بازار کار پایتون در ایران ۱۴۰۵؛ مسیرهای شغلی، مهارت‌ها و نقشه راه

🗓 آخرین به‌روزرسانی: 24 مهر 1405

«بازار کار پایتون در ایران چطور است؟» شاید پرتکرارترین سؤال کسانی باشد که تازه یادگیری پایتون را شروع کرده‌اند. در اینترنت عددهای زیادی درباره حقوق و تعداد آگهی‌ها دست‌به‌دست می‌شود که معمولاً منبع روشنی ندارند. در این مقاله عمداً هیچ رقم حقوق یا تعداد آگهی ساختگی نمی‌آوریم. به‌جای آن، داده‌های جهانی قابل‌استناد را با ذکر منبع می‌آوریم، تصویری کیفی از بازار ایران می‌دهیم و روشی یاد می‌دهیم که خودتان وضعیت به‌روز بازار را بسنجید.

داده‌های جهانی: پایتون کجا ایستاده است؟

دو منبع عمومی و شناخته‌شده برای سنجش محبوبیت زبان‌ها وجود دارد. هر دو جهانی‌اند و مستقیماً بازار ایران را اندازه نمی‌گیرند، اما روند کلی را نشان می‌دهند:

• شاخص TIOBE: در فهرست اکتبر ۲۰۲۶، پایتون رتبه اول را با امتیاز ۱۹٫۲۳ درصد دارد؛ هرچند امتیازش نسبت به یک سال قبل ۵٫۲۳ واحد کاهش یافته است. خود TIOBE تأکید می‌کند این شاخص محبوبیت را می‌سنجد و درباره «بهترین زبان» نیست.
• نظرسنجی توسعه‌دهندگان Stack Overflow: سهم پاسخ‌دهندگانی که گفته‌اند در سال گذشته کار جدی با پایتون انجام داده‌اند از ۵۱٫۰ درصد در ۲۰۲۴ به ۵۷٫۹ درصد در ۲۰۲۵ رسید و در نظرسنجی ۲۰۲۶ برابر ۵۸٫۰ درصد بود. گزارش ۲۰۲۵ این رشد ۷ واحد درصدی را به نقش پایتون در هوش مصنوعی، علم داده و بک‌اند نسبت داده است.

نکته منصفانه این است که این داده‌ها «استفاده» و «محبوبیت» را نشان می‌دهند، نه تعداد شغل یا میزان حقوق، و جامعه پاسخ‌دهندگان Stack Overflow نماینده دقیق برنامه‌نویسان ایران نیست. با این حال وقتی بیش از نیمی از توسعه‌دهندگان یک نظرسنجی بزرگ جهانی با زبانی کار می‌کنند، یادگیری آن زبان ریسک کمی دارد.

برای تمرین کار با داده، همین عددهای منتشرشده را با پایتون مقایسه کنیم:

# Source: Stack Overflow Developer Survey, languages timeseries
used_python = {2024: 51.0, 2025: 57.9, 2026: 58.0}

years = sorted(used_python)
for prev, cur in zip(years, years[1:]):
    diff = used_python[cur] - used_python[prev]
    print(f"{prev} -> {cur}: {used_python[prev]}% -> {used_python[cur]}%  ({diff:+.1f} points)")

خروجی:

2024 -> 2025: 51.0% -> 57.9%  (+6.9 points)
2025 -> 2026: 57.9% -> 58.0%  (+0.1 points)

تصویر کیفی بازار کار پایتون در ایران

بدون ادعای آماری، چند الگوی قابل مشاهده را می‌توان گفت؛ الگوهایی که هر کسی با چند هفته دنبال کردن آگهی‌های استخدام در سایت‌های کاریابی ایرانی و لینکدین می‌تواند خودش ببیند:

• پایتون معمولاً تنها نیست. آگهی‌ها کمتر «فقط پایتون» می‌خواهند؛ پایتون را همراه یک فریم‌ورک (Django یا FastAPI)، پایگاه داده (معمولاً PostgreSQL یا MySQL)، git و آشنایی با لینوکس و Docker می‌خواهند.
• بک‌اند وب پرتکرارترین مسیر ورود است. استارتاپ‌ها، فروشگاه‌های اینترنتی و شرکت‌های نرم‌افزاری برای ساخت API و پنل مدیریت به برنامه‌نویس بک‌اند نیاز دارند.
• داده و هوش مصنوعی رو به گسترش است اما معمولاً سابقه یا دانش ریاضی و آمار بیشتری می‌طلبد و ورود مستقیم مبتدی‌ها به آن دشوارتر است.
• کار پروژه‌ای و فریلنسری برای اسکریپت‌نویسی، ربات تلگرام، استخراج داده از وب و اتوماسیون کارهای اداری رایج است و مسیر خوبی برای ساختن نمونه‌کار است.
• دورکاری برای شرکت‌های خارجی برای برخی برنامه‌نویسان ایرانی ممکن است، اما با محدودیت‌های پرداخت و تحریم همراه است و نباید آن را مسیر پیش‌فرض و آسان فرض کرد.

مسیرهای شغلی اصلی با پایتون

۱. برنامه‌نویس بک‌اند (Django / FastAPI)

ساخت سرور، API و منطق برنامه‌های وب. مهارت‌های اصلی: پایتون در سطح شیءگرا، یک فریم‌ورک وب، SQL، احراز هویت، تست و استقرار روی سرور لینوکسی. گزارش Stack Overflow ۲۰۲۵ رشد ۵ واحدی استفاده از FastAPI را از چشمگیرترین تغییرهای حوزه فریم‌ورک‌های وب دانسته است.

۲. تحلیل‌گر داده

تمیز کردن، تحلیل و نمایش داده برای تصمیم‌گیری کسب‌وکار. ابزارها: pandas، رسم نمودار با Matplotlib، SQL و آمار پایه. این مسیر برای کسانی که با اکسل و گزارش کار کرده‌اند ورود طبیعی‌تری است.

۳. یادگیری ماشین و هوش مصنوعی

ساخت و به‌کارگیری مدل‌ها؛ از طبقه‌بندی ساده تا کار با مدل‌های زبانی. به ریاضیات (جبر خطی، آمار و احتمال) و تجربه کار با داده نیاز دارد. بیشتر شرکت‌ها ترجیح می‌دهند فرد قبلاً تحلیل داده یا بک‌اند انجام داده باشد.

۴. اتوماسیون و اسکریپت‌نویسی

نوشتن ربات، کار با API، خودکارسازی کارهای تکراری، استخراج داده از وب. این مسیر سریع‌ترین راه برای ساختن پروژه‌های واقعی و گرفتن اولین پروژه‌های کوچک است. پروژه‌هایی مثل ساخت ربات تلگرام و مرتب‌سازی خودکار فایل‌ها نمونه‌هایی از این نوع کار هستند.

۵. DevOps و تست نرم‌افزار

پایتون زبان رایج نوشتن اسکریپت‌های استقرار، پایش و تست خودکار است. اگر به لینوکس و شبکه علاقه دارید، این مسیر کمتر شلوغ است.

نقشه راه پیشنهادی از صفر تا اولین درخواست کار

1. مبانی: متغیرها، شرط و حلقه، لیست و دیکشنری، تابع. دوره پایتون مقدماتی همین بخش را پوشش می‌دهد.
2. سطح متوسط: شیءگرایی، مدیریت خطا، کار با فایل و JSON، محیط مجازی. دوره پایتون سطح متوسط را ببینید.
3. ابزارهای حرفه‌ای: git و GitHub، خط فرمان لینوکس، SQL پایه.
4. انتخاب یک مسیر از فهرست بالا و یادگیری ابزار اصلی آن.
5. ساخت ۲ تا ۳ پروژه واقعی و انتشار کد آن‌ها در GitHub با توضیح روشن.
6. رزومه و درخواست: رزومه یک‌صفحه‌ای با لینک پروژه‌ها و درخواست برای موقعیت‌های کارآموزی و جونیور.

برای پیگیری پیشرفتتان، این چک‌لیست کوچک را در پایتون اجرا کنید و وضعیت هر مهارت را تغییر دهید:

skills = {
    "python basics": True,
    "oop": True,
    "git & github": False,
    "sql": False,
    "framework (django/fastapi)": False,
    "2+ portfolio projects": False,
}

done = [s for s, ok in skills.items() if ok]
todo = [s for s, ok in skills.items() if not ok]
print(f"Progress: {len(done)}/{len(skills)} ({len(done) / len(skills):.0%})")
print("Next to learn:", ", ".join(todo[:2]))

خروجی:

Progress: 2/6 (33%)
Next to learn: git & github, sql

روش سنجش بازار توسط خودتان

به‌جای اعتماد به عددهای بی‌منبع، یک پژوهش کوچک شخصی انجام دهید. در دو تا چهار هفته، متن آگهی‌های مرتبط با پایتون را از سایت‌های کاریابی و لینکدین در یک فایل متنی کپی کنید؛ هر آگهی در یک خط. سپس با یک اسکریپت ساده بشمارید هر مهارت در چند آگهی آمده است. نتیجه دقیقاً برای شهر، سطح و مسیر مورد علاقه خودتان است و هر ماه می‌توانید آن را به‌روز کنید.

کد زیر همین کار را انجام می‌دهد. سه خط نمونه داخل کد فقط مثال ساختگی برای نمایش طرز کار اسکریپت هستند و آمار واقعی بازار نیستند؛ شما باید آگهی‌های واقعی را جایگزین کنید:

ads = [
    "Backend developer: Python, Django, PostgreSQL, Docker, Git",
    "Data analyst: Python, pandas, SQL, Excel, Power BI",
    "Junior Python developer: FastAPI, Git, Linux, REST API",
]  # sample lines only - replace with real job ads

skills = ["python", "django", "fastapi", "sql", "git", "docker", "linux", "pandas"]
counts = {s: sum(s in ad.lower() for ad in ads) for s in skills}
for skill, n in sorted(counts.items(), key=lambda x: -x[1]):
    print(f"{skill:8} {'#' * n} {n}/{len(ads)}")

خروجی:

python   ### 3/3
sql      ## 2/3
git      ## 2/3
django   # 1/3
fastapi  # 1/3
docker   # 1/3
linux    # 1/3
pandas   # 1/3

وقتی فایل شما چند ده آگهی واقعی داشته باشد، این خروجی ساده نشان می‌دهد کدام مهارت‌ها را باید زودتر یاد بگیرید. اگر خواستید، با آموزش خواندن و نوشتن فایل متنی آگهی‌ها را از فایل بخوانید و با Matplotlib نمودار بکشید.

نمونه‌کار مهم‌تر از مدرک

در بیشتر مصاحبه‌های برنامه‌نویسی، سؤال اصلی این است: «چه چیزی ساخته‌ای؟» پروژه‌ای که مسئله واقعی را حل کند، کد تمیز و توضیح نصب داشته باشد، از ده گواهی دوره ارزشمندتر است. پیشنهادهای ما برای نمونه‌کار:

• یک API کوچک با FastAPI یا Django برای مدیریت کتابخانه یا انبار؛ ایده اولیه را از پروژه مدیریت کتابخانه و مدیریت انبار بگیرید.
• یک داشبورد تحلیل داده از یک فایل CSV عمومی با نمودار.
• یک ربات تلگرام که کاری مفید انجام دهد.
• یک اسکریپت اتوماسیون که مشکل واقعی خودتان یا یک کسب‌وکار کوچک را حل کند.

ابزارهای هوش مصنوعی؛ تهدید یا فرصت برای تازه‌کارها؟

ابزارهای تولید کد با هوش مصنوعی حالا بخشی از کار روزمره بسیاری از برنامه‌نویسان شده‌اند و گزارش Stack Overflow ۲۰۲۵ هم بخش بزرگی را به همین ابزارها اختصاص داده است. برای کسی که پایتون یاد می‌گیرد، نتیجه عملی این است که نوشتن کدهای تکراری ساده دیگر مزیت رقابتی نیست. آنچه ارزش دارد، فهم مسئله، طراحی راه‌حل، خواندن و بررسی کد، پیدا کردن باگ و مسئولیت‌پذیری درباره نتیجه است. از این ابزارها برای یادگیری سریع‌تر استفاده کنید، اما هر خطی را که به پروژه‌تان اضافه می‌کنید بفهمید و بتوانید توضیحش بدهید؛ در مصاحبه دقیقاً همین را می‌سنجند.

درباره درآمد چه می‌توان گفت؟

چون منبع عمومی، به‌روز و قابل‌راستی‌آزمایی برای حقوق برنامه‌نویسان پایتون در ایران پیدا نکردیم، رقمی نمی‌آوریم. به‌طور کیفی، درآمد به سطح تجربه، شهر، نوع شرکت، مسیر شغلی و توانایی مذاکره بستگی زیادی دارد و فاصله آن بین تازه‌کار و ارشد بسیار زیاد است. بهترین کار این است که خودتان آگهی‌های استخدام‌ای را که حقوق را اعلام می‌کنند در یک فایل جمع‌آوری کنید و در کنار گفتگو با برنامه‌نویسان شاغل، تصویر واقعی و به‌روز بسازید. هر عددی که بدون منبع ببینید، با احتیاط بپذیرید.

اشتباه‌های رایج کسانی که برای کار پایتون یاد می‌گیرند

• ماندن طولانی در آموزش‌های ویدیویی بدون نوشتن پروژه.
• پریدن مستقیم به هوش مصنوعی بدون تسلط بر مبانی پایتون و داده.
• نادیده گرفتن git، SQL و لینوکس؛ این‌ها تقریباً در همه آگهی‌ها تکرار می‌شوند.
• منتظر ماندن برای «کامل شدن» پیش از درخواست دادن؛ برای موقعیت جونیور، مبانی محکم و چند پروژه کافی است.

📌 همچنین بخوانید: دستورهای break، continue و pass در پایتون، محدوده متغیرها در پایتون و توابع Lambda در پایتون

سوالات متداول

آیا بازار کار پایتون در ایران خوب است؟

پایتون در داده‌های جهانی مثل TIOBE و نظرسنجی Stack Overflow جزو پرکاربردترین زبان‌هاست و در ایران هم در بک‌اند، داده و اتوماسیون تقاضا دارد. اما رقابت در سطح جونیور زیاد است و نمونه‌کار خوب تعیین‌کننده است.

حقوق برنامه‌نویس پایتون در ایران چقدر است؟

منبع عمومی و قابل‌استنادی برای این رقم پیدا نکردیم و عدد ساختگی نمی‌آوریم. درآمد به تجربه، شهر، شرکت و مسیر شغلی بستگی دارد؛ آگهی‌هایی را که حقوق اعلام می‌کنند خودتان جمع‌آوری و مقایسه کنید.

برای استخدام پایتون چه چیزهایی باید بلد باشم؟

مبانی و شیءگرایی پایتون، git، SQL، آشنایی با لینوکس و یک فریم‌ورک یا ابزار تخصصی مسیرتان (مثل Django، FastAPI یا pandas)، به‌همراه دو یا سه پروژه واقعی.

چقدر طول می‌کشد تا با پایتون استخدام شوم؟

به زمانی که هر روز می‌گذارید و پیش‌زمینه‌تان بستگی دارد و عدد ثابتی وجود ندارد. معیار بهتر از زمان، توانایی ساختن مستقل یک پروژه کامل است.

منابع

• TIOBE Index – October 2026
• Stack Overflow Developer Survey 2025 – Technology
• Stack Overflow Developer Survey – Languages timeseries

آموزش‌های مرتبط

• آموزش جامع پایتون
• دوره پایتون مقدماتی
• دوره پایتون سطح متوسط
• کدهای آماده پایتون
• مسیرهای یادگیری