Olvasd el korábbi webináriumunk összefoglalóját, amelyen a Python kapta a főszerepet! Ez az egyszerűen tanulható és már-már játékos programozási nyelv sokoldalú megoldásaival és felhasználási területeivel a legtöbb fejlesztő fantáziáját megmozgatja. Az alábbiakban többek között arra kerestük a választ, minek is köszönheti hirtelen jött népszerűségét, illetve hogyan érdemes belevágni az elsajátításába. 

Ebben segítségünkre volt Barta Pál, az Interactive Brokers managing tech leadje, aki C++ területről váltott a Pythonra. Jelenleg pedig egy nemzetközi projektet vezetve dolgozik csapatával nagymennyiségű adatok feldolgozásán Python 3 alapokra építve. Szabó Dóra, aki biológia/etológia PhD-je alatt kezdett ismerkedni a Pythonnal az adatelemzés, statisztikai modellezés, gépi tanulás és vizualizációk oldaláról a Shapr3D Data Scientistjeként közelítette meg a témát. Nagy Dániel pedig fejlesztői szemszögből csatlakozott hozzánk, aki főleg linuxos környezetben használja a nyelvet automatizálásra, valamint asztali alkalmazások fejlesztésére. Részt vett például a Smart City tesztkörnyezetének tervezésében, kivitelezésében és üzemeltetésében is

Ha kíváncsi vagy a teljes beszélgetésre, a lenti videóra kattintva visszanézheted, vagy Spotify csatornánkon vissza is hallgathatod az egészet, de ha csak pár perced van, néhány fontosabb gondolatot az alábbiakban ki is emeltünk belőle. 

Minek köszönheti népszerűségét a Python? 

Kijelenthetjük, hogy a Python napjaink egyik legnagyobb népszerűségnek örvendő programozási nyelve, amit a fejlesztésen túl még számos területen használnak. Nagy Dániel, szoftverfejlesztő, aki részt vett a Smart City teszkörnyezetének tervezésében, kivitelezésében és üzemeltetésében így látja a Python népszerűségének titkát:

“Én úgy gondolom, hogy egyfelől az univerzalitása, hogy tényleg rengeteg mindenre lehet használni, már önmagában egy rendkívül hasznos dolog. […] A másik nagy előnye, amire a hasonló nyelvek közül nem sokan voltak képesek, hogy remekül együtt tud működni olyan nyelvekkel, amikkel teljesítménykritikus szoftvereket fejlesztenek. Ilyen például C, C++. Így nagyon könnyű hozzá olyan libraryket, modulokat,  csomagokat készíteni, amiket natívan megírunk C, C++-ban, így hiába a Python magában nem egy teljesítménykritikus nyelv, de amiket alá tudunk tenni közvetlenül, azok viszont hozzák az elvárt teljesítményt és ezért tudott a Data Science, mesterséges intelligencia és egyéb hasonló területeken is hódítani.”

Karrierutak Python fejlesztőként

Ahogy arra vendégünk is rámutatott, a Python felhasználási területei nem korlátozódnak kizárólag a fejlesztés területére. Éppen könnyű tanulhatósága az egyik legfontosabb tényező ugyanis az adatelemzéssel, Data Science-el foglalkozók számára, akik így hatékonyan tudnak létrehozni statisztikai modelleket és adatvizualizációkat, a machine learning területén pedig átadni információkat a tanulást végző mesterséges intelligencia részére. 

Ezzel kapcsolatban Szabó Dóra, a Shapr3D Data Scientistje osztotta meg velünk tapasztalatait és meglátásait, aki biológia/etológia PhD-je alatt kezdett el megismerkedni a Python nyelvvel. 

“Szerintem a Data Science-eseknél annyiféle toolt kell párhuzamosan összeszedni és megtanulni használni, főleg ha valamilyen más elemzői háttérből indulnak, hogy nekünk nem célunk nagyon magas minőségű fejlesztővé válni. Nekünk össze kell hozni a statisztikát azzal, hogy valamennyire elfogadható és gyors kódot írjunk és azzal, hogy jól tudjunk kommunikálni mindenkivel, akivel a munkánk során együtt kell dolgozni és megértsük az ő gondolkodásukat, hogy minél hamarabb és minél hasznosabb információkat, insightokat adjunk vissza. […] Nekem nem az lesz a mérőszámom, hogy az én kódom pontosan 99 pontot érjen el, hanem hogy megértettem-e, hogy mit szeretne az üzleti döntéshozó visszakapni és képes vagyok-e azt olyan formában prezentálni, hogy az hasznos legyen az ő döntésében.”

A Python alapvető fogalmait és használatát már 3 hét alatt elsajátíthatod BME-vel közös képzésünkön. Erről további információt ide kattintva találhatsz. 

Érdemes megjegyezni ugyanakkor, hogy ha magasabb szinten szeretnénk Python fejlesztéssel foglalkozni, akkor érdemes átfogó gyakorlati tudásra szert tenni. Ez előfordulhat akkor, ha például munkánk során találkozhatunk több száz, vagy épp ezer soros kódokkal, ami fejlesztőként, Data Scientistként és machine learning területén is megeshet. 

“Az én tapasztalatom az, hogy főleg kódmérettől függ az is, hogy mennyire kell általános szoftverfejlesztői tudással rendelkezni és milyen szinten. Mondjuk egy kisebb 50, max. 100 soros kódnál nem annyira kell még ismerni az öröklődést és a memóriakezelést és hasonlókat. Viszont ha már 5-10 ezer sorból áll a kód, akkor tudni kell megérteni a kódot, ami ilyen nagymennyiségű és rengeteg fájlra van szétosztva és tudni kell akár refaktorálni” – tette hozzá Nagy Dániel, aki üzemeltetői területről váltott Python fejlesztésre.

A Python tanulási görbéje: hol érdemes kezdeni?

A Python egyszerűsége miatt ideális belépő szintű nyelv a programozás területére. Mivel nagyon közel áll az angolhoz, megértése és elsajátítása így viszonylag kevés időt vesz igénybe. Például a C-hez vagy Javahoz hasonló bonyolultabb nyelvekhez képest. Barta Pál, az Interactive Brokers managing tech leadje saját tapasztalatai alapján azonban mégis úgy véli, érdemes alacsonyabb szintről indítani a tanulást, ha van rá lehetőségünk. Ez ugyanis a folyamatok nagyobb megértését teszi lehetővé. 

“A C++ egy nagyon jó alapozó dolog. Nekem az a tudás nagyon hasznos, hogy látom, hogy működik Python alatt az ami kijön az én kezemből és nekem nem kell azon gondolkoznom, hogy hogyan kezelje a memóriát és hogyan vannak a low level dolgok, amiket a C++ nem csinál meg helyettem, de hogyha kell rá gondolnom, akkor végig tudom gondolni. Illetve ott van a fejelm hátuljában folyamatosan, hogy miközben írom ezt a magas szintű  Python kódot, mi történik alacsonyabb szinteken. És hogyha stimmel az elméletem, akkor az egy megerősítés, hogy jól fog működni.”

Ilyen karrierút esetén felmerül a kérdés, hogy mennyi idő után jön el az a pillanat, amikor valaki már Python fejlesztőnek mondhatja magát. Vendégünknél ez nagyjából két évet vett igénybe, amikor már nem C++ kódot próbált írni Python nyelven, hanem valódi Python kódok kerültek ki a keze alól. Ez persze nincs kőbe vésve, attól függően, hogy mennyi időt és energiát tudunk rászánni, részt veszünk-e tematikus képzésen, vagy inkább egyedül tanulunk, ez az időtartam lefelé és felfelé is változhat. 

Egy mentorált képzés nagyot lendíthet a folyamaton, hiszen a szükséges tudás mellett olyan senior fejlesztői támogatást is nyújt, amit kezdő Python fejlesztőként nem biztos, hogy rögtön megtalálhatsz a csapatodban. Ha kíváncsi vagy a lehetőségeidre, látogass el honlapunkra és nézd meg 12 hetes átfogó Python alapképzésünk tematikáját, vagy kóstolj bele a Pythonba 3 hetes alapozó kurzusunk keretében!