13/07/2021
O nome do jogo é consistência. Com organização, estudo e prática dos conceitos, tenho certeza que atingir os seus objetivos é só uma questão de tempo.
Estava revisando alguns códigos nos meus arquivos antigos quando tive a ideia do post de hoje, recapitular todo o caminho que me trouxe até aqui. Eu já tinha alguma experiência em programação em Fortran lá em 2016, por já trabalhar com fluidodinâmica computacional. Foi quando comecei no Python, usando NumPy para a manipulação dos dados das simulações numéricas, e Matplotlib para a visualização.
O avanço foi lento, mas gradual, ia pesquisando como resolver cada problema em Python conforme eles foram aparecendo. Em 2017, SciPy foi incorporado ao meu fluxo de trabalho para lidar numericamente com cálculo diferencial e integral.
Em 2018, o ponto alto foi conhecer o Jupyter Notebook. Ocorreu um grande aumento de produtividade, já que pode-se misturar blocos de código executáveis com textos enriquecidos, e uma interatividade imensa, perfeito para análise exploratória de dados.
2019 seguiu no mesmo ritmo, alem de sempre ir tentando compreender Python em si. Dominar as peculiaridades da linguagem como as estruturas de dados, funções, código limpo, te**es unitários e programação orientada ao objeto é fundamental para resolver problemas complexos.
Já em 2020, houve um salto na carreira Pythonica. Tive a chance de participar de conferência nacionais e internacionais focadas no assunto, com SciPy 2020 (onde acompanhei tutoriais e palestras incríveis), JupyterCon 2020 (onde tive um trabalho aceito para apresentação como pôster) e Python Brasil 2020 (onde ministrei um tutorial sobre Xarray). Também foi o ano que lancei meu primeiro pacote Python para a comunidade, focado em fazer a interface entre Python e os parâmetros e arquivos de simulação numérica do solver de Navier-Stokes XCompact3d, que usamos para pesquisa aqui em nosso laboratório.
Agora em 2021 eu sigo estudando, tem uma série de ferramentas que eu gostaria de incluir no meu fluxo de trabalho, incluindo machine-learning, apresentação de resultados em dashboards interativos, e também sempre há espaço para otimização em design de código e tempo de execução.
O que você está estudando agora? Deixe seu comentário. Siga .py para receber mais conteúdo como esse.
