Python давно стал рабочим языком науки, анализа данных и искусственного интеллекта. На нём удобно проверять гипотезы, собирать прототипы и объяснять алгоритмы коллегам. Проблемы начинаются в тот момент, когда удачный эксперимент нужно превратить в быструю производственную систему. Тогда выясняется, что понятный Python-код не справляется с нагрузкой. Самые тяжёлые фрагменты приходится переносить на C++, Rust или Fortran, соединять два мира дополнительными интерфейсами и поддерживать фактически две версии одной идеи...

Python стал главным языком научных вычислений не потому, что быстрее конкурентов. Скорее наоборот: обычный цикл на Python способен проиграть хорошо скомпилированному коду в десятки, а иногда и в сотни раз. Python победил благодаря другому качеству — он позволяет быстро превратить идею в работающую программу. Но за эту лёгкость исследователи нередко платят дважды. Сначала они создают понятный прототип на Python, а затем переписывают самые тяжёлые участки на C, C++ или Rust. Между двумя частями приходится...