Bonjour, chers lecteurs! Cet article est destiné à tous les data scientists qui décident d'écrire leur première application web. Dans cette publication, je ne publierai pas de listes de codes. Sur Internet, il existe de nombreux exemples pratiques de services de construction écrits dans différents cadres. Mais il existe très peu d'articles théoriques sur la logique du processus, l'architecture de la solution et, surtout, les difficultés qu'un spécialiste rencontrera en premier. J'ai décidé de combler ce créneau et de décrire mon expérience personnelle, qui peut être utile à quelqu'un.
Surtout pour l'article, j'ai préparé deux exemples identiques dans Flask et Dash et les ai postés sur GitHub. Ils illustrent le calcul et la production d'indicateurs économiques unitaires pour un marché informatique abstrait appelé Habr (et pourquoi pas, car maintenant toutes les entreprises ont commencé à se lancer dans le commerce électronique :).
Je propose de construire la conversation sous la forme d'un résumé étape par étape du matériel joint, dans le processus je concentrerai votre attention sur les moments que j'ai personnellement trouvés les plus difficiles ou intéressants. Et, bien sûr, nous allons certainement nous concentrer sur les erreurs que j'ai commises en tant que développeur backend.
"OPP: si vous ne savez pas comment - ne le prenez pas!" Quand il s'agit d'OPP, pour une raison quelconque, je pense automatiquement à Django avec ses classes. Mais si vous regardez le travail des data scientists ou des analystes de données en herbe, nous voyons une image complètement différente. Les classes sont utilisées pour le bien des classes elles-mêmes. Tout le code est simplement fusionné dans cette structure du langage. De quoi ce «monstre» est-il responsable? Pour tous! Comment rechercher des erreurs ou réécrire le code n'est pas clair. Personnellement, j'ai une telle opinion à ce sujet. Si vous ne savez pas quand, comment et pourquoi utiliser OPP, il est préférable d'utiliser un style procédural-fonctionnel pour les petits développements.
“ , . , . , -, , , -, , .
“, .” GitHub , . , . , .
“ .” ? , . , PHP, Ruby, C#:
Flask – HTML+CSS
Django – HTML+CSS
Flask Rest API/FastAPI/Django Rest Framework – HTML+CSS+ Javascript (Vue, React, Angular)
Dash ( Flask) – Dask ( React)
, .
, , – Dash
. , - – Flask
, . , , - – FastAPI – Vue.js
Flask Dash .
, , 6 -, -. , . , .
Flask , , html css . Bootstrap4 , , .
Dash , app.py. , . . asset. - . , , .
“ .” . . , , , . . . etl- .
“ .” . - . etl-, , . , . , , .
“ SQL- , .” . sql. . . . SQLite.
“Pandas , .” , , . Python.
“ , YAML-.” yaml - data scientist- Youtube. . .
“ Docker.“ . Windows, Docker. Windows 10 , Docker Toolbox. , - Docker GitHub. Windows 8.1, , . , . Debian 10. , . , Apache Airflow, .
. , . , . . , Linux. . , Dash docker-, . , , , .
“ , .” . , , . , , , , .
. Dash, . . , app.py 127.0.0.1, 0.0.0.0.
. . .
C'est tout. Toute la santé, bonne chance et réussite professionnelle!