Отчет по практике по созданию и администрированию компьютерных и локально-вычислительных систем на тему Выбор платформы интерпретатора языка Python

Введение
Учебная практика (ознакомительная практика) относится к разделу Б2.О.01 блока «Практики» базового учебного плана основной профессиональной образовательной программы по направлению подготовки 09.03.03 «Прикладная информатика» и является важной частью учебной деятельности. Она направлена на ознакомление с основами будущей профессиональной деятельности, а также на формирование, закрепление и развитие практических навыков, компетенции, необходимых для успешного выполнения профессиональных обязанностей.
Учебная практика проходила в Московском университете им. С.Ю. Витте (далее - Университет), на кафедре информационных систем. Это учреждение предоставляет условия для получения знаний в области информационных технологий и прикладной информатики, что дает студентам возможность развивать практические навыки и проводить научные исследования в области информационных систем.
Цель практики
Основной целью практики было приобретение первичных профессиональных навыков и практического опыта, а также систематизация и расширение теоретических знаний по дисциплинам учебного плана в процессе практической деятельности в Университете.
Задачи практики
Для достижения поставленной цели в ходе практики решались следующие задачи:
• Закрепление теоретических знаний, полученных в процессе обучения.
• Приобретение навыков научного поиска и работы с информационными источниками данных.
• Овладение методиками формирования целей и задач для работы над групповыми проектами и управления познавательной деятельностью.
• Приобретение практических навыков работы в команде, распределения ролей в командном взаимодействии.
• Овладение навыками использования иностранного языка при анализе зарубежных информационных интернет-источников.
• Развитие навыков работы с современными информационными технологиями и программными средствами для решения задач анализа данных.
• Приобретение навыков инсталляции программного обеспечения.
• Формирование навыков алгоритмизации вычислительных процессов и программирования решения задач обработки данных, а также отладки и тестирования на выбранной языковой платформе.
• Получение навыков экспериментального исследования больших данных и решения информационных задач по обработке данных.
• Получение навыков проведения инженерных расчетов.
• Развитие навыков самостоятельной работы.
• Освоение подготовки отчетной документации.
Источники информации
В процессе выполнения практики использовались различные источники информации, включая открытые информационные базы, справочные документы, интернет-ресурсы, учебно-методические материалы, размещенные в Электронном Университете, а также информация, представленная на официальном сайте Университета в разделе «Сведения об образовательной организации»: https://www.muiv.ru/sveden/.


 
Основная часть
1.1 Выбор платформы для разработки и необходимых библиотек
Для выполнения задач анализа данных в ходе учебной практики был выбран язык программирования Python. Python представляет собой высокоуровневый язык программирования, который приобрел широкую популярность благодаря своей читаемости, простоте освоения и гибкости. Он поддерживает несколько парадигм программирования, таких как объектно-ориентированное, функциональное и процедурное программирование, что позволяет использовать его для решения разнообразных задач в области вычислительных наук и анализа данных [1].
Одной из основных особенностей Python является наличие богатой стандартной библиотеки, которая включает в себя множество готовых решений для различных типов задач. Для выполнения задач, связанных с обработкой и анализом данных, были использованы популярные библиотеки: pandas, NumPy и Matplotlib.
pandas — это библиотека, предназначенная для работы с табличными данными. Она предоставляет высокоуровневые структуры данных, такие как DataFrame, которые значительно упрощают работу с большими массивами данных и позволяют легко проводить манипуляции с ними [2]. NumPy предоставляет возможности для работы с многомерными массивами данных и проведения эффективных математических вычислений. Благодаря использованию внутренних оптимизированных структур данных, NumPy позволяет значительно ускорить выполнение математических операций [3].
Для визуализации данных использовалась библиотека Matplotlib, которая предоставляет инструменты для создания различных типов графиков и диаграмм. Это особенно важно при необходимости представления результатов анализа в наглядной и удобной для восприятия форме [4].
Таким образом, использование этих библиотек позволяет эффективно решать задачи обработки данных, разработки алгоритмов и их визуализации, что делает Python одним из самых популярных языков для таких приложений.

1.2.1 Выбор платформы интерпретатора языка Python
Для решения профессиональных задач, связанных с программированием на языке Python, выбор подходящей платформы интерпретатора является ключевым этапом. На сегодняшний день существует несколько платформ для работы с Python, каждая из которых имеет свои особенности, плюсы и минусы.
Одним из наиболее популярных и широко используемых интерпретаторов Python является CPython, который реализует стандарт Python и предоставляет большую совместимость с большинством библиотек.
Он достаточно стабилен, поддерживает все основные версии Python и имеет огромное сообщество разработчиков, что обеспечивает регулярное обновление и решение возникающих проблем [1].
Альтернативными вариантами могут быть интерпретаторы, такие как PyPy, который отличается более высокой скоростью работы за счет Just-In-Time (JIT) компиляции, или Jython, предназначенный для работы с Java.
Однако, несмотря на их преимущества в некоторых аспектах, CPython остается наиболее универсальным и стабильным выбором для большинства разработчиков [2].
Для выбора платформы важно учитывать не только совместимость с операционными системами (Windows, Linux, macOS), но и требования к скорости выполнения программ, удобство интеграции с внешними библиотеками и масштабируемость.
Python обеспечивает обширную поддержку для многих популярных библиотек, включая библиотеки для анализа данных, научных вычислений, машинного обучения и разработки веб-приложений [3].