Kurs Python · Moduł 12: Projekt końcowy
Przygotowanie do Kariery
W tej lekcji5
Gratulacje! Ukończyłeś Python Safari. Masz za sobą dwanaście lokacji, ale sam certyfikat jeszcze nikogo nie zatrudnił. Rekruter ma kilkadziesiąt sekund na Twoje CV, a na rozmowie technicznej padną pytania, które sprawdzą, czy rozumiesz to, co piszesz. Teraz czas zamienić zdobyte umiejętności w pierwszą pracę. Przygotujemy CV, profil LinkedIn, odpowiedzi na typowe pytania i listę miejsc, gdzie warto szukać ofert.
CV dla Python Developera
Dobre CV programisty jest krótkie i konkretne: dane kontaktowe z linkiem do GitHuba, jednozdaniowe podsumowanie, umiejętności pogrupowane w kategorie i projekty z wynikami. Oto szablon:
# Jan Kowalski
Python Developer | AI/ML Specialist
jan@example.com | linkedin.com/in/jan | github.com/jan
## Summary
Python developer z doświadczeniem w budowaniu aplikacji AI/ML.
Specjalizacja: RAG systems, FastAPI, Machine Learning.
## Skills
**Languages:** Python, JavaScript, SQL
**Frameworks:** FastAPI, Django, React
**AI/ML:** LlamaIndex, LangChain, PyTorch, scikit-learn
**Databases:** PostgreSQL, Qdrant, Redis
**Tools:** Docker, Git, GitHub Actions, AWS
## Projects
### AI Document Assistant | [GitHub](link) | [Demo](link)
- RAG system do przeszukiwania dokumentów
- Tech: FastAPI, LlamaIndex, Qdrant, OpenAI
- Wyniki: <2s response time, 92% accuracy
### ML Pipeline | [GitHub](link)
- End-to-end ML pipeline z MLflow
- Tech: scikit-learn, XGBoost, MLflow, Docker
- Wyniki: 15% improvement w accuracy
## Education
**Python Safari** - CodeWorlds (2024)
- 12-modułowy kurs Python i AI
- Capstone: AI Document Assistant
## Certifications
- [Nazwa certyfikatu]Sekcja Projects jest ważniejsza niż Education, bo pokazuje, co zbudowałeś. Liczby w polach "Wyniki" to przykład formatu, nie gotowe wartości: wpisz tylko to, co naprawdę zmierzyłeś w swoim projekcie. Rekruter może o każdą liczbę zapytać na rozmowie. Na początku kariery trzymaj CV na jednej stronie i wysyłaj je jako PDF, żeby formatowanie nie rozjechało się po drugiej stronie.
LinkedIn Optimization
LinkedIn działa jak wyszukiwarka, rekruterzy szukają po słowach kluczowych w nagłówku i sekcji About. Nagłówek to nie tylko stanowisko, to lista technologii:
## Headline
Python Developer | AI/ML | FastAPI | Building intelligent applications
## About
Passionate Python developer specializing in AI applications.
RAG Systems & LLM Integration
FastAPI & Async Python
Machine Learning Pipelines
Currently building: AI Document Assistant - semantic search for documents.
Open to opportunities in AI/ML development.
## Featured
- Link do najlepszego projektu
- Artykuł/post o technologii
- Certyfikat/dyplomSekcja Featured to miejsce na link do najlepszego projektu. Jeden dobrze opisany projekt z demo mówi więcej niż lista dwudziestu technologii. Dodaj też link do GitHuba w danych kontaktowych, bo właśnie tam rekruter pójdzie szukać dowodów Twoich umiejętności.
Przygotowanie do Interview
Rozmowa techniczna dla Python developera zwykle obejmuje cztery obszary. Przejdźmy przez nie po kolei. Pierwszy to fundamenty języka, a klasyczne pytanie dotyczy GIL:
# Typowe pytania techniczne
# 1. Python fundamentals
def explain_gil():
"""
GIL (Global Interpreter Lock) - mechanizm w CPython,
który pozwala tylko jednemu wątkowi wykonywać
bytecode Pythona w danym momencie.
Rozwiązania:
- multiprocessing dla CPU-bound
- asyncio dla I/O-bound
- alternatywne interpretery (PyPy)
"""
passGIL (Global Interpreter Lock) w standardowym CPythonie pozwala tylko jednemu wątkowi naraz wykonywać bytecode Pythona. Wątki nie przyspieszą więc obliczeń na procesorze. Warto dodać, że od Pythona 3.13 istnieje osobny build free-threaded bez GIL (PEP 703), w 3.14 oficjalnie wspierany (PEP 779), ale wciąż opcjonalny. Drugi obszar to programowanie asynchroniczne:
# 2. Async Python
async def explain_async():
"""
async/await - model współbieżności w Pythonie.
- async def - definiuje coroutine
- await - czeka na wynik async operacji
- Idealne dla I/O-bound operations
"""
passModuł asyncio daje obsługę async/await. Zasada do zapamiętania: async/await dla operacji I/O-bound (sieć, baza, pliki), multiprocessing dla CPU-bound. Trzeci obszar to wzorce projektowe, które znasz z lekcji o architekturze:
# 3. Design Patterns
def explain_patterns():
"""
Najważniejsze wzorce:
- Repository Pattern - abstrakcja dostępu do danych
- Dependency Injection - luźne powiązania
- Factory Pattern - tworzenie obiektów
- Observer Pattern - reaktywność
"""
passNa rozmowie nie wystarczy nazwa wzorca, pokaż przykład z własnego projektu, na przykład DocumentRepository. Czwarty obszar to projektowanie systemu:
# 4. System Design
def design_rag_system():
"""
Komponenty:
1. API Gateway - routing, auth
2. RAG Service - query processing
3. Vector Database - embeddings storage
4. LLM Service - text generation
5. Cache - Redis for frequent queries
6. Monitoring - Prometheus + Grafana
"""
passTo dokładnie architektura Twojego capstone projektu. Opowiedz, dlaczego wybrałeś każdy komponent, bo o to będą dopytywać.
Padną też pytania o narzędzia. Wirtualne środowisko tworzysz poleceniem python -m venv .venv, a aktywujesz na Linuksie i macOS przez source .venv/bin/activate. Plik requirements.txt zawiera listę zależności z wersjami. Pydantic w FastAPI waliduje dane i definiuje modele żądań oraz odpowiedzi. pytest domyślnie odkrywa pliki test_*.py oraz *_test.py.
Gdzie szukać pracy
Ostatni krok to wiedzieć, gdzie polować na oferty. Serwisy zmieniają się z czasem (GitHub Jobs i Stack Overflow Jobs już nie istnieją), więc traktuj tę listę jako punkt startu:
## Junior/Mid Python Developer
1. **LinkedIn Jobs** - najlepsze źródło
2. **NoFluffJobs** - polski rynek IT
3. **JustJoinIT** - startupy i korpo
4. **Bulldogjob** - polski portal z ofertami IT
5. **Wellfound** (dawniej AngelList Talent) - startupy, oferty międzynarodowe
## Freelance
1. **Upwork** - projekty długoterminowe
2. **Toptal** - premium, wymaga weryfikacji
3. **Fiverr** - mniejsze projekty
## Open Source
1. Contribute to projects you use
2. Build your reputation
3. Network with developersOpen source to często niedoceniana droga: kontrybucja do biblioteki, której używasz, to publiczny dowód umiejętności i kontakt z doświadczonymi programistami.
Następne kroki
Plan na najbliższe tygodnie jest prosty: ukończ Capstone Project, opublikuj go na GitHubie, zaktualizuj CV i LinkedIn, aplikuj na pozycje i kontynuuj naukę. Moja rada: nie czekaj, aż poczujesz się "gotowy". Aplikuj, gdy masz jeden porządny projekt, bo rozmowy same w sobie są najlepszym treningiem.
Pamiętaj: to nie koniec, to początek Twojej przygody z Pythonem, a każda kolejna ekspedycja zaczyna się od mapy, którą narysowałeś w tym module.
Kod do tej lekcji: main.py
# ===========================================
# Safari Capstone: Core Service Layer
# ===========================================
# Implement the core business logic service that
# manages wildlife operations and analytics.
from dataclasses import dataclass, field
from datetime import datetime
from typing import Optional
import json
# --- Models ---
@dataclass
class Animal:
animal_id: str
species: str
name: str
weight_kg: float
region: str
@dataclass
class Observation:
obs_id: str
animal_id: str
latitude: float
longitude: float
observer: str
timestamp: str = ""
# --- Repository ---
class AnimalRepository:
def __init__(self):
self._data = {}
def save(self, animal): self._data[animal.animal_id] = animal
def get(self, aid): return self._data.get(aid)
def get_all(self): return list(self._data.values())
def delete(self, aid): return self._data.pop(aid, None) is not None
def find_by_species(self, sp):
return [a for a in self._data.values() if a.species.lower() == sp.lower()]
# --- Core Service ---
class SafariService:
"""Core business logic for the safari management system."""
def __init__(self, repo: AnimalRepository):
self.repo = repo
self.observations: list[Observation] = []
self._next_obs_id = 1
def register_animal(self, species, name, weight_kg, region) -> Animal:
"""Register a new animal in the system."""
prefix = species[:2].upper()
count = len(self.repo.find_by_species(species)) + 1
animal_id = f"{prefix}-{count:03d}"
animal = Animal(animal_id, species, name, weight_kg, region)
self.repo.save(animal)
return animal
def record_observation(self, animal_id, lat, lon, observer) -> Optional[Observation]:
"""Record a new wildlife observation."""
animal = self.repo.get(animal_id)
if not animal:
return None
obs = Observation(
obs_id=f"OBS-{self._next_obs_id:04d}",
animal_id=animal_id,
latitude=lat,
longitude=lon,
observer=observer,
timestamp=datetime.now().isoformat()
)
self.observations.append(obs)
self._next_obs_id += 1
return obs
def get_species_stats(self) -> dict:
"""Get population statistics grouped by species."""
stats = {}
for animal in self.repo.get_all():
species = animal.species
if species not in stats:
stats[species] = {"count": 0, "total_weight": 0.0, "regions": set()}
stats[species]["count"] += 1
stats[species]["total_weight"] += animal.weight_kg
stats[species]["regions"].add(animal.region)
# Convert sets to lists for JSON compatibility
for sp in stats:
stats[sp]["avg_weight"] = round(stats[sp]["total_weight"] / stats[sp]["count"], 1)
stats[sp]["regions"] = list(stats[sp]["regions"])
return stats
def get_observation_count(self, animal_id: str) -> int:
"""Count observations for a specific animal."""
return sum(1 for o in self.observations if o.animal_id == animal_id)
def generate_report(self) -> str:
"""Generate a summary report of all wildlife data."""
stats = self.get_species_stats()
total_animals = self.repo.get_all()
lines = [
"=== Safari Wildlife Report ===",
f"Total animals tracked: {len(total_animals)}",
f"Total observations: {len(self.observations)}",
f"Species tracked: {len(stats)}",
""
]
for species, data in stats.items():
lines.append(f"{species}: {data['count']} animals, "
f"avg {data['avg_weight']} kg, "
f"regions: {', '.join(data['regions'])}")
return "\n".join(lines)
# --- Demo ---
repo = AnimalRepository()
service = SafariService(repo)
# Register animals
service.register_animal("Lion", "Simba", 195.0, "Savanna")
service.register_animal("Lion", "Nala", 130.0, "Savanna")
service.register_animal("Elephant", "Tembo", 5200.0, "Forest")
service.register_animal("Cheetah", "Duma", 52.0, "Grassland")
# Record observations
service.record_observation("LI-001", -2.33, 34.83, "Dr. Darwin")
service.record_observation("LI-001", -2.34, 34.84, "Dr. Darwin")
service.record_observation("EL-001", -2.41, 34.92, "Ranger Kate")
# Generate report
print(service.generate_report())
print(f"\nSimba observations: {service.get_observation_count('LI-001')}")
print(f"\nSpecies stats:")
print(json.dumps(service.get_species_stats(), indent=2))
# TODO: Add a method to find the most observed animal
# def most_observed_animal(self) -> Optional[str]:
# counts = {}
# for obs in self.observations:
# counts[obs.animal_id] = counts.get(obs.animal_id, 0) + 1
# if not counts:
# return None
# return max(counts, key=counts.get)
# TODO: Add data export functionality
# def export_data(self, format="json") -> str:
# data = {
# "animals": [vars(a) for a in self.repo.get_all()],
# "observations": [vars(o) for o in self.observations],
# "stats": self.get_species_stats()
# }
# return json.dumps(data, indent=2, default=str)
Hasła z dokumentacji w tej lekcji
Widzisz błąd w tej lekcji?
Sprawdź się
Odpowiedz na pytania z tej lekcji. Wybierz odpowiedź, a od razu zobaczysz, czy jest poprawna.
1. Co to jest GIL (Global Interpreter Lock) w Pythonie?
2. Kiedy używać async/await zamiast multiprocessing?
To 2 z 5 pytań do tej lekcji. Pozostałe rozwiążesz w grze.
Zadania praktyczne w grze
- Układanie w poziomie
Ułóż elementy:
- Klikanie w kolejności
Kliknij w kolejności:
- Edytor kodu
Stwórz .github/workflows/ci.yml z krokami: checkout, setup-python, install, test.
- Edytor kodu
Zainicjuj projekt Capstone
- Edytor kodu
Stwórz rdzeń aplikacji
- Edytor kodu
Zaimplementuj warstwę API
- Edytor kodu
Dodaj testy do projektu
Zadania po tej lekcji
- PytanieGIL w Pythonie
- Ułóż w kolejnościPython venv
- Kliknij w kolejnościActivate venv
- Zadanie z kodemGitHub Actions CI
- PytanieAsync Python
- Zadanie z kodemCapstone: Project Setup
- Pytanierequirements.txt
- Zadanie z kodemCapstone: Core Service
- PytaniePydantic model
- Zadanie z kodemCapstone: API Layer
- PytaniePytest discovery
- Zadanie z kodemCapstone: Tests
- WideoCapstone Project - podsumowanie teorii
- Projekt do wysłaniaWyślij Capstone Project do mentora
- WideoPodsumowanie modułu