Waarom is dit belangrijk?
Vrij gedeelde bibliotheken maken het mogelijk om met Python sneller een nieuwe toepassing te bouwen, zonder daarbij elke functie zelf te schrijven. In de wetenschap gebruiken onderzoekers de bibliotheken NumPy en SciPy voor wiskundige en wetenschappelijke berekeningen. Op school en op het werk kunnen studenten en werknemers daarmee zelf berekeningen laten uitvoeren, maar Python-programma's zijn trager dan programma's in de taal C.
Zo werkt het in de praktijk
Teams schrijven Python voor websites en voor software die een bedrijf aanstuurt. De site van Python noemt Odoo als pakket voor bedrijfsbeheer. Bij Databricks voeren Python-programma's taken uit voor beelden, tekst en aanbevelingen.
Een onderzoeksvraag is welke categorie of welk getal bij nieuwe data hoort. scikit-learn noemt daarvoor spam, beelden, medicijnreacties en beurskoersen. Analisten vergelijken modellen en testen ze met kruisvalidatie, een controle op gescheiden delen van de data.
Python sluit aan op MLOps, een werkwijze om modellen betrouwbaar in gebruik te nemen en te onderhouden. Op Databricks leggen teams met MLflow de bouw van een model vast en bewaren ze het model. Het Model Registry regelt daarna de stap naar gebruik, als taak of als online dienst.




