Требования к Python-разработчику на мировом рынке 2019 года

Исследование о наборе навыков, необходимых Python-разработчику в 2019 году. Будьте самым востребованным на мировом рынке труда!

Команда CV Compiler (доступно по VPN) обработала 300 требований к Python-разработчику, взятых на StackOverflow, AngelList, LinkedIn и других площадках. Результатом стал представленный ниже рейтинг упоминания навыков. Числа соответствуют числу упоминаний каждого навыка.

Среди не вошедших в чарт нередко упоминаемых навыков оказались юнит-тестирование (32), непрерывное развертывание (30), MongoDB (30) и ООП (30). Среди навыков машинного обучения наиболее часто упоминаются Pandas (29), NumPy (24), SciPy (15) и Scikit-Learn (11).

Конечно, необходимость навыков определяется тем, как именно вы используете Python. Если вы инженер по машинному обучению, вам не обязательно знать Django.

Обратите внимание: описываемое исследование показывает тенденции на рынке труда, но не предпочтения разработчиков. Рейтинг может отличаться от списка технологий, которые большинство Python-разработчиков предпочитают использовать в работе. Если вам интересна эта обратная сторона, посмотрите обзор от Python Software Foundation или Octoverse GitHub.

Исследователи поделились результатами с несколькими экспертами. Приведем примеры цитат.

Майкл Фурд, разработчик ядра Python. Создатель «mock» (теперь часть стандартной библиотеки unittest.mock):

«В настоящее время абсолютным стандартом для разработчиков является знакомство с Git, GitHub и Travis CI. Тестирование с pytest и – в разумных пределах – unittest.mock также жизненно необходимо для хорошо управляемого проекта. Контейнерные технологии и технологии виртуализации (Docker, lxc, AWS, Azure, Kubernetes и OpenStack) совершенно естественны как для разработки, так и для развертывания. Создание артефактов с развертыванием промежуточной версии инфраструктуры, тестирование, развертывание в рабочей среде, при необходимости откат к предыдущей версии, – всё это должно выполняться по одному клику.

Django по-прежнему популярен и полезен. Мощной, но пока не столь востребованной комбинацией является пара Flask и SQLAlchemy. Что касается Data Science, то это восходящая звезда мира Python. Библиотека Pandas, Numpy и SciPy – инструменты, которые пользуются большим спросом наряду с блокнотами Jupyter. В этой сфере также важно знание баз данных».

Михаил Кашкин, системный архитектор и эксперт по языку Python:

«Проведенное исследование довольно четко показывает направление развития мира разработки. AWS, Docker, облачные вычисления и Kubernetes довольно новы, но уже стали частью повседневной рутины программистов. Это не значит, что Python-разработчику нужно знать все нюансы этих технологий, но вы будете ежедневно с ними сталкиваться.

Машинное обучение – это в 9 случаях из 10 язык программирования Python. Python-разработчику не нужны навыки машинного обучения. И, напротив, если вы выбираете машинное обучение или ИИ, вам, скорее всего, понадобится язык Python.

Слово «микросервисы» разместилось в чарте близко к Go, REST и API. Однако это небольшое слово незаметно меняет весь рынок. Я рекомендую потратить время на понимание того, в чем это может проявляться».

Трей Ханнер, тренер команды Python и Django, бывший директор Фонда программного обеспечения Python:

«Я не думаю, что есть одна вещь, которую стоит изучить/знать Python-разработчику, чтобы преуспеть. Наука о данных, DevOps, веб-разработка и автоматизация – совершенно разные области, но все они относятся к разработке на Python. Тем не менее, клиенты всё чаще спрашивают меня об инструментах Data Science».

Майк Дрисколл, автор книг по Python, блогер, участник учебной команды Real Python:

«За последние год или два я побывал на нескольких собеседованиях. Определенно есть много работодателей, которым нужен AWS или другой опыт работы с облачными вычислениями. В дополнение к этому я вижу большой рост в области науки о данных и машинного обучения. Как показывает это исследование, остается востребованным и направление веб-разработки».

Ниже представлены списки ресурсов, используемых для оттачивания навыков опытными разработчиками Python по всему миру.

Ресурсы, связанные непосредственно с Python (включая веб-разработку)

• RealPython содержит полный набор руководств по Python. У них также есть вдохновляющий канал на YouTube, созданный Дэном Бадером.
• Python Weekly – курируемый еженедельный бюллетень, в котором публикуются статьи, релизы и вакансии.
• Этот сайт Кеннет Рейтц полон ресурсов Python для опытных разработчиков, инженеров и ученых.
• На канале Sentdex на YouTube Харрисоном Кинсли записаны огромные плейлисты о фреймворке Django, ML, Python & Finance и т. д.
• В своем блоге Мигель Гринберг написал около 80 статей, посвященных Flask.

Наука о данных, машинное обучение и искусственный интеллект

• Технические заметки Криса Албона по внедрению Data Science и ИИ. Охватываемые темы также включают AWS и Linux.
• Keras – не только одна из популярнейших библиотек работы с нейронными сетями, но и сообщество с полезным тематическим блогом.
• Набор учебников по Scikit-Learn для тех, кто хочет освоить Python для научных вычислений и Data Science.
• Руководство по компьютерному зрению и глубокому обучению от Эдриана Роузброка.

Как показывают конференции, среди зарубежных разработчиков в качестве средства самопрезентации наиболее популярен твиттер. Кроме приведенных выше ссылок, есть еще несколько интересных:

• @kennethreitz? –? создатель Pipenv и Requests.
• @dabeaz? –? автор Python Cookbook.
• @raymondh? –? разработчик ядра Python.
• @1st1?– ?разработчик ядра Python, основатель EdgeDB.
• @adrianholovaty? – один из создателей Django.
• @jacobian? – ?один из создателейf Django.
• @pydanny? – ? один из соавторов книги Two Scoops of Django, open source программист.
• @ixek? – советник по облачной разработке в Microsoft.

Оригинал исследования на сайте сервиса (доступно через VPN)

Телеграм: t.me/ainewsline

Источник: proglib.io

Комментарии: