Простой Python | Программирование

Система поиска похожих изображений Сделаем простую систему поиска похожих изображений. Сделаем ее без использования ИИ: для определения схожести мы будем переводить изображения в числовые векторы признаков, а векторы сравнивать с помощью расстояния. Логика кода проста. Сначала мы превращаем все изображения базы в векторы. Затем извлекаются признаки из запроса. Вычисляем сходство между запросом и базой и в результате выводим топ-N наиболее похожих изображений. При желании можно улучшить код. Например, вместо простых цветов взять признаки через нейросеть, или выделить отдельные признаки для поиска по цвету, текстуре, объемам. #практика

#юмор

Go и Python: Что лучше для веб-скрейпинга? И Go, и Python могут использоваться для веб-скрейпинга, но у каждого свои плюсы и минусы. Благодаря данной статье ты узнаешь о преимуществах каждого из языков, чтобы сделать оптимальный выбор для своего следующего проекта. 👉Читать статью #статьи

FastAPI: Разработка веб-проекта Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться FastAPI библиотекой. В этот раз ты добавишь внешнее оформление для FastAPI-проекта. 👀Смотреть видео #видео

Симуляция частиц с Pygame С помощью Pygame можно создать простую, но очень эффектную 2D-игру-симуляцию песка. Игрок будет сыпать песчинки мышкой, а частицы под действием гравитации будут падать вниз. При желании ты можешь улучшить проект: добавить воду и огонь, реализовать эффекты ветра и многое другое. #практика

⚡️Собираем и автоматизируем анализ данных в Airflow с оповещениями в Telegram Проведем вебинар, где вместе с Александром Дарьиным развернем пайплан в Airflow на датасетах Kaggle и алертах в Telegram. Александр — старший аналитик данных в СберТройка. Что будем делать на вебинаре: 🟠 Выберем данные — заглянем в огромный каталог Kaggle (450+ тысяч наборов данных); 🟠Настроим автоматическую загрузку — покажем, как это делается в Airflow; 🟠Исследуем данные — простыми методами проверим их качество и построим наглядные графики; 🟠Соберем весь процесс в один пайплайн — чтобы все работало само, без ручного вмешательства; 🟠Добавим уведомления в Telegram — если в данных что-то пошло не так, бот сразу вас предупредит. Этот вебинар поможет вам автоматизировать работу с данными, масштабировать процесс, избегать ошибок и освободить время для сложных задач, что актуально как новичку, так и опытному специалисту. 🕗 Встречаемся 29 апреля в 18:30 по МСК, как всегда, ответим на все вопросы в прямом эфире. 😶Зарегистрироваться на бесплатный вебинар

#юмор

Современные реализации бустинга Хотя sklearn вполне неплох для обучения, в проде чаще используют специализированные библиотеки, заточенные под бустинг. Например, XGBoost. Он очень быстрый, поддерживает регуляризацию, отложенное построение деревьев, а также раннюю остановку. LightGBM работает еще быстрее, идеально подходит для очень больших данных. CatBoost же супер дружелюбен к категориальным признакам, даже не нужно кодировать вручную. Присутствует поддержка GPU. #практика

Сделай из себя куклу прямо в телеграм! Хайповую функцию добавили в крутейший нейробот. Бот может сделать тебя в стиле гибли, в стиле лего или в любом другом, каком пожелаешь! Заходи и жми кнопку «🔥Фотки от ЧатГПТ»: запустить бот

Работа с Selenium: Часть 10 Продолжаем делиться циклом видео, где автор рассказывает про Selenium. В результате ты научишься работать с формами, проходить аутентификацию на различных сайтах и многое другое. 👀Смотреть видео #видео

Инструменты для работы с графикой В данной подборке автор рассказывает про шесть лучших инструментов для работы с графикой. Они выделяются от остальных инструментов своими функциями, активностью сообщества и фишками. 👉Читать статью #статьи

Как сделать свой RAG? Представь, что у тебя есть умный робот, который умеет отвечать на вопросы. Но чтобы давать самые точные ответы, он сначала ищет информацию в книгах или интернете, а потом формирует ответ. RAG (Retrieval-Augmented Generation) — это метод, который делает нейросетевой текстовый генератор (например, GPT) умнее и точнее за счёт поиска информации внешних источников перед генерацией ответа. Благодаря данной статье ты узнаешь, как создать собственный RAG. 👉Читать статью #статьи

🔥 Как определиться с делом своей жизни, когда ты только заканчиваешь школу? Эту проблему необязательно решать в одиночку – существует проверенный способ разобраться в себе и своём призвании. Поговорим о нём на вебинаре! ⭐️ Во время стрима разберём 4 сценария, которые помогут тебе выбрать своё будущее – и покажем, как они работают в реальности. Как понять себя, подсветить свои сильные стороны, и какие решения точно не стоит принимать вслепую. Вебинар проводит Институт iSpring, где каждый абитуриент проходит глубокую профориентацию прежде, чем принять решение о поступлении. Когда: 29 апреля, 19:00 (МСК) Спикеры: — Дмитрий Лукашов, экс-директор по маркетингу Skillbox — и секретный гость из ИТ, хорошо знающий рынок и его потребности ✅ Участие бесплатное УЗНАТЬ ПОДРОБНЕЕ Реклама АНО ВО «РУМТ» ИНН 1215144727 erid: 2SDnjcK2v7F

#юмор

FastAPI: Работа с базой данных Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться FastAPI библиотекой. В этот раз ты установишь SQLAlchemy и настроишь работу с базой данных. 👀Смотреть видео #видео

#юмор

Как заговорить с сетевиками на одном языке? 👍   Эксперты одного из ведущих провайдеров IT-инфраструктуры Selectel подготовили бесплатный курс «Погружение в компьютерные сети».   Всего за час вы сможете разобраться в принципах работы сетей, освоить ключевые термины и на конкретных примерах освоить две основные модели.   Курс будет интересен как джунам, так и более опытным разработчикам.   ➡️ Убедитесь в этом, начав обучение в Академии Selectel Реклама. АО «Селектел», ИНН 7810962785, ERID: 2Vtzqwf5F5k

Random Forest Random Forest — это не одно дерево, а сразу много. Каждый “деревце” в лесу обучается на случайной части данных и с использованием случайного поднабора признаков. Когда нужно предсказать класс или значение, все деревья голосуют, и побеждает большинство (в классификации) или усреднённый ответ (в регрессии). В результате снижается переобучение по сравнению с одиночным деревом, а сама модель меньше зависит от случайных шумов. Сначала из обучающей выборки с помощью бутстрэпа выбирается случайная подвыборка (с возвращением). Для каждого дерева берётся случайный набор признаков. Все деревья предсказывают, и итоговый ответ — это агрегация: большинство голосов в классификации или среднее значение в регрессии. Обрати внимание на пример. n_estimators определяет, сколько деревьев. max_depth — максимальная глубина каждого дерева. random_state — фиксируем сид, чтобы результат был воспроизводим. Можно добавлять class_weight='balanced', если классы несбалансированы. #практика

Flask: Использование JavaScript Продолжаем делиться циклом статей, благодаря которому ты научишься пользоваться Flask. В этот раз автор демонстрирует создание всплывающего окна при наведении курсора мыши на ник пользователя. 👉Читать статью #статьи #flask

😮 Добавлена новая база слитых курсов на 800ГБ: Python: https://t.me/+NGzFxvZXoWY4YzJi Программирование: https://t.me/+7iLDOaOPIPxjNGEy Графика и дизайн: https://t.me/+dWCyu5OOWHU5Y2Uy Frontend и Web: https://t.me/+IhR1IL7GI203Yjg6