uk
Feedback
PythonCamp

PythonCamp

Відкрити в Telegram

Лагерь Python-программистов! Обратная связь: @earlsky Copyright: @camprobot Perfluence

Показати більше
Buy Ad
9 074
Підписники
Немає даних24 години
-267 днів
-11330 днів
Архів дописів
Machine Learning in Python for Process and Equipment.pdf17.98 MB

Machine Learning in Python for Process and Equipment Condition Monitoring, and Predictive Maintenance: From Data to Process I
Machine Learning in Python for Process and Equipment Condition Monitoring, and Predictive Maintenance: From Data to Process Insights Ankur Kumar 2024 Эта книга представляет собой экскурс в методы ML, используемые в обрабатывающей промышленности для управления состоянием оборудования. Пошаговые инструкции, подкрепленные промышленными наборами данных, показывают, как разрабатывать решения на основе ML для мониторинга состояния оборудования, общезаводского мониторинга и предиктивного обслуживания. #python #eng

global vs nonlocal global — перечисленные идентификаторы — глобальные, то есть доступные из любого места в модуле. Переменные
global vs nonlocal global — перечисленные идентификаторы — глобальные, то есть доступные из любого места в модуле. Переменные могут и не существовать, тогда создастся новая глобальная переменная. nonlocal — оператор, уведомляющий среду, что стоит работать не с локальной переменной, а уровнем выше. Используется в вложенных функциях. #lesson

Applied Deep Learning.pdf14.36 MB

Applied Deep Learning: Design and implement your own Neural Networks to solve real-world problems Dr. Neeraj Kumar 2023 Книга
Applied Deep Learning: Design and implement your own Neural Networks to solve real-world problems Dr. Neeraj Kumar 2023 Книга представляет собой подробное введение в ИИ и машинное обучение, начиная с основ и заканчивая всесторонним освещением глубокого обучения на Python. Вы познакомитесь с принципами работы нейронных сетей и узнаете, как их эффективно проектировать и обучать. Затем в книге уделяется внимание локализации и обнаружению объектов, которые являются важнейшими задачами во многих приложениях, включая автомобили с автопилотом и робототехнику. Вы также узнаете, как использовать алгоритмы глубокого обучения для идентификации и определения местоположения объектов на изображениях и видео. Кроме того, вы получите знания о том, как создавать и обучать рекуррентные нейронные сети. #python #eng

🏠 Разыгрываем Яндекс Станции и устройства умного дома! Для участия подпишитесь на телеграм-каналы Яндекс и ТЕХНО и нажмите к
🏠 Разыгрываем Яндекс Станции и устройства умного дома! Для участия подпишитесь на телеграм-каналы Яндекс и ТЕХНО и нажмите кнопку «Участвовать» под постом. 9 февраля в 12:00 бот случайным образом выберет двух победителей. Призы: 1. Станция Миди + датчики движения, температуры и протечки + умная кнопка. 2. Станция Мини + хаб для устройств. ▶️ А пока ждёте результатов, смотрите шоу ПРОД. и yet another podcast. Из выпусков вы узнаете, как в Яндексе создают технологии умного дома и куда развиваются умные колонки с Алисой.

Beginning Anomaly Detection Using Python.pdf16.05 MB

Beginning Anomaly Detection Using Python-Based Deep Learning Suman Kalyan Adari 2024 Книга начинается с введения в понятие «о
Beginning Anomaly Detection Using Python-Based Deep Learning Suman Kalyan Adari 2024 Книга начинается с введения в понятие «обнаружение аномалий», его важности и применения. Затем рассматриваются основные концепции моделирования в области науки о данных и машинного обучения, после чего авторы переходят к рассмотрению традиционных алгоритмов машинного обучения, таких как OC-SVM и Isolation Forest, для обнаружения аномалий с помощью scikit-learn. После этого авторы рассказывают об основах машинного обучения и глубокого обучения, а также о том, как реализовать многослойные перцептроны для контролируемого обнаружения аномалий в Keras и PyTorch. Далее внимание переключается на применение моделей глубокого обучения для обнаружения аномалий, включая различные типы автоэнкодеров, рекуррентные нейронные сети (через LSTM), временные конволюционные сети и трансформаторы, причем последние три архитектуры применяются для обнаружения аномалий временных рядов. #python #eng

divmod(a, b) Принимает два числа в качестве аргументов и возвращает кортеж состоящий из a // b и a % b. Поскольку вычисления
divmod(a, b) Принимает два числа в качестве аргументов и возвращает кортеж состоящий из a // b и a % b. Поскольку вычисления происходят на стороне C, разделение происходит быстрее чем при q, e = a // b, a % b. #теория

Scaling Python with Dask.pdf8.86 MB

Scaling Python with Dask: From Data Science to Machine Learning Holden Karau 2023 Современные системы содержат многоядерные C
Scaling Python with Dask: From Data Science to Machine Learning Holden Karau 2023 Современные системы содержат многоядерные CPU и GPU, которые обладают потенциалом для параллельных вычислений. Однако многие научные инструменты Python не были разработаны для использования этого параллелизма. Из этого краткого, но обстоятельного пособия ученые, изучающие данные, и программисты на Python узнают, как открытая библиотека Dask для параллельных вычислений предоставляет API, облегчающие распараллеливание библиотек PyData, включая NumPy, pandas и scikit-learn. #python #eng

Sentry Это инструмент для мониторинга ошибок и исключений в приложениях. Он позволяет отслеживать, записывать и воспроизводит
Sentry Это инструмент для мониторинга ошибок и исключений в приложениях. Он позволяет отслеживать, записывать и воспроизводить ошибки приложения. #lesson

Data Science Fundamentals for Python and MongoDB.pdf7.22 MB

Data Science Fundamentals for Python and MongoDB David Pape 2023 Как и в любой науке, знания основ анализа данных является не
Data Science Fundamentals for Python and MongoDB David Pape 2023 Как и в любой науке, знания основ анализа данных является необходимым условием развития в data science. Очевидно, что не зная математики и статистики, не умея управлять данными, а также писать грамотный код нельзя назвать себя даже начинающим дата-сайнтистом. Именно поэтому представленная книга – лучший выбор, для приобретения всех необходимых навыков, требуемых для начала карьеры в выбранной области. #python #eng

Полезная шпаргалка по Python. Сохраняем, что бы не потерять. #lesson
Полезная шпаргалка по Python. Сохраняем, что бы не потерять. #lesson

Как избавиться от отступов в многострочной строке Многострочная строка передаёт всё, что в неё попадает, даже отступы которые
Как избавиться от отступов в многострочной строке Многострочная строка передаёт всё, что в неё попадает, даже отступы которые используются для улучшения вида кода. Чтобы исправить ситуацию стоит использовать textwrap.dedent(). Метод уберёт абсолютно все отступы с начала каждой строки. #lesson

Открытый практикум Linux by Rebrain: Практика работы с файловыми системами на примере ext4 Успевайте зарегистрироваться. Коли
Открытый практикум Linux by Rebrain: Практика работы с файловыми системами на примере ext4 Успевайте зарегистрироваться. Количество мест строго ограничено! Запись практикума “DevOps by Rebrain” в подарок за регистрацию! 👉Регистрация Время проведения: 31 Января (Среда) в 20:00 по МСК Программа практикума: 🔹Где находится суперблок ext4 🔹Какие действия предпринять для изменения размера файловой системы 🔹Что будет, если сделать ошибку в размере диска 🔹Какие сложности могут возникнуть при работе с логическими дисками Кто ведёт? Андрей Буранов – Системный администратор в департаменте VK Play. 10+ лет опыта работы с ОС Linux. 8+ лет опыта преподавания. Входит в топ 3 лучших преподавателей образовательных порталов. Бесплатные практикумы по DevOps, Linux, Networks и Golang от REBRAIN каждую неделю. Подключайтесь! Реклама. ООО "РЕБРЕИН". ИНН 7727409582 erid: 2VtzqxaNmMd

Приключение в стиле Python.7z5.36 MB

Приключение в стиле Python: От основ Python к работающему веб-приложению П. Анни 2023 Эта книга научит вас программировать, з
Приключение в стиле Python: От основ Python к работающему веб-приложению П. Анни 2023 Эта книга научит вас программировать, задавая вопросы, совершая ошибки и пробуя разные решения — как в реальной жизни. По ходу дела вы шаг за шагом создадите веб-приложение для кофейни, от первого онлайн-меню до функции сохранения заказов в базе данных. Вы изучите и отработаете важные навыки, такие как планирование приложений, поиск ошибок и управление ожиданиями пользователей. #python #rus

divmod(a, b) Принимает два числа в качестве аргументов и возвращает кортеж состоящий из a // b и a % b. Поскольку вычисления
divmod(a, b) Принимает два числа в качестве аргументов и возвращает кортеж состоящий из a // b и a % b. Поскольку вычисления происходят на стороне C, разделение происходит быстрее чем при q, e = a // b, a % b. #теория