Что можно делать на питоне

Сферы применения Python

У Python всегда найдется несколько способов применения, которые заинтересуют даже опытных разработчиков. Что уж говорить о начинающих!

Не нужно быть профессионалом, чтобы начать работу с Python — это его главное достоинство. Синтаксис Python делает код похожим на естественный язык, благодаря чему его легко изучать.

В данной статье будет перечислено все, что можно сделать с помощью Python: от простых приложений, не требующих от разработчика особой подготовки, до продвинутых продуктов, для создания которых нужны знания в других областях, помимо программирования.

Автоматизация

Это самый простой способ применения Python. Не нужно становиться экспертом, чтобы создать простую автоматизацию, которая избавит от выполнения повторяющихся задач.

Достаточно только найти то, что стоит автоматизировать, а затем изучить библиотеки Python, которые помогут выполнить эту задачу.

Что стоит автоматизировать? Да что угодно. Вот лишь несколько сценариев.

• Автоматизация утренних новостей.
• Отправка электронных писем.
• Автоматизация отчетов Excel.
• Сообщения в WhatsApp.
• Tinder.

Вот как я использовал Python для отправки сообщений в WhatsApp.

Написав скрипт для автоматизации задачи, можно запланировать его выполнение на любое удобное время. Забудьте о том, чтобы выполнять скучные задачи вручную!

Если вы еще не определили для себя отправную точку, стоит начать с веб-автоматизации. Существует множество сайтов, которые можно автоматизировать с помощью одной библиотеки Python — Selenium.

Веб-скрейпинг

Веб-скрейпингом называется сбор данных с сайтов. Это навык, которым должны обладать аналитики данных и специалисты по исследованию данных. Но его можно использовать в любой области, где есть потребность в данных.

Веб-скрейпинг — это техника, которая заключается в создании скрейперов (автоматических ботов), извлекающих миллионы точек данных из интернета. Это похоже на копирование данных с сайта и последующую вставку их в электронную таблицу. Однако, если на выполнение такой задачи вручную могут уйти часы, то веб-скрейпер справится за пару минут (или секунд).

В этом 3-минутном видео (на английском языке) показано все, что нужно знать о веб-скрейпинге.

Вот как выглядит этот процесс (все действия выполняются ботом, данные автоматически извлекаются и печатаются в текстовом редакторе Python).

В Python можно скрейпить сайты с помощью таких библиотек, как Beautiful Soup, Selenium и Scrapy.

• Beautiful Soup — простая в освоении библиотека, но у нее много ограничений.
• Selenium — это библиотека для автоматизации веб-процессов, которая может скрейпить сайты на JavaScript, но особой скоростью не отличается.
• Scrapy — надежный фреймворк со множеством функциональных возможностей, который работает быстрее, чем две другие библиотеки.

Анализ данных и наука о данных

Данные — одна из самых ценных элементов интернета. Некоторые даже называют данные “новой нефтью XXI века”.

Даже если это не так, невозможно отрицать то, что в интернете и у крупных организаций хранится огромный объем данных. По прогнозам IBM, в 2020 году глобальный объем данных достиг 35 зеттабайт.

При наличии такого количества данных растет спрос на профессионалов, способных работать с ними и извлекать из них пользу. Именно здесь в игру вступают аналитики и специалисты по исследованию данных.

При анализе данных Python помогает в процессах их очистки и обработки, а также при создании визуализаций. Для этого используются конкретные библиотеки Python — Pandas, Numpy, Matplotlib и Seaborn.

Специалисты в сфере науки о данных обычно используют Python для разработки моделей машинного обучения, которые предсказывают результаты на основе переданных данных.

Информация об использовании Python в науке о данных, изложенная в 5-минутном видео:

Поскольку машинное обучение часто применяется в науке о данных, следует изучить sklearn — базовую библиотеку для машинного обучения на Python. Она является основой для других продвинутых библиотек Python, таких как TensorFlow и Keras.

Вот примеры моделей, которые можно построить с помощью машинного обучения:

• обнаружение фейковых новостей;
• выявление мошенничества с кредитными картами;
• прогнозирование оттока клиентов.

Веб-разработка

С помощью Python можно даже создать собственный сайт!

У Python есть несколько фреймворков, таких как Flask и Django, которые позволяют разрабатывать бэкенд сайта. Конечно, для создания фронтенда все равно придется использовать HTML, CSS и JavaScript. Однако вам не о чем беспокоиться, поскольку HTML — очень простой язык, а использование Bootstrap позволит не создавать код CSS и JavaScript с нуля.

Многие сайты используют Python для разработки бэкенда, например Reddit.

Машинное обучение и искусственный интеллект

Машинное обучение — это направление ИИ, которое позволяет машине автоматически обучаться на основе прошлых данных без явного программирования.

Для этого одного Python недостаточно. Здесь потребуются знания по линейной алгебре, исчислениям и многим другим областям. При этом в Python можно использовать такие высокоуровневые библиотеки, как Numpy, Pandas, PyTorch и TensorFlow, которые возьмут на себя всю математическую работу, связанную с моделью машинного обучения. Ваша задача будет заключаться в том, чтобы понять результаты и принять наилучшее решение, используя аналитические навыки.

Вот наиболее популярные реализации машинного обучения:

• самоуправляемый автомобиль Google;
• системы рекомендаций от Amazon, YouTube и Netflix;
• обнаружение мошенничества.

Конечно, это продвинутые приложения. Чтобы погрузиться в машинное обучение и искусственный интеллект, нужно иметь прочную основу в исчислении, линейной алгебре и знать библиотеки Python, такие как NumPy, Pandas, Matplotlib и PyTorch.

После ознакомления с основами машинного обучения можно изучать более продвинутые библиотеки Python, такие как TensorFlow и Keras.

Как только вы приобретете базовые навыки, перед вами откроются безграничные просторы!

Вы можете использовать эти знания для специализации в более продвинутых темах, таких как обработка естественного языка (NLP), искусственный интеллект (AI) и глубокое обучение (DL), и даже бросить вызов самому себе, решая проблемы беспилотных автомобилей!

Чего не следует делать с Python

В Python есть сотни библиотек, но это не значит, что они являются оптимальным решением для всех задач.

В ряде случаев придется выбрать более удобный, популярный и подходящий для определенной области язык программирования. Убедимся в этом на конкретных примерах.

Разработка игр

В Python есть библиотеки для создания игр, например Pygame. Однако это базовая библиотека для простых разработок вроде “Змейки”, но когда дело доходит до создания надежной игры со множеством функций, Pygame недостаточно.

Если вы серьезно относитесь к разработке игр, освойте такой язык, как C++. Это самый популярный язык для создания игровых движков с должным уровнем графического дизайна, моделей физической среды, звуковых эффектов и игровых ботов, управляемых искусственным интеллектом.

Другие языки, рекомендуемые для разработки игр: C#, JavaScript и Java.

Десктопные приложения

В Python есть библиотеки для создания приложений с графическим интерфейсом пользователя (GUI). Одна из них — Tkinter. Это стандартный графический интерфейс Python, позволяющий создавать приложения, подобные приведенному ниже.

Как и при разработке игр, такие языки, как C++, C# и Java, являются более популярными для создания таких приложений.

Где перспективно и адекватно использовать Python

В прошлой статье мы уже обсудили с вами причины, по которой Python нельзя назвать идеальным языком для новичков, хотя на том же Хабре бытует мнение, что Python – это выбор номер один и вообще топчик.

В этой статье мы с вами обсудим тот перечень направлений Питона, который я выделяю наиболее перспективными для приложения своих сил и времени для молодых специалистов. Данный вывод делается на основе моего анализа – изучение областей и инструментов питона и сравнивать их эффективность с аналогами на других платформах.

Что ты можешь сделать на Питоне

Хотя питон является языком общего назначения, и как говорится, все двери перед тобой открыты, на самом деле использование языка сильно ограничивается теми инструментами и технологиями, которые были в нем разработаны в ходе эволюционной борьбы с другими технологиями. Поэтому приступаем к обзору.

Микроконтроллеры (весьма сомнительно)

Хотя Андрей Власовских на прошедшем PYCON Russia 2017 в своей фирменной манере с энтузиазмом рассказывал о том, как программировать микроконтроллеры на таком инструменте, как MicroPython, а Кирилл Борисов даже предлагал изучить некоторую зарубежную литературу, ситуация в общем никакая.

Список микроконтроллеров, которые поддерживаются Python, стремится к нулю, коммерческая эффективность и наличие предложений по работе практическая нулевая. С учетом того, что есть более традиционные способы инструменты программирования, пока какая-то большая компания не вложится в этом направление, тут делать нечего.

Девопс (адекватно)

Анализ рынка показывает, что примерно треть всех вакансий, где упоминается Python, относятся к сфере DevOpsa. Однако Python идет не основным инструментом, а той технологией, которую знать желательно. Это связано с тем, что Python практичности полностью сместил Perl для Linux, и неплохо так подвинул Bash в области написания крупных скрипов и более крупных серверных компонентов. Также к этому добавляется то, что интерфейс многих тулзов принимает Python в качестве языка сценариев.

Если вы хотите развиваться в сфере Девопса, то знание Питон вам будет большим плюсом, все остальные проходят эту сферу стороной.

Что касается коммерческой перспективы (стартапа) данного направления, то сложно представить человека, который бы смог написать и монетизировать какой-то инструмент, не имея опыта 5+ лет в области девопса.

Тестирование (адекватно)

Хотя главным инструментом автоматизации тестирования является кровавая Java, которая имеет огромный набор фреймворков и готовых решений, порой небольшие компании используют Python для полноценного тестирования, либо написания сценариев для тулзов, типа Яндекс.Танк с его BFG.

Практика показывает, что хотя Python может полноценно справиться с задачей тестирования, использование Java является более прямолинейным и надежным решением.
Но если говорить в общем, то адекватный специалист по тестированию должен одинаково хорошо использовать Python и Java для своей области.

Вакансий под тестирование примерно также треть от общей массы, часто в вакансиях указывают знание и Python и Java одновременно.

Desktop development (сомнительно)

В настоящий момент язык Python имеет 5 кросc-платформенных инструментов, которые позволяют писать «полноценные» приложения под Windows/Linux/Mac

• Tkinter
• PyQt
• PyGTK
• WxPython
• Kivy (Условно)

Поэтому можно с уверенностью сказать, что писать коммерческий Desktop на питон – это весьма сомнительная затея, и компании этим редко занимаются (либо переписывают при первой же возможности, как это сделал DropBox).

Что касается внутренних инструментов, то использование небольших GUI-приложений применяется, но искать целенаправленно Desktop Python разработчиков не будут.

Кто же хочется заняться этой сферой более полно, прошу к Игорю Новикову, который нашел неплохой способ сшить Франкенштейна с помощью абстракционного слоя – ссылка

Mobile Development (весьма сомнительно)

Все плохо, в качестве pet проектов можно использовать Kivy, для реальной разработки весьма сомнительно, вакансий на Kivy нет.

Т.е. как, я лично разговаривал с рядом людей, которые имели свой веб-проект на Python и для захвата большой аудитории писали приложения на Kivy, и у них его даже использовали, но это имеет вид «Программист пишет то, на чем хочет».

Машинное обучение и Data science (адекватно и перспективно)

Это одна из самых хайповы областей современного IT-мира, где используется Python в качестве инструмента апробации. Python имеет ряд удобных библиотек машинного обучения и научных расчетов: Pandas, NumPy, SciPy, Scikit-Learn, которые позволяют достаточно быстро построить рабочие модели. И они на самом деле неплохо работают.

Что касается использования, то Python используется в качестве инструмента апробации, либо на небольших задачах. Если проект большой, то обычно модель пишут на Java/Scala/C++, а специалист по обучению уже выступает в качестве консультанта/аналитика.

Сложность этого направления заключается в том, что у вас должны быть высокие знания в области математики и статистики, практически всегда будет спрашиваться высшее технические, математическое образование.

По вакансиям все довольно неплохо, но в таких вакансиях требуется не знание Python, а ваша голова.

Тем, кто хочет быстренько пощупать данное направление, советую прочитать книгу: «Vvedenie_v_mashinnoe_obuchenie_s_pomoschyu_Python_-_A_Myuller_S_Gvido_2017» — есть на торрентах, читается быстро, представление дает хорошее.

Веб-скрапинг (возможно, но сомнительно)

Питон имеет три вещи, которые делают его весьма эффективными в области веб-скраппинга, бибиотеку Requests, beautifulsoup и АПИ для Selenium. Если сюда подключиться библиотеки для компьютерного зрения и Машинное обучение, то получаются весьма эффективные инструменты.

Проблема заключается в том, что вакансий в этой сфере мало, основные клиенты сидят на фрилансе, которые предлагают за фикс написать им скрипты парсинга для их говно-сайтов, спам-машин, и изредка генераторов отзывов.

Область интересная, но денег в ней мало.

Компьютерное зрение (сомнительно)

В питоне есть ряд инструментов, которые позволяют писать инструменты компьютерного зрения, они даже используются местами в коммерческих продуктах, либо в качестве компонентов, например, для веб-скраппинга. Однако Питон явно нельзя назвать подходящим инструментов, поэтому использование крайне ограничено, вакансий практически нет.

GameDev (сомнительно)

Практически в каждом обсуждении разработки игры на Python приводят в качестве примера eve online и WarGaming. Однако в первом случае используется stateless python, а во втором случае все ограничивается языком написания сценариев.

Что же касается реального использования, то у вас появляется три движка Kivy, PyGame, Panda3D, если первые два больше подходят для пет-проектов, то третий реально использовался на боевых проектах неплохого качества, правда эти проекты были 2004 года. Что как бы намекает, что использование проверенных движков на других языках типа Unity или Game Maker выглядит более убедительно.

Однако незаметно сюда крадется движок Ren’Py, который внезапно стал лучшим движков для написания визуальных романов (страдальческих историй для девочек), которые неплохо окупаются даже в рамках РФ. Серия «7 демонологов Петра Великого», тому доказательство.

Вакансий в GameDev для питона естественно нет, но деньги на «стартапе» поднять можно при должной сноровке. Но надежней взять другой язык и проверенные движки.

Веб-разработка (адекватно и перспективно)

• Django (монолитный синхронный фреймворк)
• Flask (микро синхронный фреймворк)
• Tornado (монолитный асинхронный фреймворк)
• Twisted (монолитный асинхронный фреймворк)
• Aiohttp (микро асинхронных фреймворк)

Сила Python заключается в том, что он позволяет быстро разрабатывать комплексные веб-приложения, имеет огромное число качественных модулей, прекрасно подходит для сервисов статистики и аналитики (где, в общем, и идет для него большая часть вакансий). Данное направление занимает оставшуюся треть всех вакансий.

Отдельно хочется отметить написание ГИС сервисов на Python, которые хотя и имеют вполне адекватный инструментарий для работы с геоданными, но все же использование Java для этих целей выглядит перспективней.

Выводы об использовании питона

1) Что касается сферы девопса и тестирования, то Питон является ключевым инструментом профессии, который обязателен для каждого адекватного специалиста. Питон в данном случае не учат, к нему приходят по необходимости.

2) Наиболее перспективными выглядят сферы веб-разработки и машинного обучения (аналитики), которые явно выделяют питон на фоне его конкурентов в виде PHP и Ruby. И если вы хотите изучить питон, то вам желательно сосредоточится именно на этих сферах и не тратить свое время на что-то другое. Под это есть вакансии, на этом можно построить стартап.

3) Все остальные сферы, хотя и предлагают определенные инструменты для решения проблем, но перспективность использования этих инструментов выглядит весьма сомнительно. И главное, найти оплачиваемую работу на эти сферы практически невозможно.

Что такое Python: чем он хорош, где пригодится и как его выучить

Python — самый быстрорастущий язык программирования за последние несколько лет. Об этом говорит исследование StackOverflow за 2019 год. Давайте разберёмся, за что его любят разработчики и почему мы советуем начинающим программистам попробовать его в качестве первого языка.

Python просто понять и изучить

Вам точно стоит попробовать Python, если вы никогда не писали код, но хотите получить первую работающую программу как можно быстрее. Самый простой пример — программа, которая выводит на экран заданную фразу. Вот как выглядит ее код на трёх разных языках. Сравните количество и понятность строк кода.

“Java” справляется в 5 строк, используем множество скобок.

“C” работает похоже, хоть строк и немного меньше:

Python использует одну понятную строку:

Конечно, это не значит, что так будет всегда. Есть программы посложнее, но в них всё ещё можно разобраться, если немного знать английский. Например, вот программа, которая умеет отправлять электронные письма:

редакция нетологии

У Python много готовых библиотек для решения задач

Библиотеками в программировании называют инструменты для решения конкретных типов задач. Вот несколько примеров популярных библиотек для Python:

Pygame. Библиотека для создания небольших игр и мультимедийных приложений.

NumPy. Библиотека для работы с искусственным интеллектом и машинным обучением. Используется для сложных математических вычислений.

Pandas. Библиотека для работы с большими данными.

SQLAlchemy. Библиотека для работы с базами данных.

Django, Flask. Библиотеки для разработки серверной части приложений.

Наличие библиотек значит, что под каждую задачу есть свой инструмент. Придумывать что-то сложное с нуля не придется.

Python используют компании-гиганты

Многие известные нам компании и организации используют Python:

• Spotify и Amazon используют Python для анализа данных и создания рекомендаций.
• Walt Disney использует Python как скриптовый язык для анимации.
• YouTube и Instagram целиком написаны на Python.
• Если этого недостаточно, есть ещё NASA: их система автоматизации процессов WAS тоже создавалась средствами Python.

Python надолго останется популярным

Скорее всего, вы слышали о машинном обучении и больших данных. Хорошая новость — Python считается лучшим языком программирования для работы в этих областях. Вот что делают с его помощью:

1. Собирают данные покупательской активности, строят гипотезы и находят новые точки роста компании.
2. Разрабатывают алгоритмы машинного обучения. Например, Netflix написали свой рекомендательный сервис на Python.
3. Автоматизируют рутинные задачи. Например, простой скрипт на Python может собрать все ссылки или картинки с указанного сайта и сохранить их в папку.

Python-разработчикам готовы платить

По данным калькулятора зарплат на сайте «Мой Круг», средняя зарплата младшего (Junior) Python-разработчика — примерно 60 000 рублей. В зависимости от региона, требований компании и умений кандидата, цифра может меняться. Python-разработчики среднего и высокого уровня (Middle и Senior) получают более высокие зарплаты.

Популярные проекты на Python

Python входит в 5-ку самых популярных языков программирования. Он используется в самых разных областях IT, таких, как веб-разработка, машинное обучение, создание приложений и даже геймдев.

Где применяется Python

Python используется в разных областях программирования не просто так. Он прост в изучении, имеет приятный синтаксис и обладает достаточным для решения любых задач набором инструментов.

И хотя он не может потеснить Java и PHP с ведущих мест в веб-разработке, в сфере машинного обучения Python – язык номер один.

Создание приложений

Python можно использовать для разработки десктопных и мобильных приложений, для этого разработано много мощных инструментов. Однако крупные проекты зачастую не пишут только на одном Python полностью.

Python часто используется для разработки отдельных частей приложения, он позволяет создать простую систему моддинга. Благодаря высокой степени модульности, изменение одной части программы может не затрагивать другую.

Возможность встроить в Python код на С/C++ сглаживает проблему низкой скорости работы программ.

Веб-разработка

Python захватил определенную часть сферы, но не может соперничать с такими гигантами, как PHP, Java и Node.js. Для реализации серверной логики они удобнее и мощнее Python.

На Python часто создаются решения, которые имеют узкую направленность. Например, отправку документа с сайта на принтер трудно реализовать на PHP, а Python легко справляется с этой задачей.

Python проигрывает, потому что он является языком общего назначения, PHP – это инструмент, заточенный только под веб-программирование, а Java уже давно используется в вебе.

Машинное обучение

Искусственный интеллект с каждым годом становится лучше, ученые одержимы идеей создать суперкомпьютер, превосходящий человека во всем.

Python стал абсолютным лидером в этой сфере по ряду причин:

• Язык очень простой, это нравится ученым. Им не нужно тратить много времени на написание кода, вместо этого они могут сосредоточиться на проектировании ИИ.
• В Python легко встраивается код на C и C++, что позволяет использовать C-код в тех местах, где важна скорость.
• Python обзавелся достаточным количеством библиотек и фреймворков, созданных для упрощения машинного обучения.
• Гибкость языка позволяет не ограничиваться какой-то одной парадигмой разработки, программист может писать как объектно-ориентированные программы, так и процедурные.

Интересные проекты на Python

Разработок много, но не все из них можно назвать успешными, однако есть проекты, заслуживающие внимания. Рассмотрим примеры известных программ, игр и сайтов написанных на Python.

На Python написаны сотни арканоидов, платформеров и других маленьких проектов, но, чтобы оценить возможности языка, следует рассмотреть большие разработки.

Mount and Blade

/>Mount and blade – это RPG, у которой нет аналогов. Игрок погружается в средневековый мир, путешествует по глобальной карте, набирает армию и завоевывает себе славу и власть. Когда начинается битва, игра превращается в средневековый симулятор сражений, игрок управляет персонажем от третьего лица, у него есть несколько десятков воинов, которым можно отдавать приказы, и он должен убить всех воинов противника.

Такой системы нет ни в одной игре. Стратегия, RPG и экшн — странная, но крутая смесь. Кроме того, на поле боя может быть несколько сотен воинов, управляемых компьютером, такой масштаб впечатляет.

Все скрипты написаны на Python. Игра отлично работает на слабых машинах. Особенность Python — возможность сделать проект модульным. Энтузиасты без проблем могут сделать дополнения для игры, изменить какую-то механику, текстуры и анимации, эти изменения никак не коснутся системных файлов игры.

Battlefield

/>Battlefield полюбили миллионы человек. Не стоит думать, что игра полностью написана на Python. Разработчики использовали его для создания некоторых скриптов, серверной части игры и её логики.

Игра вышла в 2005 году и имела подходящие для компьютеров того времени системные требования. Использование Python позволило ускорить разработку и не повлияло на производительностью

EVE Online

Как и в случае с Battlefield, в EVE Online Python использовался для создания игровой логики и управления серверной частью игры.

Разработчики использовали улучшенную версию интерпретатора, которая называется stackless python. Так как это ММО, сервер может обрабатывать миллионы запросов, и stackless python отлично справляется с этим.

Sims 4

Sims – это самый известный симулятор жизни.

Игра была на слуху около 4 лет, освещалась на различных событиях, занимала топы и, конечно, успешно продавалась. Чтобы дать игрокам больше контента и возможностей, разработчики использовали Python для реализации игрового моддинга, что позволило без проблем расширять игру с помощью дополнительного контента.

Civilization 4

/>Про цивилизацию слышал каждый геймер. Это глобальная пошаговая стратегия, сочетающая в себе дипломатию, развитие и войну.

Разработчики не ограничились использованием Python для реализации каких-то частей проекта, они написали на нём практически всю игру.

Программы

BitTorrent

/>Популярный торрент-клиент, которым пользуются миллионы людей, был полностью написан на Python.

Примечание: 6 версия программы была переписана на C++.

Blender

Это программа для работы с 3D графикой, способная соперничать с такими гигантами, как Maya и 3DMax.

Пользователь получает возможность создавать трехмерные модели, анимацию, а также видео и игры.

Главное преимущества программы заключается в том, что она распространяется бесплатно. Blender постоянно улучшается, дополняется с помощью различных расширений, получает все больше поддержки в виде видео-уроков и обучающих статей.

Python используется для создания логики, импорта и экспорта, автоматического выполнения задач и работы инструментов.

GIMP является редактором растровой графики и, частично, векторной графики.

Он является единственной достойной заменой Adobe Photoshop в системе Linux и установлен на большинстве дистрибутивов по умолчанию.

Python использовали для создания фильтров, дополнительных модулей, некоторых скриптов.

Программа, которая использует метод интервальных повторений, чтобы пользователь мог легко запомнить нужную информацию (новые слова, формулы, ответы на тесты и другое).

Calibre

Любимое приложение каждого, кто читает много книг.

Программа позволяет просматривать, конвертировать и редактировать книги различных форматов, кроме того она поддерживает прямую работу с различными электронными книгами.

Искусственный интеллект

Python — лидер в сфере машинного обучения. Он может быть как основным языком проекта, так и использоваться в отдельных модулях.

Наиболее популярными являются ИИ, работающие с фотографиями и видео (поиск по фото, редактирование видео и фото, сопоставление различных фото и так далее). Программисты даже могут научить компьютер определять эмоциональное состояние человека по фотографии, хотя есть еще некоторые проблемы, связанные с индивидуальными особенностями мимики разных людей.

Обилие библиотек позволяет без проблем создавать ИИ, способные ориентироваться в пространстве, принимать решения, выполнять задачи, недоступные человеку.

Одним из новейших искуственных интеллектов, написанных на Python, является AlphaStar – искусственный интеллект для Starcraft 2.

Разработчики использовали PySC2 — инструменты, написанные на Python специально для SC2.

Сложность заключается в том, что компьютеру нужно делать и оценивать много вещей: разведывать противника, определять его стратегию, подстраивать свою игру под неё, принимать оптимальные решения по передвижению армии и многое другое.

AlphaStar показал поразительные результаты, он обыграл одного из лучших игроков мира.

Сайты

Для работы с сайтами используют обычно фреймворк Django, превращающий Python в язык для веб-программирования.

Google

/>Это самая популярная поисковая система в мире.

Каждый день через сервера Google проходит огромный объем трафика, который обрабатывается и направляется с помощью Python.

YouTube

/>Это сайт, где пользователи могут загружать и смотреть видеоролики.

Он известен каждому пользователю интернета и ежедневно собирает миллиарды просмотров.

Facebook

Это самая популярная социальная сеть в мире, ежедневно пользователи загружаются миллионы картинок, меняют статусы, создаются посты — всё это обрабатывается с помощью инструментов языка Python.

Instagram

Популярная социальная сеть, которая используется людьми, чтобы делится историями из жизни, фотографиями, мыслями и так далее.

Всё, что связано с картинками (поиск, постинг, просмотр) обрабатывается кодом на Python.

Потенциал Python в крупных проектах

Python часто используют для прототипирования программ, позже они переписываются на другие языки программирования. Это очень удобно, потому что разработка таких прототипов очень быстрая, также она помогает понять, как будет выглядеть программа. На другой язык проект переписывается из-за низкой скорости выполнения кода на Python.

Да, этот язык можно использовать во всех крупных проектах, как инструмент для создания прототипов, но как насчет применения в финальной версии?

Если не рассматривать машинное обучение, и брать программы, которым жизненно важна скорость выполнения, то вряд ли для Python найдется место. Однако часто практикуется гибрид разных языков, например, Python и C++. Такой подход позволяет достичь и высокой скорости разработки и высокой скорости выполнения программы. На Python пишется большая часть кода, а на C++ лишь те участки, которые сильно влияют на скорость выполнения (например, функция по обработке и передаче большого количества данных в единицу времени).