Python RU

🐍🚀 Создаем рекрутинговый портал на Django: часть 3 В заключительной части: создание мессенджера, реализация поиска по профилям и проектам, отзывы и пагинация. Читать Читать 2 Часть 1 @pro_python_code

Познакомьтесь с профессией 1С-разработчика! Участвуйте в бесплатном онлайн-интенсиве Skillbox с 28 по 30 июля в 19:00 по московскому времени. Регистрируйтесь: 👉 https://clc.to/PGIXgg. Вы узнаете: 🖱 кто такой разработчик 1С и почему он востребован на рынке; 🖱 какие soft и hard skills нужны в этой профессии; 🖱 что такое платформа 1С и каковы её основные объекты; 🖱 как создавать проводки, документы, отчёты и автоматизировать процессы. К концу интенсива создадите проект — базу для торгового предприятия. 🎁 Всем участникам подарим чек-лист по интенсиву 1С: полезную информацию о создании баз данных в 1С и пошаговый план реализации. Участвуйте, задавайте вопросы и получите сертификат на 10 000 рублей на любой курс Skillbox.

DevOps Engineer Вакансия: В PREDICTO открыта вакансия О компании: Predicto с 2018 г. занимается анализом и сегментацией данных для крупных российских и иностранных клиентов. В этом году мы поставили себе амбициозную задачу разработки CDP и рекомендательной системы. В нашей команде уже 13 сильных и классных ребят, но задач столько, что очень хотим еще! 📍Senior+ (важно) 📍в классном офисе в Москве/гибрид; 📍250-400+ руб., белая ЗП или ИП; 📍большой датасет, интересные задачи, возможность влиять на продукт. ✅Что нужно делать: - Участие в построение платформы данных Predicto на всех этапах, включая проектирование, разработку и эксплуатацию; - Ведущая роль в выстраивании экспертизы в области DevOps и SRE внутри компании и создании сильной команды; - Автоматизация процессов сборки, тестирования и доставки компонентов платформы; - Выстраивание DataOps и MLOps практик для обеспечения высокого качества данных и эксплуатации ML моделей в production’е. ✅Требования: - Опыт работы и эксплуатации решений с одним из крупных публичных облаков (Яндекс Облако, AWS, GCP, Azure, Alibaba); - Опыт работы с технологиями big data стека (в первую очередь Apache Spark) и экосистемой Python’а для data science; - Понимание принципов контейнеризации, опыт эксплуатации решений с Docker’ом и кластерами Kubernetes; - Опыт построения CI/CD пайплайнов; - Понимание IaC подхода к управлению инфраструктурой, опыт работы с Terraform’ом; - Понимание и использование принципов безопасности для облачных окружений. ✅Будет плюсом: - Опыт работы с Яндекс.Облаком; - Опыт развития команды и выстраивания DevOps и SRE практик; - Опыт работы с реляционными и нереляционными базами данных, знание SQL; - Опыт разработки и поддержки высоконагруженных сервисов; - Знание инструментов и методов MLOps, опыт эксплуатации ML-intensive приложений в production. Присылайте CV в telegram: @fedosovaAS @python_djangojobs

​Translators – Python библиотека, целью которой является бесплатный, множественный и приятный перевод Он основан на интерфейсе перевода Google, Yandex, Microsoft (Bing), Baidu, Alibaba, Tencent, NetEase (Youdao), Sogou, Kingsoft (Iciba), Iflytek, Naver (Papago), Deepl, Reverso, Itranslate, Caiyun, Argos, TranslateCom, Utibet и многих других сервисов ⤷ Ссылка на проект GitHub | #Interesting #Python

В дополнение об областях видимости переменных В отличие он некоторых других языков в Python блоки типа for, if, while, with не создают областей видимости (scope) для переменных, то есть переменная внутри и снаружи блока будет одна и та же: x = 1 if True: x = 2 print(x) # 2 Частая ошибка – затирание внешней переменной в цикле for: i = 10 for i in range(5): # затирает i ... print(i) # 4 Зоны видимости отделяются только функциями, классами и модулями. Здесь все переменные x – разные: x = 1 class Foo: x = 2 def method(self): x = 3 return x print(x, Foo.x, Foo().method()) # все 3 разные Самая широкая зона видимости называется builtin. В нее попадают все имена, известные интерпретатору в данный момент, включая вещи импортированные из других модулей. >>> from math import pi >>> pi, id(pi) (3.141592653589793, 4465320624) >>> pi = 3 >>> pi, id(pi) (3, 4462262880) >>> from math import pi >>> pi, id(pi) (3.141592653589793, 4465320624) Казалось бы мы затерли pi, но мы затерли его лишь в глобальной области видимости. Повторно импортируя pi, мы получаем старую переменную с тем же адресом, иными словами мы достаем ее из builtin области в global. Вы знали о всех этих особенностях? @pro_python_code

🐍🚀 Создаем рекрутинговый портал на Django: часть 2 В этой части: добавление обложек проектов с фронтенда, создание системы авторизации, разработка основной функциональности приложения «Пользователи» и связь проектов с профилями. Читать Часть 1 @pro_python_code

🐍🚀 Создаем рекрутинговый портал на Django: часть 2 В этой части: добавление обложек проектов с фронтенда, создание системы авторизации, разработка основной функциональности приложения «Пользователи» и связь проектов с профилями. @pro_python_code

Обнаружение лиц на Python в 19 строк кода. Сперва не забудьте установить модуль cv2 командой pip install opencv-python Затем при помощи этой крутой библиотеки, создайте HAAR Face Cascade. При желании, можно также воспользоваться Eye & Mouth cascades для обнаружения глаз и рта, соответственно. Дальше конвертируем исходное изображением в чёрно белое. И скармливаем это всё в метод detectMultiScale. Ну и как вы знаете, cv2 шикарно работает с видео потоком. Так что можно создать, например, распознавание своего лица на видео потоке с камеры? :3 Вариантов много ))) Код со скрина здесь.

При обучении нейросетей, например, детекции объектов или распознаванию лиц, часто необходимо проверить фотографию, посмотреть, правильно ли расположил разные классы объектов по папкам. И если для просмотра можно использовать привычный matplotlib, то «прочитать» фото часто удобно через opencv. Но библиотека opencv использует цветовую модель BGR, а matplotlib — всем привычную RGB. Чтобы не получить криповую картинку, используйте обратный порядок в массиве вашей картинке, например, через суши-оператор с шагом -1. Здесь можно узнать, как стать профи по части Data Science за три месяца (спойлер: морально сложно, но возможно!). Для этого и существует формат буткемпа, или интенсивного обучения. Потренироваться можете на бесплатном мастер-классе по Python в это воскресенье

🐍🚀 Создаем рекрутинговый портал на Django: часть 1 Разрабатываем портал, на котором каждый рекрутер сможет найти своего разработчика :). Система поиска позволяет подобрать нужного специалиста по резюме, портфолио или описанию проектов; рейтинг проекта поможет оценить квалификацию, а мессенджер – послать оффер. Читать дальше @pro_python_code

⚫️ Black - это библиотека для автоматического форматирования вашего Python кода, в соответствии с требованиями PEP8 🔥 Документация Примеры кода @pro_python_code

7️⃣ расширенных возможностей Python Читать @pro_python_code

jgram – Библиотека для написания телеграм ботов, что позволяет описывать их структуру в json файлах Призвана ускорить написание ботов, и сделать их структуру более гибкой и понятной Библиотека построена на базе aiogram2.21 ⚙Github @pro_python_code | #Interesting #Python #Telegram #Bot

globals(), locals(), vars(), dir() Программист на Python может узнать, какие именно переменные определенны в данный момент в интерпретаторе. Переменные можно разделить на локальные и глобальные. Глобальные определены на верхнем уровне кода снаружи функций и классов (грубо говоря без отступов слева). Локальные переменные наоборот определены внутри своих зон видимости, ограниченных классами и функциями. Функция globals() выдает словарь глобальных переменных (ключ – имя переменной). Функция locals() возвращает словарь только локальных переменных. Пример: x, y = 5, 10 def test(): y, z = 33, 44 print('globals:', globals()) print('locals:', locals()) test() """Вывод: globals: {'__name__': '__main__', ... '__file__': '/Users/.../vars.py', '__cached__': None, 'x': 5, 'y': 10, 'test': <function test at 0x107677280>} locals: {'y': 33, 'z': 44}""" Обратите внимание, что переменная y в locals() имеет другое значение, нежели чем в globals(). Это две разные переменные из разных областей, но внутри функции приоритет имеет локальная y. Еще важно знать, что в список переменных входят не только простые переменные, которые вы определяете через знак присваивания, но и функции, классы и импортированные модули! Через словари из locals() и globals() переменные можно не только читать, но и создавать, перезаписывать и удалять: >>> x = 10 >>> globals()['x'] = 5 >>> x 5 >>> globals()['new_var'] = 10 >>> new_var 10 >>> del globals()['new_var'] >>> new_var Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name 'new_var' is not defined Функция vars() ведет себя как locals(), если вызвана без аргумента, а если с аргументом, то она просто получает _ _ dict _ _ от аргумента. Если его нет у аргумента, то будет TypeError. class Foo: def __init__(self): self.x = 5 f = Foo() print(vars(f)) # {'x': 5} print(vars(f) == f.__dict__) # True В глобальном контексте все три функции возвращают одно и тоже – глобальные переменные. Проверьте: print(globals()) print(locals()) print(vars()) print(globals() == locals() == vars()) # True Функциия dir(), будучи вызвана без параметра, возвращает список имен переменных. Глобальных или локальных в зависимости от места вызова: def test(): x = 10 print(dir()) # ['x'] y = 10 test() print(dir()) # ['__annotations__', ..., '__spec__', 'test', 'y'] Все рассмотренные выше функции являются встроенными и не требуют импортов. @pro_python_code

Как стать Python-разработчиком, за которым охотятся работодатели? ✔ Пройти бесплатные вводные курсы, чтобы познакомиться с профессией ✔ Начать учиться в группе с наставником и присоединиться к комьюнити из 26 000 айтишников ✔ Выполнить 4 крутых проекта для портфолио, поучаствовать в Open Source  ✔ Подготовиться к трудоустройству по программе Карьерного трека Начните сейчас!

🐍📚 Создаем аналог LiveLib.ru на Flask. Часть 2: CRUD, IntegrityError и валидация WTForms В заключительной части: реализуем набор операций для создания, редактирования и удаления записей; обеспечиваем автоматическое сжатие загружаемых обложек до нужного размера с помощью Pillow. Читать 1 часть @pro_python_code

🚀 @machinelearning_interview - здесь, где мы собираем все возможные вопросы и ответы с собеседований по Машинному обучению, нейронным сетям и Глубокому обучению. Для всех уровней разработчиков. Желающие помочь, могут присылать вопросы, с которыми они сталкивались на собеседованиях. Посмотреть

DALL·E Flow — это модель, позволяющая создавать изображений высокой четкости из текста. Github https://github.com/jina-ai/dalle-flow Colab: https://colab.research.google.com/github/jina-ai/dalle-flow/blob/main/client.ipynb @pro_python_code