Давайте начистоту: идеальный мир, где студент выбирает тему диплома в сентябре, каждую неделю ходит к научнику и пишет по абзацу в день, существует только в методичках минобразования. В реальности 80% нормальных людей обнаруживают себя в ситуации: «До защиты неделя, у меня готов только титульный лист, а в коде я умею писать только print("Hello World")».
И тут начинается паника. Купить готовый диплом? Дорого, и на антиплагиате или кодинг-интервью у доски тебя срежут на первом же вопросе «А что делает эта функция?». Писать с нуля что-то великое? Физически не успеешь.
Но у нас есть козырь - Python. Это язык, на котором можно собрать работающий проект с элементами искусственного интеллекта и анализа данных буквально на коленке, просто правильно соединив нужные библиотеки.
Сегодня мы запускаем сериал о том, как за 7 дней написать дипломный проект, за который не будет стыдно перед комиссией.
Какой проект мы будем делать?
Комиссия на защите обожает две вещи: Data Science (анализ данных) и автоматизацию. Если в названии вашего диплома есть эти слова, половина успеха в кармане.
Мы напишем «Интеллектуальную систему анализа ИТ-вакансий и автоматического подбора резюме».
Что она будет делать:
. Парсить (скачивать) реальные вакансии с сайтов работы по заданным тегам (например, Python Django Junior).
. Анализировать, какие навыки (скиллы) сейчас требуют чаще всего, и строить красивые графики.
. Принимать на вход PDF-файл с вашим резюме, сравнивать его с требованиями рынка с помощью простейшей нейросети и выдавать вердикт: «Чувак, тебе надо доучить Docker, чтобы тебя взяли вот в эти 10 компаний».
Выглядит как работа серьезного инженера на полгода? Да. На деле - не больше касаря строк кода на Python, если знать, какие библиотеки использовать.
План нашего спасения на неделю:
. День 1-2 Выбираем стек, набрасываем архитектуру (чтобы было что вставить в теоретическую часть диплома) и готовим окружение.
. День 3-4 Пишем парсер вакансий. Учим программу собирать данные из интернета.
. День 5 Подключаем анализ текста и превращаем хаос из вакансий в красивые графики и статистику.
. День 6 Делаем простейший веб-интерфейс, чтобы показать комиссии красивую кнопочку «Запустить анализ», а не черный экран консоли.
. День 7 Прогоняем текст через Антиплагиат, крестимся и идем сдаваться.
Технологический стек
Никаких тяжелых баз данных и сложных фреймворков. Наш набор выживания:
. BeautifulSoup / Requests Чтобы воровать... то есть, парсить данные с сайтов.
. Pandas + Matplotlib Главные инструменты любого дата-сайентиста. Они превратят кучу текста в красивые таблицы и графики для презентации.
. Streamlit Секретное оружие. Библиотека, которая позволяет сделать веб-сайт из Python-скрипта за 10 минут без знания HTML и CSS.
В следующей серии мы перейдем к практике: настроим виртуальное окружение и напишем первую рабочую функцию, которая вытащит реальные данные из сети.