продажах в том, что продукт просто более популярен среди мужчин, чем среди женщин.

Но если бы диаграмма выглядела так,

можно было бы заключить, что по той или иной причине мужчины активнее покупают этот товар только по воскресеньям.

Это очень простой пример анализа данных. И для этого компании используют в том числе Python, а для визуализации данных — библиотеку Matplotlib .

Анализ и визуализация данных на Python

Matplotlib — одна из наиболее распространённых библиотек для визуализации данных. Начинать лучше с неё потому, что она проста, а также потому, что на ней основаны некоторые другие библиотеки, например, seaborn . Поэтому знание Matplotlib поможет в будущем освоить и их.

Как изучать анализ и визуализацию данных на Python

В первую очередь нужно выучить основы. Ек Суги предлагает собственное вводное видео в анализ и визуализацию данных на Python и Matplotlib на YouTube, а также полный практический курс на образовательной платформе Pluralsight, который можно получить бесплатно после подписки на 10-дневный пробный период на сайте. После этого полезно изучить основы статистики, например, на Coursera и Khan Academy.

3. Написание скриптов

Что такое написание скриптов

Обычно под этим понимают создание небольших программ для автоматизации простых задач. Например, компании используют различные системы поддержки клиентов по электронной почте. Чтобы анализировать полученные сообщения, компаниям нужно подсчитать, какой их количество содержит определённые ключевые слова.

Это можно либо делать вручную, либо написать незамысловатую программу (скрипт) для автоматической обработки сообщений. Для подобных задач отлично подходит Python, главным образом благодаря относительно простому синтаксису и потому, что на нём можно легко и быстро писать и тестировать небольшие проекты.

Python и встраиваемые приложения

На этом языке ведут программирование многие разработчики для Raspberry Pi и других аппаратных основ.

Python и компьютерные игры

Для разработки игр можно использовать библиотеку PyGame, хотя существуют и более популярные игровые движки. На ней можно создавать любительские проекты, но для разработки серьёзных игр стоит поискать что-то получше.

Например, можно начинать с Unity на C# — это одна из самых общеизвестных сред разработки компьютерных игр. Она позволяет создавать межплатформенные игры для Windows, Mac, iOS и Android.

Python и десктопные приложения

Десктопные приложения можно разрабатывать на Python с помощью Tkinter, но это также не самый частый выбор: разработчики приложений для ПК предпочитают языки Java, C#, и C++. В последнее время некоторые компании для этого начали применять и JavaScript. Например, десктопное приложение Slack построено во фреймворке Electron, использующем JavaScript. Этот язык даёт возможность повторно использовать код из веб-версии приложения, если такая имеется.

Python 3 или Python 2

Лучше выбрать Python 3, потому что на сегодняшний день это более современная и более востребованная версия языка.