Ответы на вопросы с知乎

Как продвинуться после изучения основ Python?

Если вы уже освоили базовые конструкции Python и хотите узнать, как дальше развиваться, сперва задайте себе вопрос: что именно вы хотите делать с помощью Python? В настоящее время возможные направления трудоустройства после обучения Python включают следующие области. Я привёл ключевые технологии, необходимые для каждой из этих областей.

Примечание: ниже представлены данные, взятые с основных сайтов по поиску работы и портала Zhilian.| Должность | Требуемые навыки | Количество вакансий | | ---------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------- | -------------------- | | Инженер-разработчик backend на Python | Основы Python
Django / Flask / Tornado / Sanic
RESTful / документация API
MySQL / Redis / MongoDB / Elasticsearch
Linux / Git / Scrum / PyCharm | Большая | | Инженер-разработчик скрапинга на Python | Основы Python
Стандартные библиотеки и сторонние пакеты
Scrapy / PySpider
Selenium / Appium
Redis / MongoDB / MySQL
Frontend / HTTP(S) / инструменты отладки | Умеренная | | Инженер-разработчик квантовых финансовых систем на Python | Основы Python
Структуры данных / алгоритмы / шаблоны проектирования
NoSQL (KV-базы данных)
Финансы (孖展、期权、期货、股票) / цифровые валюты | Большая (в крупных городах) | | Инженер-аналитик данных Python /
Инженер машинного обучения на Python | Статистика / математика / компьютерные науки
Основы Python / проектирование алгоритмов
SQL / NoSQL / Hive / Hadoop / Spark
NumPy / Scikit-Learn / Pandas / Seaborn
PyTorch / TensorFlow / OpenCV | Большая (в крупных городах) | | Инженер автоматизированного тестирования на Python | Основы Python / юнит-тестирование / основы тестирования программного обеспечения
Linux / Shell / JIRA / 禅道 / Jenkins / CI / CD
Selenium / Robot Framework / Appium
ab / sysbench / JMeter / LoadRunner / QTP | Большая || Инженер автоматизации операционной среды на Python | Основы Python / Linux / Shell
Fabric / Ansible / playbook
Zabbix / Saltstack / Puppet
Docker / Paramiko | Умеренный уровень (в крупных городах) | | Инженер разработки облачных платформ на Python | Основы Python
OpenStack / CloudStack
Ovirt / KVM
Docker / Kubernetes | Умеренный уровень (в крупных городах) |Если вы определились с направлением своего будущего развития, можно начать целенаправленное обучение. Ниже представлен список рекомендованных книг.1. Введение

• "Python: От новичка до профессионала" (Beginning Python From Novice to Professional)
• "Учебник по Python" (Learning Python)
• "Программирование на Python" (Programming Python)
• "Python: Краткий курс" (Python Crash Course)
• "Python Cookbook"

2. Продвинутый уровень
   • "Софтварная архитектура на Python" (Software Architecture with Python)
   • "Гладкое программирование на Python" (Fluent Python)
   • "Паттерны проектирования на Python" (Learning Python Design Patterns)
   • "Профессиональное программирование на Python" (Expert Python Programming)
   • "Мастерство в высокопроизводительном программировании на Python" (Mastering Python High Performance)
3. Базы данных
   • "MySQL: Быстрый старт" (MySQL Crash Course)
   • "Глубокое понимание MySQL: Разработка, оптимизация и управление базами данных"
   • "MongoDB: Официальное руководство" (MongoDB: The Definitive Guide)
   • "Redis в действии" (Redis in Action)
   • "Разработка и эксплуатация Redis"
4. Linux / Shell / Docker / DevOps
   • "Личный учебник по Linux от Бирта" (Bird's Private Linux Cookbook)
   • "Библия командной строки Linux и shell-скриптов" (Linux Command Line and Shell Scripting Bible)

• "Автоматизация операционного управления с помощью Python" (Python Automation for Operations: Techniques and Best Practices)
• "Первый учебник по Docker" (The Docker Book)
• "Классический пример использования Docker" (Docker Cookbook)

5. Django / Flask / Tornado

   • "Основы Django" (Tango with Django)

   • "Лёгкий Django" (Lightweight Django)

   • "Мастерство в Django" (Mastering Django: Core)

   • "Тест-драйв Python: методология тестового развития" (Test-Driven Development with Python)

   • "Два ложечника Django: лучшие практики Django 1.8" (Two Scoops of Django: Best Practices for Django 1.8) - "Разработка веб-приложений на Python с использованием Flask" (Flask Web Development: Developing Web Applications with Python)

   • "Мастерство в Flask" (Mastering Flask)

   • "Введение в Tornado" (Introduction to Tornado)

6. Разработка парсеров

   • "Написание сетевых парсеров на Python" (Web Scraping with Python)

   • "Освоение фреймворка парсеров Scrapy на Python" (Learning Scrapy)

   • "Извлечение данных из сети с помощью Python" (Web Scraping with Python)

   • "Разработка парсеров на Python: проекты и практические задачи" (Python 3 Web Scraping Cookbook)

7. Анализ данных

   • "Использование Python для анализа данных" (Python for Data Analysis)
   • "Руководство по Python для данных наук" (Python Data Science Handbook)
   • "Python для финансового анализа больших данных" (Python for Finance)
   • "Python для визуализации данных. Книга рецептов" (Python Data Visualization Cookbook)
   • "Обработка данных с помощью Python" (Data Wrangling with Python)

8. Машина обучения

   • "Основы машинного обучения с использованием Python" (Introduction to Machine Learning with Python)

   • "Практическое руководство по машинному обучению с Python" (Python Machine Learning Blueprints)

   • "Машинное обучение с Python: тест-драйв методика" (Thoughtful Machine Learning with Python A Test Driven Approach)

   • "Классический рецепт машинного обучения с Python" (Python Machine Learning Cookbook)

   • "TensorFlow: практический гид по глубокому обучению Google" (TensorFlow: Practical Deep Learning with TensorFlow)

9. Другие книги - Pro Git

   • Автоматизация тестирования с Selenium на Python (Learning Selenium Testing Tools with Python)
   • Путь с Selenium: автоматизация тестирования с Selenium
   • Программирование со скрамом (Software Development using Scrum)
   • Эффективное командное программирование: инструменты и методыКонечно, самое важное при изучении программирования — это повышение своих навыков через проекты. На GitHub есть множество качественных открытых проектов, среди которых немало хороших Python проектов. Есть проект под названием "awesome-python-applications", который классифицирует эти ресурсы и предоставляет ссылки на них. Также рекомендую проект «Python-100-Days», где представлено множество качественных учебных материалов по Python (включая документацию, код и связанные ресурсы).

Если самостоятельное обучение затруднительно, можно воспользоваться бесплатными или платными видеоуроками онлайн; если же вы не можете следовать расписанию самостоятельно, то лучше всего будет потратиться на курс или тренировочный лагерь, так как обучение под присмотром часто является более эффективным способом. Но помните: "Учителя могут показать вам дорогу, но успех зависит от вас". Выбирайте то, что вам действительно интересно, и работайте над этим с полной самоотдачей, не следует слепо следовать за модой.

Когда я только начал свою карьеру в области программирования, мне кто-то сказал эту фразу, которую я хочу поделиться с вами: "Нервные люди бывают двух типов: те, кто наблюдают, но не учатся, и те, кто учатся, но не продолжают учиться. Оба типа людей не являются мастерами."