Python RU

✔️ Microsoft выпустила в опенсорс библиотеку MarkItDown на Python для преобразования файлов в Markdown MarkItDown представляет собой эффективное средство для конвертации различных типов файлов и документов в формат Markdown. Эта библиотека идеально подходит для анализа, индексирования и систематизации данных. Вот перечень поддерживаемых форматов: — PDF, PowerPoint, Word, Excel. — Изображения (в том числе EXIF-данные и распознавание текста с помощью OCR). — Аудио (метаданные и расшифровка речи). — HTML (включая специализированную обработку контента из Wikipedia). — Текстовые форматы: CSV, JSON, XML и другие. ▪MarkItDown ▪Github @pro_python_code

🥹 Pokemon Gym — среда для обучения агентов игре Pokémon Red/Blue. Интерфейс, похожна стандартные среды RL (например, OpenAI Gym/Gymnasium), но адаптированный для игры Pokémon Red/Blue. Если хотите позалипать на выходных и попробовать различные RL-алгоритмы для обучения Ai игре в покемонов. В основе лежит эмулятор Game Boy, реализованный на Python — библиотека pyboy. Основная цель — создать и обучить ИИ-агентов, способных самостоятельно играть в Pokémon: исследовать мир, ловить покемонов, тренировать их, сражаться с другими тренерами и проходить игру. Игроку любителю потребуется ~400 шагов, чтобы поймать первого покемона, Клоду 3.7 понадобилось ~450 🤗 🔗 Github @ai_machinelearning_big_data #AIagents #ml #ai #opengym

🖥 YT Channel Downloader — интуитивно понятное приложение с графическим интерфейсом созданное для скачивания медиаконтента с YouTube. Используя надежность библиотек yt-dlp, Scrapetube и pytube и дополненный современным графическим интерфейсом на PyQt 6, этот инструмент обеспечивает удобную загрузку вашего любимого контента. 🔗 GitHub #python #github #opensource

⚡️Какой основной инструмент работы у аналитика? Pandas - инструмент, который делает жизнь аналитика проще и приятней, а работу - эффективней. Научиться работать с Pandas на реальных задачах бизнеса можно на бесплатном курсе от Simulative. За неделю обучения вы: 🟠Освоите Pandas с нуля до продвинутых функций: сложная агрегация, оконные функции и т.д. 🟠Научитесь решать реальные аналитические задачи: проводить многомерный ABC-анализ, XYZ-анализ, рассчитывать динамику продаж. 🟠Сделаете собственный проект, который сможете добавить в портфолио: реальный кейс автоматизации обработки финансовой отчетности от крупной региональной аптечной сети 🕗 Обучение проходит на платформе школы 😶Начать учиться Pandas

🖥 "Think Python" - баспланая книга от O'Reilly Одна из лучших книг для изучения Python. ❤️‍🔥Как вам обложка? ❯ 3 издание ❯ 2 издание @pythonl

Синтаксис Python освоили, а что дальше? 🐍 Работа с БД, парсинг и идеи для пет‑проектов   В новом бесплатном курсе от Selectel собраны обучающие материалы для первых шагов в мире реального программирования. Меньше теории — больше практики. На вдумчивое ознакомление со всеми материалами уйдет около четырех часов.   После прохождения курса вы научитесь: 🔹 работать с базами данных и брокерами сообщений, 🔹 создавать приложения с графическим интерфейсом, 🔹 автоматизировать получение данных.   Переходите в Академию Selectel, чтобы начать изучение курса прямо сейчас ➡️ Реклама. АО «Селектел», ИНН 7810962785, ERID: 2VtzqwJGQBa

🔥SQLGlot — это мощный парсер SQL и оптимизатор, написанный полностью на Python. Он поддерживает 24+ диалектов, включая DuckDB, Presto/Trino, Snowflake и BigQuery, позволяя конвертировать запросы между ними с сохранением смысла. 📝 Основные преимушества: - Гибкость: парсер можно легко кастомизировать под свои нужды - Надежность: проект имеет более 1000 тестов и активное сообщество - Проивзодительность: несмотря на медленную скорость языка парсер работает очень быстро. 👾 Github @pro_python_code

✔️ СuML от NVIDIA: Scikit-learn на скорости GPU – без единой строчки нового кода! Все мы любим scikit-learn за его простоту и мощь. Но что если ваши модели обучаются слишком долго на больших данных? 🤔 NVIDIA предлагает решение! Вы берете свой обычный скрипт cо scikit-learn, добавляете всего две строки в начало, и он начинает работать в 10, 50, а то и 100+ раз быстрее на NVIDIA GPU! 🔥 ✨ Как это работает? Библиотека cuml от NVIDIA содержит супероптимизированные для GPU версии многих алгоритмов машинного обучения. С помощью простого вызова cuml.patch.apply() вы "патчите" установленный у вас scikit-learn прямо в памяти. Теперь, когда вы вызываете, например, KNeighborsClassifier или PCA из sklearn: ▶️Патч проверяет, есть ли у вас GPU NVIDIA. ▶️Проверяет, есть ли в cuml быстрая GPU-версия этого алгоритма. ▶️Если да – запускает ускоренную версию на GPU! 🏎️ ▶️Если нет (нет GPU или алгоритм не поддерживается) – спокойно запускает обычную CPU-версию scikit-learn. Ключевые преимущества: ✔️ Нулевые изменения кода: Ваш scikit-learn код остается прежним. Добавляете только 2 строчки: import cuml.patch и cuml.patch.apply(). ✔️ Колоссальное ускорение: Получите прирост производительности на порядки для поддерживаемых алгоритмов (KNN, PCA, линейные модели, Random Forest (инференс), UMAP, DBSCAN, KMeans и др.) за счет мощи GPU. ✔️Автоматическое переключение между GPU и CPU. Ваш скрипт будет работать в любом случае. Топ инструмент для всех, кто работает с scikit-learn на задачах, требующих значительных вычислений, и у кого есть GPU от NVIDIA. 👇 Как использовать: Установите RAPIDS cuml (лучше через conda, см. сайт RAPIDS):

python 
conda install -c rapidsai -c conda-forge -c nvidia cuml rapids-build-backend

Добавьте в начало скрипта:

import cuml.patch
cuml.patch.apply()

Используйте scikit-learn как обычно! Попробуйте и почувствуйте разницу! 😉 ▪Блог-пост ▪Colab ▪Github ▪Ускоряем Pandas @ai_machinelearning_big_data #python #datascience #machinelearning #scikitlearn #rapids #cuml #gpu #nvidia #ускорение #машинноеобучение #анализданных

🤖 Modern Robotics Course: Открытый курс по современной робототехнике. Курс сочетает теорию (математика, физика) и практику (код, симуляторы), помогая разработчикам научиться создавать и программировать роботов. 🌟 Что внутри? ▪ Лекции: От основ робототехники, математики и физики до пространственных преобразований, обратной кинематике и более продвинутым концепциям . ▪ Практика: Примеры кода на Python и C++ для управления роботами. ▪Симуляторы: Интеграция с стимуляторами Gazebo и ROS ( операционная система для робото) для тестирования алгоритмов. ▪Задания: Реальные практические задачи (например, управление манипулятором робота). 🌟 Для кого? ▪ Начинающие робототехники: Освоить кинематику, динамику, управление. ▪ Программисты: Интегрировать алгоритмы в ROS, Gazebo, Python/C++. ▪ Инженеры: Возможность Научиться разрабатывать автономные системы и манипуляторы. ▪Технологические энтузиасты С курсом можно пройти путь от нуля до создания рабочего прототипа. С курсом у вас будет возможность проектировать роботов, не имея железа под рукой (через симуляторы). ✔️ Готовые решения: Внутри вы найдете библиотеки для работы с преобразованиями, датчиками, движением. ✔️Карьера в робототехнике: Курс даст возможность получить базовые навыки, востребованные в Bosch, Boston Dynamics, Tesla. ⭐️ Преимущества перед другими открытыми курсами 🟠 Акцент на практике: Минимум абстракций — максимум кода. 🟠Совместимость с ROS: Стандарт для промышленной робототехники. 🟠 Современные алгоритмы: Не только классика, но и нейросетевые подходы. ➡️ Cовет: Для погружения в курс, вам поможет книга Robotics, Vision and Control: Fundamental Algorithms in Python, Peter Corke, вот ее репозиторий с примерами кода. P.S. Для тех, кто любит формат «сделай сам»: Курс научит вас собирать робота виртуально, а потом переносить решения на реальные устройства. 🤖💡 ✔️ Github ✔️ Введение в курс #course #ai #ml #robots #education #курс #робототехника

👩‍💻 Wowy — это шаблон интернет-магазина, построенный на Django 4.x, который предоставляет полный набор функций для управления! 🌟 Она обеспечивает удобный пользовательский интерфейс и мощную панель администратора. Включает поддержку управления товарами (с множеством изображений), управление категориями, корзину, список желаний, генерацию PDF-счетов и детальную аналитику продаж. 🔐 Лицензия: MIT 🖥 Github @pythonl

«Устроиться в Яндекс невозможно» — слышали такое от друзей или знакомых? Этот и другие мифы ходят среди разработчиков — команда срезов в Поиске рассказывает, как всё устроено на самом деле. ❌ Миф 1. Отбор сложнее, чем в космонавты ✅ Говорят, что создать свой Поиск — это true rocket science. Но отбор к нам в команду не космически сложный. Есть 2–4 этапа, и к каждому из них мы помогаем подготовиться. А результаты успешных секций актуальны два года, так что при новых собеседованиях их просто зачтут. ❌ Миф 2. Продуктовая разработка без челленджей ✅ В Поиске с Нейро мы решаем прикладные задачи. Интерес и сложность в том, чтобы создавать продукты, которые отвечают на запросы миллионов пользователей. Наши решения мы интегрируем в инфраструктуру, которая обрабатывает петабайты информации в день и применяет последние достижения ML. ❌ Миф 3. Слишком много легаси-кода ✅ В Яндексе адекватно относятся к техдолгу и инфраструктуре. Команды постоянно развивают технологии, потому что растёт продуктовый заказ и есть требования к надёжности сервисов. ❌ Миф 4. Бесконечные переработки и дежурства ✅ В Поиске принято, что за надёжность продукта отвечает команда разработки. Дежурства есть, но они редкие — в среднем одна неделя раз в три месяца. Если случится инцидент, есть понятный набор инструкций, а на случай непредвиденных обстоятельств — поддержка коллег, готовых подстраховать. ❌ Миф 5. Гигантский энтерпрайз ✅ В Поиске не принято вмешиваться в организацию и подходы работы отдельной команды. Выбор архитектуры, как и выбор технологического стека, остаётся за командой разработки. Скорее есть высокоуровневые ограничения и рекомендации. Кандидат получает поддержку рекрутера и нанимающего менеджера на всех этапах найма, а после офера коллеги помогают с новыми задачами. Кстати, в бизнес-группе Поиска и Рекламных технологий несколько сервисов, один из них — Поиск с Нейро. Ребята создают системы для обработки и генерации данных и сейчас ищут себе бэкенд-разработчиков. Если давно думали попробовать себя в Яндексе, сейчас самое время. По ссылке — пожелания к кандидатам и детали этапов отбора.

🖥 В Python оператор break часто используется для раннего завершения цикла, но иногда его применение может привести к менее читаемому или запутанному коду. В этой статье мы рассмотрим альтернативы, которые помогут сделать ваш код чище и понятнее. ▪ Использование конструкции for/else: Если вам нужно выполнить дополнительное действие, когда цикл завершается без принудительного выхода, можно использовать блок else. В этом случае код внутри else выполнится только если цикл завершился «естественным образом», а не с помощью break. ▪ Флаговое управление циклом: Вместо использования break можно завести булевую переменную (флаг), которая будет сигнализировать, что условие для выхода выполнено. Это позволяет явно обозначить, когда цикл должен завершиться, делая логику более явной. ▪ Возврат из функции (return): Если цикл находится внутри функции, можно отказаться от break, просто завершив выполнение функции через return. Такой подход сразу возвращает результат и предотвращает дальнейшее выполнение кода, что зачастую упрощает логику. ▪ Использование исключений: В некоторых случаях, особенно когда требуется выйти из вложенных циклов, можно определить и выбросить специальное исключение. Этот метод позволяет аккуратно прервать выполнение нескольких уровней циклов, а затем обработать исключение в одном месте. Каждая из этих альтернатив может оказаться более подходящей в зависимости от контекста задачи. Применение таких методов помогает сделать код более предсказуемым, улучшает его поддержку и повышает читаемость. Попробуйте применить один из этих подходов в своём проекте и оцените, насколько он улучшает структуру вашего кода! 📌 Читать статью

Хотите получить много практики на реальных задачах, собрать портфолио и узнать как выглядит рабочий день аналитика? CEO Simulative и эксперт с большим опытом в аналитике, Андрон Алексанян организовал бесплатный интенсив, где вы будете решать реальные задачи, с которыми аналитики сталкиваются на работе На прямых эфирах вы сделаете: 🟠Анализ активности пользователей с помощью SQL 🟠Анализ маркетинговых активностей с помощью Python 🟠ABC анализ ассортиментной матрицы в Excel (уже прошел, но вам будет доступна запись) Во время эфиров вы узнаете много лайфхаков, а также будете получать полезные материалы для развития в аналитике на протяжении всего интенсива ❗️Знать Python и SQL не обязательно — все будем разбирать с нуля 🕗 Встречаемся на новом эфире уже сегодня, 20 марта в 19:00 по мск 😶Участвовать в бесплатном интенсиве

🌐 Maigret — это инструмент OSINT (разведки на основе открытых данных), который позволяет находить профили пользователей в более чем 2000 онлайн-сервисах на основе имени пользователя! 🌟 Он анализирует доступную информацию, такую как социальные сети, форумы и платформы, и создает отчет о найденных профилях. 🔐 Лицензия: MIT 🖥 Github @pythonl

🎁 Дарим доступ к курсам и замечательную литературу для подготовки к собесу и ! На этот раз мы разыграем целых 3 места на наших курсах и коллекцию очень полезных книг для подготовки к собеседованию. Условия участия максимально простые: 🔸 подписаться на Machine Learning 🔸 подписаться на Поступашки Победители рандомно получат доступы к курсам или одну из этих великолепных книг: — 40 алгоритмов, которые должен знать каждый программист на Python — Машинное обучение. Подготовка к сложному интервью — Путь инженера-программиста: развитие навыков для успешной карьеры — Математика для Data Science — Как быть успешным в Data Science. — Грокаем алгоритмы искусcтвенного интеллекта Итоги подведем 19 апреля в 19:00 при помощи бота, который рандомно выберет победителя. Всем удачи ❤️

🖥 Authentik — это система управления удостоверениями (IAM) с открытым исходным кодом, предназначенная для обеспечения аутентификации и авторизации пользователей в различных приложениях! 🌟 Она поддерживает единый вход (SSO), многофакторную аутентификацию (MFA) и интеграцию с популярными протоколами, такими как OAuth2, SAML и LDAP. Authentik используется для защиты веб-приложений и управления доступом на основе ролей. 🔐 Лицензия: CC BY-SA 4.0 🖥 Github

🌟 YOLOE — это усовершенствованная версия алгоритма обнаружения объектов, вдохновлённая классической архитектурой YOLO и разработанная командой THU-MIG. Архитектура YOLO (You Only Look Once) получила своё название благодаря подходу, при котором нейронная сеть анализирует всё изображение целиком за один проход, чтобы определить присутствие и расположение объектов. Это отличается от других методов, которые сначала выделяют потенциальные области с объектами, а затем отдельно классифицируют их, что требует нескольких обработок одного изображения YOLOE сохраняет принцип однократного взгляда на изображение для детекции объектов, но вносит архитектурные улучшения, направленные на повышение точности и эффективности модели. ▪ Ключевые отличия от классического YOLO: - Оптимизированная архитектура: В YOLOE внедрены новые подходы для более эффективной обработки признаков, что позволяет улучшить качество детекции без значительного увеличения вычислительных затрат. - Повышенная точность: Улучшенные модули и методы, такие как ре-параметризация отдельных блоков, способствуют более точному обнаружению объектов, включая мелкие и сложно различимые элементы. - Скорость и эффективность: YOLOE сохраняет высокую скорость инференса, делая его пригодным для задач в реальном времени, при этом обеспечивая конкурентоспособное соотношение производительности и точности. ▶️YOLOE требует в 3 раза меньших затрат на обучение по сравнению с YOLO-Worldv2, что делает процесс обучения более экономичным YOLOE представляет собой современное и улучшенное решение для задач детекции объектов, совмещающее лучшие стороны классического YOLO с новыми архитектурными подходами. 🖥Github 🟡Статья 🟡HF 🟡Colab #yoloe #opensource #ml #ai #yolo #objectdetection