Pythoner

Этот пост - реальная возможность поменять жизнь. И стать творцом! 🧑🏻‍🎨 Питоша 🐍 - самый востребованный язык в мире  А с этим курсом разберётся даже твоя бабуля 👵🏻 1600 отзывов не дадут соврать:) Ссылка на полностью бесплатный курс:  stepik.org/course/214271/promo Наш паблик в телеграмме с викторинами: t.me/pitosha1

Бесплатное льготное обучение: 3 месяца Мы ищем людей, которые хотят работать в IT-сфере из дома 💰 Оплата от 150.000 рублей в месяц Образование, место жительства, трудовой стаж — не важны! Подходит, как для подработки / декретного отпуска, так и для полной занятости. Если заинтересовались, то для старта нужно: — пройти короткий тест — заполнить анкету На что можно рассчитывать: ✅ удаленная работа ✅ зп от 150.000 рублей (потолка нет) ✅ стабильная подработка, если не хотите уходить с основной работы ⚡ Количество бесплатных мест ограничено. Успейте пройти тест и оставить заявку: Узнать больше #реклама technolium.ru О рекламодателе

😈 IT memer

👨‍💻 Баттлы по программированию на Python X5 Tech Sprint — соревнования по кодингу прямо в супермаркетах «Перекрёсток» рядом с твоим вузом. Забирай крутые призы: — фаст-трек на стажировку в X5 Tech для ТОП-25 участников общего рейтинга — 50 000 рублей для ТОП-5 самых быстрых кодеров — в ежедневном розыгрыше: сертификат на 3 000 рублей на покупки в «Перекрёстке» Пора воспользоваться своими скиллами — успей принять участие с 12 по 19 апреля! 🌐 Подробнее о соревновании на сайте.

Искусственный интеллект помогает больше продавать Битрикс24 CRM + Ai упрощает работу менеджера. Расшифровывает записи звонков клиентам и сам заполняет карточку сделки. Менеджер в это время уже звонит следующему клиенту. Попробуйте умную CRM Попробовать #реклама 16+ bitrix24.ru О рекламодателе

✈️Boltons — это открытая библиотека Python, которая предоставляет набор общих, лёгких и независимых утилит. Создана она Mahmoud Hashemi и доступна на GitHub. Boltons разработаны для того, чтобы дополнить стандартную библиотеку Python, предоставляя функции, которые часто нужны, но отсутствуют в стандартной библиотеке. ➡️Основные возможности Boltons содержит множество модулей, каждый из которых специализируется на определенной области функциональности. Вот некоторые ключевые модули и возможности: 1. iterutils: Утилиты для работы с итераторами и итерируемыми объектами, включая расширенные инструменты itertools и шаблоны итерирования. 2. strutils: Дополнительные инструменты для работы со строками, такие как расширенная интерполяция, форматирование текста и заполнение. 3. fileutils: Утилиты для работы с файлами и каталогами, включая итерацию по файлам, атомарное сохранение файлов и операции с деревьями каталогов. 4. datetimeutils: Расширенные инструменты для работы с датами и временем, включая более гибкие возможности парсинга и форматирования, работу с часовыми поясами и операции с timedelta. 5. funcutils: Утилиты для работы с функциями, такие как композиция функций, декораторы кэширования и валидации аргументов. 6. cacheutils: Утилиты для кэширования, такие как LRU-кэш. 7. dictutils: Расширенные инструменты для работы со словарями, такие как OrderedMultiDict. 8. queueutils: Утилиты для работы с очередями, такие как PriorityQueue. 9. tbutils: Утилиты для работы с трассировками стека, такие как тип TracebackInfo, который упрощает отладку и отчёты об исключениях. ➡️Пример использования

from boltons.dictutils import OMD

# OrderedMultiDict — словарь, сохраняющий порядок и поддерживающий дубликаты ключей
data = OMD()
data.add('status', 'ok')
data.add('status', 'warning')

print(data.getlist('status'))  # ['ok', 'warning']

💡Заключение Boltons — это мощная библиотека утилит, которая дополняет стандартную библиотеку Python, предоставляя множество дополнительных инструментов и функций. Независимо от того, являетесь ли вы разработчиком на Python или аналитиком данных, Boltons поможет вам повысить эффективность работы и упростить реализацию кода. 🐍 Pythoner

⚡️ Python теперь в Telegram! Ребята сделали крутейший канал, где на простых картинках и понятном языке обучают Python, делятся полезными фишками и инструментами Подписывайтесь: @PythonPortal

Крупнейший университет искусственного интеллекта Приглашаем на бесплатный однодневный интенсив по AI! Освой искусственный интеллект для профессионального роста: создавай нейросети, автоматизируй бизнес-задачи и зарабатывай на AI-решениях. ✨ 8 000+ студентов со всего мира ✨ 600+ AI-проектов, созданных студентами ✨ Сборная Университета — победители крупнейших AI-хакатонов России ✨ Стажировки в крупнейших компаниях России (РЖД, Ростелеком, РУДН, Совкомбанк, Самолет и другие) ✨ Трудоустраиваем выпускников в крупнейшие компании (Яндекс, ВТБ, Сбербанк, Роскосмос и другие) Будем рады видеть тебя в наших рядах! Узнать больше #реклама 16+ neural-university.ru О рекламодателе

✈️Glom — это библиотека Python, которая позволяет удобно работать с вложенными данными. Glom предоставляет инструменты для доступа к вложенным данным и их преобразования, что делает работу с сложными структурами данных более простой и интуитивной. ➡️Основные возможности glom — Путь доступа к данным: Glom позволяет использовать пути для доступа к вложенным данным, например, a.b.c. — Объявление преобразований данных: Glom предоставляет инструменты для преобразования данных с помощью лёгких и понятных спецификаций. — Читаемые сообщения об ошибках: Glom предоставляет читаемые сообщения об ошибках, чтобы помочь вам быстро найти и исправить проблемы. — Встроенная отладка: Glom предоставляет инструменты для отладки, чтобы помочь вам быстро найти и исправить проблемы. — Дополнительные возможности: Glom также предоставляет инструменты для глубокого присваивания, потоковой обработки и валидации данных. ➡️Основные примеры использования 1.Доступ к данным:

from glom import glom

# Пример данных
data = {'a': {'b': {'c': 'd'}}}

# Доступ к данным с помощью пути
result = glom(data, 'a.b.c')  # Вернёт 'd'
print(result)

2.Обработка вложенных списков:

# Пример данных
data = {'a': [{'k': 'v1'}, {'k': 'v2'}]}

# Доступ к данным в вложенных списках с помощью шаблона
result = glom(data, 'a.*.k')  # Вернёт ['v1', 'v2']
print(result)

3.Преобразование данных. Glom позволяет не только получать данные, но и преобразовывать их:

# Пример данных
data = {'a': {'b': 'c', 'd': 'e'}, 'f': 'g', 'h': [0, 1, 2]}

# Определение спецификации преобразования
spec = {'a': 'a.b', 'd': 'a.d', 'h': ('h', [lambda x: x * 2])}

# Применение спецификации преобразования
output = glom(data, spec)
print(output)  # Вывод {'a': 'c', 'd': 'e', 'h': [0, 2, 4]}

4.Обработка ошибок. Glom предоставляет читаемые сообщения об ошибках, что позволяет быстро находить и исправлять проблемы:

# Пример данных
data = {'a': {'b': None}}

# Попытка доступа к несуществующему пути
try:
    result = glom(data, 'a.b.c')
except Exception as e:
    print(e)  # Вывод сообщения об ошибке

⛓Документация glom ⛓Руководство по glom 💡Заключение Glom — это мощный инструмент для работы с вложенными данными. Он позволяет легко получать доступ к данным и преобразовывать их с помощью путей и спецификаций. Glom подходит как для аналитиков данных, так и для разработчиков, которые хотят упростить работу с вложенными структурами данных. 🐍 Pythoner

В России можно посещать IT-мероприятия хоть каждый день: как оффлайн, так и онлайн Но где их находить? Как узнавать о них раньше, чем когда все начнут выкладывать фотографии оттуда? Переходите на канал IT-Мероприятия России. В нём каждый день анонсируются мероприятия со всех городов России 📆 в канале размещаются как онлайн, так и оффлайн мероприятия; 👩‍💻 можно найти ивенты по любому стеку: программирование, frontend-backend разработка, кибербезопасность, дата-аналитика, osint, devops и другие; 🎙 разнообразные форматы мероприятий: митапы с коллегами по цеху, конференции и вебинары с известными опытными специалистами, форумы и олимпиады от важных представителей индустрии и многое другое А чтобы не искать по разным форумам и чатам новости о предстоящих ивентах: 🚀 IT-мероприятия России — подписывайся и будь в курсе всех предстоящих мероприятий!

✈️TensorFlow — это ведущая открытая платформа для машинного обучения, разработанная Google. Она широко используется как в академической среде, так и в промышленности. TensorFlow поддерживает множество приложений, от простых линейных моделей до сложных архитектур глубокого обучения. ➡️Основные понятия TensorFlow - Тензоры: Многомерные массивы, аналогичные массивам NumPy. Они являются основными элементами, с которыми работает TensorFlow. - Операции: Функции, которые выполняют вычисления над тензорами. - Переменные: Значения, которые изменяются в процессе обучения модели. - Граф вычислений: TensorFlow использует графы для представления математических операций. Каждый узел графа представляет операцию, а ребра — данные (тензоры), передающиеся между операциями. ➡️Построение первой нейронной сети 1.Загрузка данных: TensorFlow позволяет легко загружать и предобрабатывать данные. В примере ниже мы используем набор данных MNIST, который часто используется для обучения систем обработки изображений:

import tensorflow as tf
from tensorflow.keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

2.Определение модели: Мы используем API Keras, интегрированный в TensorFlow, для определения нашей нейронной сети:

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

3.Компиляция модели: Затем мы компилируем модель, указывая оптимизатор, функцию потерь и метрики:

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

4.Обучение модели: Обучаем модель с использованием обучающих данных:

model.fit(x_train, y_train, epochs=5)

5.Оценка модели: Наконец, оцениваем модель с использованием тестовых данных:

model.evaluate(x_test, y_test)

💡Заключение TensorFlow в Python — это мощный инструмент для создания моделей машинного обучения. Независимо от того, являетесь ли вы начинающим или опытным разработчиком, обширная экосистема и надежные функции TensorFlow делают его ценным инструментом в вашем арсенале искусственного интеллекта. 🐍 Pythoner

В канале Selectel Newsfeed новые бесплатные курсы! Наши бесплатные курсы для специалистов всех уровней помогут разобраться в темах быстро, структурно и последовательно. Вступайте в сообщество IT-специалистов в Telegram от Selectel и развивайте новые навыки📚 Смотреть #реклама 16+ О рекламодателе

✈️igraph — это популярная библиотека для анализа и визуализации графов, которая доступна как для Python, так и для других языков программирования (R, C). Она позволяет исследовать сложные сети, такие как социальные графы, транспортные системы, веб-сайты и многое другое. Благодаря своей эффективности и гибкости, igraph стал одним из основных инструментов для работы с данными в виде графов. ➡️Основные возможности igraph — генерация случайных и классических графов, вычисление различных метрик (степени вершин, диаметра графа и т. д.), поиск сообществ и кластеров. ➡️Пример создания простого графа:

import igraph as ig

# Создаем граф
graph = ig.Graph()

# Добавляем вершины
graph.add_vertices(5)

# Добавляем ребра
graph.add_edges([(0, 1), (1, 2), (2, 3), (3, 4), (4, 0)])

# Визуализируем граф
ig.plot(graph, vertex_label=range(graph.vcount()), vertex_color="lightblue", edge_width=2)

➡️Пример анализа графа:

import igraph as ig

# Создаем граф
graph = ig.Graph.Tree(10, 2)  # Дерево с 10 узлами и ветвлением 2

# Получаем характеристики графа
print("Количество вершин:", graph.vcount())  # Вывод: 10
print("Количество ребер:", graph.ecount())   # Вывод: 9
print("Степень каждой вершины:", graph.degree())  # Вывод: [2, 3, 3, 1, 1, 1, 1, 1, 1, 1]

# Находим диаметр графа
diameter = graph.diameter()
print("Диаметр графа:", diameter)

➡️Некоторые особенности Python-igraph: — Подходит для анализа графов среднего и большого размера — Делает акцент на производительности и эффективности использования памяти — Поддерживает направленные и ненаправленные графы, взвешенные графы — Имеет богатый набор алгоритмов компоновки — Интегрируется с популярными библиотеками Python для науки о данных, такими как NumPy и Pandas. 3 💡Заключение igraph — это универсальный инструмент для анализа и визуализации графов. Он помогает исследовать сложные сети и находить скрытые закономерности в данных. Он особенно полезен для исследователей и учёных, работающих со сложными сетевыми структурами. 🐍 Pythoner

Ошибки в защите данных: как СУБД Jatoba избегает их? Дата: 17 апреля (четверг) Время: 12:00 - 13:30 МСК Не пропустите вебинар «Кластерные решения для больших объемов данных: отечественный опыт» Эксперты УЦСБ и «Газинформсервис» расскажут, как избежать ошибок в настройке СУБД, повысить доступность данных и защитить их от утечек, даже при пиковых нагрузках. 1. Как Jatoba обеспечивает высокую доступность данных при максимальных нагрузках? 2. Почему стоит выбрать отечественную СУБД для хранения и защиты данных? 3. Реальные примеры успешных внедрений в крупных компаниях. 4. Демонстрация интерфейса и отказоустойчивости Jatoba DB в действии! Бонус: фирменный мерч от «Газинформсервис» за самый интересный вопрос! Зарегистрироваться #реклама 16+ sec.ussc.ru О рекламодателе

😈 IT memer

Ты уже начал изучать IT, но чувствуешь, что сам не вывезешь? Нужно больше практики, системности и поддержки? 🔥Приходи на бесплатный интенсив "Первые шаги в Python: начни свой путь в IT" 🔥 8, 9 и 10 апреля | Онлайн За 3 дня ты: ✅ поймёшь, как устроена профессия backend-разработчика; ✅ изучишь основы Python и напишешь свою первую программу прямо в Google Colab; ✅ разберёшься, какие шаги реально приведут тебя в IT; ✅ получишь поддержку и ответы на свои вопросы от опытного наставника. Интенсив проведёт Сергей Смелков — backend-разработчик с 5-летним опытом, преподаватель и ментор, который помогает новичкам уверенно войти в профессию. Сергей объясняет сложные темы простым языком, помогает не запутаться в старте и уже на первых шагах почувствовать себя уверенно. Если хочешь перестать блуждать в потёмках и получить чёткое направление — начни с этих трёх дней. ❗️Это бесплатно, понятно и под силу каждому. 🎯Регистрируйся сейчас — старт 8 апреля👇 https://salebot.site/md/smelkov_stutyit

Бесплатная встреча с экспертом ESM/ITSM ✅Сократите время обработки заявок в 30 раз! Внедрение от 2 недель. Демо с экспертом. ✅Записывайтесь на бесплатную встречу с экспертом ESM/ITSM. Осталось 2 места. ✅Подберем решение ваших ИТ задач за 1 встречу! Записаться онлайн #реклама 16+ itilium.ru О рекламодателе

✈️Ленивые вычисления — это подход, при котором операции выполняются только тогда, когда их результат действительно нужен. Вместо того чтобы сразу вычислить все значения, ленивые вычисления откладывают обработку до последнего момента, что позволяет экономить время и память, особенно при работе с большими данными. ➡️Пример использования генераторов для ленивых вычислений:

# Генератор для создания бесконечной последовательности чисел
def infinite_sequence():
    num = 0
    while True:
        yield num
        num += 1

# Использование генератора
seq = infinite_sequence()
print(next(seq))  # Вывод: 0
print(next(seq))  # Вывод: 1
print(next(seq))  # Вывод: 2

➡️Пример использования itertools для ленивых вычислений:

import itertools

# Создаем бесконечную последовательность четных чисел
even_numbers = itertools.count(0, 2)

# Берем первые 5 элементов из последовательности
first_five = itertools.islice(even_numbers, 5)
print(list(first_five))  # Вывод: [0, 2, 4, 6, 8]

🔎Почему ленивые вычисления важны? - Экономия памяти: Вместо хранения всех данных в памяти, генераторы создают их по мере необходимости. - Оптимизация производительности: Нет необходимости выполнять лишние вычисления, если результат не понадобится. - Обработка больших данных: Ленивые вычисления позволяют работать с огромными наборами данных, которые не помещаются в память. - Чистый код: Генераторы и ленивые вычисления делают код более читаемым и поддерживаемым. 💡Заключение Ленивые вычисления — это мощный инструмент для оптимизации программ в Python. Они помогают эффективно использовать ресурсы и работать с большими объемами данных. 🐍 Pythoner

Искусственный интеллект помогает больше продавать Битрикс24 CRM + Ai упрощает работу менеджера. Расшифровывает записи звонков клиентам и сам заполняет карточку сделки. Менеджер в это время уже звонит следующему клиенту. Попробуйте умную CRM Попробовать #реклама 16+ bitrix24.ru О рекламодателе

🤔Разбор Lambda-функции в списке захватывают переменную i из внешней области видимости , а не её значение на момент создания. После завершения цикла i становится равным 2 (последнее значение в range(3)). Поэтому все функции используют i = 2, и результат для любого вызова funcs[n](1) будет 1 + 2 = 3. Это типичная "ловушка" при работе с замыканиями в циклах. 🐍 Pythoner