Pythoner

👩‍💻 Всем программистам посвящается! Вот 17 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Всё IT — t.me/it_ready 👩‍💻 Java — t.me/java_ready 🖥 Базы Данных & SQL — t.me/sql_ready 📱 GitHub — t.me/github_ready 🖼️ DevOps — t.me/devops_ready 🤔 Хакинг & ИБ — t.me/hacking_ready 👩‍💻 Linux — t.me/linux_ready 👩‍💻 Bash & Shell — t.me/bash_ready 👩‍💻 Нейросети — t.me/neuro_ready 📱 JavaScript — t.me/javascript_ready 👩‍💻 Frontend — t.me/frontend_ready 👩‍💻 Backend — t.me/backend_ready 📖 IT Книги — t.me/books_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

🤔Разбор Создали объект класса. В поле b (a.b) лежит число 3. В поле c, объекта a, мы создаем значение 5. // - операция целочисленного деления. 5 // 3 —> 1 (3 помещается в 5 целиком только 1 раз) Ответ: 1 🐍 Pythoner

Получи грант на обучение в Центральном университете Прояви себя, получи грант до 2,8 млн на обучение ИТ и бизнесу в вузе. Для школьников 10-х и 11-х классов, СПО. Подать заявку #реклама apply.centraluniversity.ru О рекламодателе

✈️TensorBoard — это веб-приложение для визуализации и анализа результатов машинного обучения, разработанное командой TensorFlow. TensorBoard позволяет отслеживать метрики, такие как точность и потери, визуализировать графы вычислений, отображать встроенные векторы и многое другое. ➡️Использование TensorBoard с TensorFlow:

import tensorflow as tf

# Создание логгера TensorBoard
writer = tf.summary.create_file_writer('path/to/log-directory')

# Запись метрик
with writer.as_default():
    for epoch in range(10):
        tf.summary.scalar('loss', 0.5 / (epoch + 1), step=epoch)
        tf.summary.scalar('accuracy', 0.9 + 0.1 * epoch, step=epoch)
        writer.flush()

➡️Визуализация графа вычислений:

# Создание модели
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(10,)),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

# Компиляция модели
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# Создание логгера TensorBoard
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir='path/to/log-directory', histogram_freq=1)

# Обучение модели
model.fit(x_train, y_train, epochs=10, callbacks=[tensorboard_callback])

⛓Полезные ссылки: Официальный сайт GitHub 💡Заключение TensorBoard идеально подходит для разработчиков и исследователей, которые хотят лучше понимать и улучшать свои модели машинного обучения. А благодаря простоте использования и интеграции с TensorFlow, TensorBoard легко использовать в уже существующих проектах.

Я не гуру продакшена – я такой же новичок, как и ты Но вместе мы можем прокачаться быстрее! ✨ Основы продакшена ✨ Разборы треков ✨ Вдохновение и мысли Подписаться #реклама 16+ О рекламодателе

✈️Dash — это продуктивная библиотека Python для создания аналитических веб-приложений. Dash связывает элементы пользовательского интерфейса с данными и функциями Python, что позволяет быстро создавать веб-приложения с интерактивными визуализациями. Dash был разработан командой Plotly и предоставляет мощные инструменты для создания дашбордов и веб-приложений. ➡️Основные возможности: - Интерактивные визуализации: Dash позволяет создавать интерактивные визуализации с помощью Plotly, что делает его идеальным инструментом для создания дашбордов и аналитических приложений. - Поддержка множества компонентов: Dash поддерживает множество компонентов, включая графики, таблицы, кнопки, переключатели и другие, что позволяет создавать сложные пользовательские интерфейсы. - Развертывание: Dash позволяет легко развертывать веб-приложения на серверах и облачных платформах, таких как Heroku, AWS и Google Cloud. ➡️Примеры использования 1. Создание простого веб-приложения:

import dash
from dash import html, dcc
import plotly.express as px
import pandas as pd

# Создание приложения
app = dash.Dash(__name__)

# Данные
df = pd.DataFrame({
    "Fruit": ["Apples", "Oranges", "Bananas", "Apples", "Oranges", "Bananas"],
    "Amount": [4, 1, 2, 2, 4, 5],
    "City": ["SF", "SF", "SF", "Montreal", "Montreal", "Montreal"]
})

# Создание графика
fig = px.bar(df, x="Fruit", y="Amount", color="City", barmode="group")

# Layout
app.layout = html.Div(children=[
    html.H1(children='Hello Dash'),
    html.Div(children='''
        Dash: A web application framework for your data.
    '''),
    dcc.Graph(
        id='example-graph',
        figure=fig
    )
])

# Запуск сервера
if __name__ == '__main__':
    app.run_server(debug=True)

2. Создание интерактивного дашборда:

import dash
from dash import html, dcc, Input, Output
import plotly.express as px
import pandas as pd

# Создание приложения
app = dash.Dash(__name__)

# Данные
df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/gapminder_unfiltered.csv')

# Layout
app.layout = html.Div([
    dcc.Graph(id='graph-with-slider'),
    dcc.Slider(
        df['year'].min(),
        df['year'].max(),
        step=None,
        value=df['year'].min(),
        marks={str(year): str(year) for year in df['year'].unique()},
        id='year-slider'
    )
])

# Callback
@app.callback(
    Output('graph-with-slider', 'figure'),
    Input('year-slider', 'value'))
def update_figure(selected_year):
    filtered_df = df[df.year == selected_year]

    fig = px.scatter(filtered_df, x="gdpPercap", y="lifeExp",
                     size="pop", color="continent", hover_name="country",
                     log_x=True, size_max=55)

    fig.update_layout(transition_duration=500)

    return fig

# Запуск сервера
if __name__ == '__main__':
    app.run_server(debug=True)

⛓Полезные ссылки: Официальный сайт GitHub 🐍 Pythoner

Оцени 7 причин пройти наш бесплатный интенсив по Frontend-разработке: 1. Ты сверстаешь веб-сайт на HTML + CSS; 2. Оживишь страницу с помощью JavaScript; 3. Используешь фронтенд-фреймворк Angular; 4. Подключишь Backend и загрузишь сайт на хостинг; 5. Получишь советы по доработке от эксперта; 6. Научишься использовать ChatGPT и Giga во Frontend-разработке; 7. Узнаешь 9 способов найти первый заказ даже без опыта. А главное, ты проведёшь 7 дней в приятной компании Fullstack-разработчика с 12-летним стажем – Романа Чернова. 👉 Проскочить на интенсив бесплатно Начинаем уже завтра. 🔥 С нас обучение, практика и помощь с выходом на фриланс или собеседованием.

✈️FastAPI — это современный, быстрый и высокопроизводительный фреймворк для создания веб-приложений и API на Python 3.6 и выше, основанный на стандартных типах Python. FastAPI был разработан для создания простых и читаемых API, а также для обеспечения высокой производительности. ➡️Основные возможности FastAPI: - Автоматическая генерация документации: FastAPI автоматически генерирует документацию для вашего API в форматах OpenAPI, Swagger и ReDoc. Это позволяет быстро и легко документировать ваши endpoints. - Высокая производительность: FastAPI основан на Starlette и Pydantic, что обеспечивает высокую производительность и низкую задержку. - Типизация и валидация данных: FastAPI использует типы Python для валидации данных, что позволяет автоматически проверять и преобразовывать данные запросов. - Асинхронность: FastAPI поддерживает асинхронные функции, что позволяет создавать высокопроизводительные веб-приложения. ➡️Примеры использования: 1. Создание простого API:

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def read_root():
    return {"message": "Hello World"}

2. Создание параметризированных маршрутов:

from fastapi import FastAPI

app = FastAPI()

@app.get("/items/{item_id}")
async def read_item(item_id: int, q: str = None):
    return {"item_id": item_id, "q": q}

3. Создание запросов с телом:

from fastapi import FastAPI
from pydantic import BaseModel

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    tax: float = None

app = FastAPI()

@app.post("/items/")
async def create_item(item: Item):
    return item

⛓Полезные ссылки: Официальный сайт GitHub 💡Заключение FastAPI — это современный и мощный фреймворк для создания веб-приложений и API на Python. Он предоставляет простой и интуитивный API, который позволяет быстро начать разработку. 🐍 Pythoner

Битрикс24 дропнул новую фичу — онлайн-доски Теперь к вашему рабочему мессенджеру, видеозвонкам и таскам добавился еще один маст-хэв инструмент. Все это бесплатно и в одном комплекте. Офисные стикеры, берегитесь.😊 Узнать больше #реклама 16+ bitrix24.ru О рекламодателе

✈️Слышал про Docker, но до сих пор не понял, зачем он нужен? Или думаешь, что это «что-то для DevOps»? Сейчас всё разложу по полочкам — будет понятно даже если ты только начал кодить. ➡️Представь: твой проект — это коробка с Lego. Ты собрал красивый замок (проект), поставил его на стол (твой комп). Всё работает. Но теперь ты хочешь: - Перекинуть замок другу — и у него не хватает деталей (зависимостей). - Поставить его на полку в другой комнате — и там другой размер стола (окружение). - Запустить сразу 10 таких замков — и вдруг всё ломается. ⬆️Docker решает это навсегда. ➡️Что такое Docker? Это контейнеризация. Docker упаковывает твой проект со всеми зависимостями: библиотеками, окружением, системными настройками — и превращает в контейнер, который можно запускать где угодно. Контейнер — это как мини-компьютер внутри твоего компа, где всё настроено именно под твой проект. ➡️Зачем нужен Docker? Больше никаких “у меня не работает, а у тебя работает” Всё окружение проекта — в одной команде docker run Переезд на сервер — в пару кликов Можно тестить, не ломая свою систему Легко клонировать проекты и передавать команде Изоляция = безопасность ➡️Пример: Python-проект с Flask Обычно:

pip install flask
python app.py

С Docker:

FROM python:3.10
WORKDIR /app
COPY . .
RUN pip install -r requirements.txt
CMD ["python", "app.py"]

Затем:

docker build -t myapp .
docker run -p 5000:5000 myapp

⬆️Flask-приложение запускается даже на пустом сервере. ➡️Почему стоит начать с Docker уже сегодня? - Он сэкономит тебе часы — буквально. - Ты начнёшь думать как профессиональный разработчик. - И это must-have навык в любом резюме. 🐍 Pythoner

Онлайн-магистратура с IT специальностями от Яндекса Совместно с ИТМО, МИФИ, МФТИ. Онлайн-магистратура с актуальными программами и гибким графиком обучения. Получите высокооплачиваемую IT профессию, официальный диплом и практические знания. Господдержка оплаты. Совмещение с работой! Узнать больше #реклама 16+ О рекламодателе

🙀Ваш пароль был украден, поменяйте его по ссылке… Сможете ли вы распознать фишинг?   С каждым годом фишинг становится все изощреннее, а противостоять мошенникам — все сложнее. Один из ведущих провайдеров IT-инфраструктуры Selectel подготовил квиз с популярными схемами краж данных. Он напомнит, как важно сохранять бдительность в интернете.   Получится ли у вас раскрыть коварные замыслы мошенников?   Проверьте свои знания и внимательность в квизе от Selectel Реклама. АО «Селектел», ИНН 7810962785, ERID: 2VtzqwiFaap

✈️MongoDB — это популярная NoSQL база данных, которая позволяет хранить и обрабатывать большие объемы структурированных данных. PyMongo — это официальная библиотека Python для работы с MongoDB. Она предоставляет простой и мощный интерфейс для взаимодействия с базой данных MongoDB, включая подключение, вставку, обновление, удаление и запрос данных. ➡️Основные возможности PyMongo: - CRUD-операции: PyMongo предоставляет полный набор CRUD-операций (создание, чтение, обновление, удаление) для работы с данными в MongoDB. - Поддержка индексов: PyMongo позволяет создавать и управлять индексами в MongoDB, что повышает производительность запросов. - Агрегация и группировка: PyMongo поддерживает агрегацию и группировку данных, что позволяет выполнять сложные аналитические запросы. - Транзакции: PyMongo поддерживает транзакции, что позволяет выполнять атомарные операции в базе данных. - Поддержка репликации и шардинга: PyMongo поддерживает репликацию и шардинг, что позволяет масштабировать базу данных и обеспечить высокую доступность. ➡️Примеры использования: 1. Подключение к MongoDB:

from pymongo import MongoClient

# Создание подключения к MongoDB
client = MongoClient('mongodb://localhost:27017/')

# Выбор базы данных
db = client['mydatabase']

2. Создание коллекции и вставка данных:

# Создание коллекции
collection = db['users']

# Вставка данных
user = {"name": "John", "age": 30, "city": "New York"}
result = collection.insert_one(user)
print('One post: {0}'.format(result.inserted_id))

⛓Полезные ссылки: Официальный сайт GitHub 💡Заключение PyMongo идеально подходит для разработчиков, которые хотят быстро и легко интегрировать MongoDB в свои проекты. Так же идеально подходит для быстрого старта проектов, гибких структур данных (например, если у разных пользователей — разные поля), прототипирования и MVP. 🐍 Pythoner

Большая кладовая онлайн-курсов Stepik – незаменимый спутник для тех, кто работает удаленно и любит путешествовать, так как помогает учиться в любой точке мира. Это отличная альтернатива чтению книги и просмотру фильма: позволит вам скоротать время в дороге, осваивая полезный навык или подтягивая иностранный язык, особенно удобно это делать в мобильном приложении. У Stepik есть свой телеграм-канал, в котором они рассказывают об авторских курсах (как платных, так и бесплатных), а также публикует полезные статьи и ссылки. У них есть такие подборки курсов: - Разработка на Python - Дизайн и графика - Тестирование ПО - Работа с данными Подпишитесь на stepik_courses и найдите интересующий курс для себя! Подписаться #реклама 16+ О рекламодателе

🤔Разбор dict() работает так, что он либо ничего не принимает и возвращает {}, либо принимает список из списков ключ-значение. Вот так: [["key", "value"], ] -> {"key": "value",} Но мы же знаем что строка тоже итерируется, следовательно первый символ строки становится ключом, а второй - значением. Так и выходит результат {'A': 'B', 'O': 'L', 'Q': 'N'} 🐍 Pythoner

Получи грант до 1,2 млн руб. на обучение в магистратуре Хочешь развиваться в сфере ИТ и получить фундаментальные знания с практикой? Поступай в магистратуру Центрального университета! - 4 офлайн программы по востребованным направлениям ИТ - Онлайн-программа по машинному обучению - 300 мест с грантами до 1,2 млн руб. - Вечерние занятия и учеба по выходным — удобно совмещать с работой - Обучение по модели STEM-образования: на стыке науки, технологий и бизнеса - Возможность стажировок и трудоустройства в ведущих компаниях - Государственный диплом за 2 года Магистратура в Центральном университете — это современный подход к образованию, сильный преподавательский состав и актуальные кейсы от индустрии. Оставляй заявку на грант уже сейчас! Подать заявку #реклама 16+ apply.centraluniversity.ru О рекламодателе