Добрый день, дорогой читатель!
Python можно по праву назвать самым хайповым языком программирования за последние 6 лет, который был сильно недооценен и ворвался в рейтинги самых известных языков мира буквально за несколько лет. Когда это произошло?
Я считаю так: питон залетел в топ-рейтинги, когда все компании мира осознали, каким объемом информации они владеют и пришло время все это проанализировать и начать с этим работать системно. С тех пор в рынке вакансий достаточно востребована и известна профессия Data Science Analyst.
В 2020 году, согласно отчету RedMonk, Python стал вторым по популярности языком программирования после Java Script и сместил Java.
Круто, правда. Язык очень универсальный, с простым и понятным синтаксисом, а его области применения в современном мире безграничны.
Я активно его учу последние полгода, но для меня это скорее хобби, чем профессиональная потребность, учитывая что моя текущая позиция никак не связана с программированием, да я программировать я никогда не умел. Честно скажу, что в части анализа данных с ним не сложнее, чем с Excel, по крайней мере в базовых задачах.
Теперь давайте в детали.
Основные области применения Python
- Веб-разработка
- Data science: машинное обучение, анализ и визуализация данных
- Автоматизация процессов
Лично мне интересны последние два пункта, поскольку для себя в них я вижу большее применение и интерес, чем веб-разработка, поскольку с этими двумя пунктами достаточно активно связана моя работа, но уровень развития компании пока не подошел глобально к понятиям аналитиков Data Science, поэтому я медленно, но верно, протаптываю дорогу будущим поколениям стажеров и сотрудников.
Где и что учить?
Поскольку я только начал этот путь, скажу одно - платформ для изучения огромное количество, у всех свои плюсы и минусы, но на что рекомендую обратить внимание при выборе платформы:
- Чего дается больше: теории или практики? Избыток теории перегрузит мозг и не даст эффекта. Деньги на ветер. С Python я понял одно - нужно практиковать. Придумывать кейсы и пытаться их реализовать. Навык и понимание работы языка приходит, дальше в Яндексе находятся ответы на все вопросы, а по Python ответов на, казалось бы, новые проблемы с избытком.
- Формат: видео-уроки или практические задания? Откажитесь от видео-форматов. Пересмотрев много видео, я в процессе переписывал код, поскольку в реальности код на видео у тебя работать не будет. Как решить - добро пожаловать в Яндекс и снова практика.
Для себя я выбрал в качестве теста Codecademy. Платформа англоязычная, но если учите язык программирования - это не проблема. Большое количество языковых курсов, все самое необходимое, Она бесплатная по части курсов, что дает возможность оценить формат, но за расширенные знания придется платить $20 в месяц. По своей практике скажу, что оно того стоило.
Формат следующий. Экран бьется на три части:
- Слева - задание
- В центре - код
- Справа - итог кода
Сделано круто. Задачи интересные, логика четкая, без воды. В конце больших блоков даются большие проекты на подумать головой и на собственном ПО за пределами сайта, чтобы наращивать навык работы в софте.
Я прошел курс "Analyze data with Python" за несколько недель. Он закрыл 99% моих потребностей по анализу данных и я перешел к самостоятельной практике, но переодически возвращаюсь к платформе за вопросами, сообщество на платформе тоже сильно развито.
Совет - делайте перерывы, не пытайтесь пройти курс наскоком, дайте мозгу принять и осознать то, что вы учите! Это очень важно при изучении любых материалов, а не только Python.
На чем и как можно заработать. Советы.
Опять скажу, возможности безграничны. Берешь любое из направлений выше и в путь. Но что важно понимать, в силу хайпа - рынок достаточно плотно забит опытными специалистами, которые дерутся за каждый заказ. Можно поиграть на биржах-фриланса, но первый заказ, который создаст дальнейшую тягу, можно искать месяцами.
Кроме того, на биржах много типовых заданий и пока начинающих специалисты ищут решение, у опытных оно уже есть. Дальше "CTRL + C", "CTRL + V" и немного пошлифовать. На таком поле бессмысленно сражаться, но попробовать стоит, чтобы узнать рынок.
Для себя я вижу потенциал в направлении аналитики данных бизнеса по двум причинам:
- Не каждый, кто может написать отличный код, может разобраться в бизнесе и понять, что нужно заказчику
- Не каждый бизнес еще понимает, что ему нужно анализировать данные и зачем это нужно
Поэтому рекомендую вам прислушаться к следующим весьма рабочим советам:
- Совет 1 - Найдите друзей или знакомых с любым бизнесом, кто не работает с анализом данных или делают это крайне плохо, но есть хоть какая-то система учета. Любые данные можно проанализировать. Для вас это тест кейсы.
- Совет 2 - Покажите им выгоду от анализа и делайте им это просто так. Они получают анализ, вы опыт
- Совет 3 - Ищите больше друзей и опыта. Делитесь идеями своих проектов, именно в неформальных разговорах находятся заказчики.
- Совет 4 - Если хоть кто-то из ваших друзей/знакомых решил с этим работать системно, а вы уже в задачах разбирайтесь, а не учитесь, обсудите вопрос небольшой оплаты. Даже 500 руб. за отчет, но для вас это уже клиент, который платит
- Совет 5 - повторяем советы 1-4, пока не получим стабильную рабочую базу
Надеюсь, что данная статья приоткрывала вам завесу тайны в мир анализа данных и почему это стоит попробовать.
Спасибо, что дочитали до конца. Ставьте лайки, подписывайтесь на блог и телеграм канал, оставляйте свои комментарии и мысли.
Успехов и хорошего дня!
