
Python: un linguaggio in rapida crescita
Il linguaggio di programmazione Python è stato in cima a quasi ogni elenco di tendenze tecnologiche nell'ultimo biennio, di recente è stato inserito anche nell'analisi annuale di O'Reilly come uno degli argomenti più utilizzati e come uno dei principali termini di ricerca dalla sua piattaforma di apprendimento online.
Il linguaggio di programmazione Python è confermato da O'Reilly come uno degli argomenti più cercati ed utilizzati sulla propria piattaforma.
Ricordiamo che oreilly.com è da più di 40 anni una delle piattaforme di e-Learning tecnologico più riconosciute ed è per questo senz'altro notevole il risultato di questa indagine interna.
La crescita di Python ed i suoi perché
Che in SAEP ICT siamo fan di Python non ne abbiamo mai fatto mistero.
Il core delle nostre soluzioni interne si basa su linguaggio Python e spesso ne abbiamo parlato presentandone quelli che per noi sono i suoi grandi vantaggi.
Ma qualche giorno fa è uscito un bell'articolo di parti terze che conferma la tendenza all'uso crescente di Python ed in particolare il suo impiego in contesti di BI e Ai: è in inglese: ve ne proponiamo qui sotto una libera traduzione.
Qui il link all'articolo originale:
https://adtmag.com/blogs/watersworks/2020/02/python-ai-growth.aspx?oly_enc_id=3237H8836812D6X
Il linguaggio di programmazione Python è stato in cima a quasi ogni elenco di tendenze tecnologiche negli ultimi due anni, quindi non è stata una sorpresa vederlo guadagnare ancora una volta una classifica de "il più popolare" nell'analisi annuale di O'Reilly che lo pone fra argomenti più utilizzati e dei principali termini di ricerca dalla propria piattaforma di apprendimento online.
Ma ad attirare la nostra attenzione è ancor di più la ragione di quest'ultima conquista: secondo O'Reilly, Python è ricercato soprattutto tra i Data Scientist e gli ingegneri di intelligenza artificiale (AI) e Machine Learning (ML).
Oggi Python è infatti il linguaggio di riferimento per lo sviluppo di AI, ML e programmazione in linguaggio naturale (NLP), grazie in gran parte alla decina di librerie e strumenti di sviluppo che lo supportano, da TensorFlow a Pytorch.
La sintassi e la leggibilità semplici promuovono test rapidi di algoritmi complessi e rendono il linguaggio accessibile ai non programmatori. L'analisi O'Reilly dei propri dati ha rilevato che nel 10% dei casi Python veniva utilizzato precisamente a causa della crescente domanda di competenze in ambito AI / ML.

"Python ha acquisito una nuova rilevanza in mezzo al forte interesse per l'IA e la ML", afferma il rapporto.
"Insieme a R, Python è uno dei linguaggi più utilizzati per l'analisi dei dati.
Esiste una libreria Python praticamente per tutto ciò che uno sviluppatore o un Data Scientist potrebbe aver bisogno di fare (le librerie Python non sono meno utili anche per manipolare o progettare dati). "
Nel 2019, gli analisti hanno scoperto che l'uso specifico di Python è cresciuto solo del 4%, ma anche che l'uso che ha a che fare con Python e ML - sia per AI, deep learning o NLP, sia in combinazione con uno dei più diffusi framework ML / AI - è cresciuto invece del 9 percento ".
Tutto questo considerando peraltro che in parallelo gli analisti hanno anche notato che le "passioni si sono raffreddate".
"Fino al 2017, l'argomento ML + AI era stato uno tra gli argomenti in più rapida crescita sulla piattaforma", afferma il rapporto.
"La crescita è ancora forte per un argomento così ampio, ma l'utilizzo è rallentato nel 2018 (+13 percento) e si è notevolmente raffreddato nel 2019, crescendo di appena il 7 percento. Nell'ambito dei dati, tuttavia, ML + AI è passato dal 22 percento di tutti utilizzo al 26 percento ".
Gli analisti hanno anche osservato che l'ingegneria dei dati come area di pratica è stata inclusa sia dalla scienza dei dati che dall'IA / ML: Data scientist e tecnici ML e AI trascorrono una notevole mole del proprio tempo a scoprire, preparare e strutturare i dati per il proprio lavoro ed in seno a questo tipo di attività si è rilevato che strumenti e framework popolari di solito incorporano capacità di ingegneria dei dati, sotto forma di funzionalità self-service automatizzate / guidate o (nel caso di Jupyter e altri notebook) una capacità di costruire e orchestrare pipeline di ingegneria dei dati che invocano per l'appunto librerie Python, R (ma sempre via Python), ecc. per eseguire contemporaneamente lavori di ingegneria dei dati o, se possibile, in parallelo. "
Una conferma della versatilità e dell'affidabilità di questo linguaggio: più Python per tutti dunque ;) - e più formazione, teorica e on the job- possono solo contribuire a creare una generazione di specialisti di questo linguaggio competenti ed aggiornati.