Требования к Python-разработчику на мировом рынке 2019 года

Исследование о наборе навыков, необходимых Python-разработчику в 2019 году. Будьте самым востребованным на мировом рынке труда!

Требования к Python-разработчику на мировом рынке 2019 года

Команда CV Compiler (доступно по VPN) обработала 300 требований к Python-разработчику, взятых на StackOverflow, AngelList, LinkedIn и других площадках. Результатом стал представленный ниже рейтинг упоминания навыков. Числа соответствуют числу упоминаний каждого навыка.

Навыки, необходимые Python-разработчику на мировом рынке 2019 года

Среди не вошедших в чарт нередко упоминаемых навыков оказались юнит-тестирование (32), непрерывное развертывание (30), MongoDB (30) и ООП (30). Среди навыков машинного обучения наиболее часто упоминаются Pandas (29), NumPy (24), SciPy (15) и Scikit-Learn (11).

Конечно, необходимость навыков определяется тем, как именно вы используете Python. Если вы инженер по машинному обучению, вам не обязательно знать Django.

Обратите внимание: описываемое исследование показывает тенденции на рынке труда, но не предпочтения разработчиков. Рейтинг может отличаться от списка технологий, которые большинство Python-разработчиков предпочитают использовать в работе. Если вам интересна эта обратная сторона, посмотрите обзор от Python Software Foundation или Octoverse GitHub.

Мнения экспертов о тенденциях в мире Python

Исследователи поделились результатами с несколькими экспертами. Приведем примеры цитат.

Майкл Фурд, разработчик ядра Python. Создатель «mock» (теперь часть стандартной библиотеки unittest.mock):

«В настоящее время абсолютным стандартом для разработчиков является знакомство с Git, GitHub и Travis CI. Тестирование с pytest и – в разумных пределах – unittest.mock также жизненно необходимо для хорошо управляемого проекта. Контейнерные технологии и технологии виртуализации (Docker, lxc, AWS, Azure, Kubernetes и OpenStack) совершенно естественны как для разработки, так и для развертывания. Создание артефактов с развертыванием промежуточной версии инфраструктуры, тестирование, развертывание в рабочей среде, при необходимости откат к предыдущей версии, – всё это должно выполняться по одному клику.

Django по-прежнему популярен и полезен. Мощной, но пока не столь востребованной комбинацией является пара Flask и SQLAlchemy. Что касается Data Science, то это восходящая звезда мира Python. Библиотека Pandas, Numpy и SciPy – инструменты, которые пользуются большим спросом наряду с блокнотами Jupyter. В этой сфере также важно знание баз данных».

Михаил Кашкин, системный архитектор и эксперт по языку Python:

«Проведенное исследование довольно четко показывает направление развития мира разработки. AWS, Docker, облачные вычисления и Kubernetes довольно новы, но уже стали частью повседневной рутины программистов. Это не значит, что Python-разработчику нужно знать все нюансы этих технологий, но вы будете ежедневно с ними сталкиваться.

Машинное обучение – это в 9 случаях из 10 язык программирования Python. Python-разработчику не нужны навыки машинного обучения. И, напротив, если вы выбираете машинное обучение или ИИ, вам, скорее всего, понадобится язык Python.

Слово «микросервисы» разместилось в чарте близко к Go, REST и API. Однако это небольшое слово незаметно меняет весь рынок. Я рекомендую потратить время на понимание того, в чем это может проявляться».

Трей Ханнер, тренер команды Python и Django, бывший директор Фонда программного обеспечения Python:

«Я не думаю, что есть одна вещь, которую стоит изучить/знать Python-разработчику, чтобы преуспеть. Наука о данных, DevOps, веб-разработка и автоматизация – совершенно разные области, но все они относятся к разработке на Python. Тем не менее, клиенты всё чаще спрашивают меня об инструментах Data Science».

Майк Дрисколл, автор книг по Python, блогер, участник учебной команды Real Python:

«За последние год или два я побывал на нескольких собеседованиях. Определенно есть много работодателей, которым нужен AWS или другой опыт работы с облачными вычислениями. В дополнение к этому я вижу большой рост в области науки о данных и машинного обучения. Как показывает это исследование, остается востребованным и направление веб-разработки».

Какие ресурсы нужны Python-разработчику для совершенствования навыков?

Ниже представлены списки ресурсов, используемых для оттачивания навыков опытными разработчиками Python по всему миру.

Ресурсы, связанные непосредственно с Python (включая веб-разработку)

Наука о данных, машинное обучение и искусственный интеллект

Чтобы быть в курсе

Как показывают конференции, среди зарубежных разработчиков в качестве средства самопрезентации наиболее популярен твиттер. Кроме приведенных выше ссылок, есть еще несколько интересных:

  • @kennethreitz  –  создатель Pipenv и Requests.
  • @dabeaz  –  автор Python Cookbook.
  • @raymondh  –  разработчик ядра Python.
  • @1st1 –  разработчик ядра Python, основатель EdgeDB.
  • @adrianholovaty  – один из создателей Django.
  • @jacobian  –  один из создателейf Django.
  • @pydanny  –   один из соавторов книги Two Scoops of Django, open source программист.
  • @ixek  – советник по облачной разработке в Microsoft.

Источник

Оригинал исследования на сайте сервиса (доступно через VPN)

А на что делаете ставку вы в 2019 году?

МЕРОПРИЯТИЯ

Комментарии

ВАКАНСИИ

Добавить вакансию
Data Scientist
Москва, от 1000 EUR до 1500 EUR
Junior Product Manager
Москва, от 80000 RUB до 100000 RUB
Team Lead Python
Москва, от 300000 RUB до 400000 RUB

ЛУЧШИЕ СТАТЬИ ПО ТЕМЕ