Machinelearning tests
Kanalga Telegram’da o‘tish
По всем вопросам- @haarrp @ai_machinelearning_big_data - машинное обучение @programming_books_it - бесплатные it книги @pythonl - 🐍 @ArtificialIntelligencedl - AI @datascienceiot -ds книги
Ko'proq ko'rsatish721
Obunachilar
Ma'lumot yo'q24 soatlar
Ma'lumot yo'q7 kunlar
Ma'lumot yo'q30 kunlar
Postlar arxiv
Какой из вариантов выведет 4 9 ?
from itertools import islice
g = (i**2 for i in range(1, 4))
print(*g[1:3]) # 1
print(*islice(g, 1, 3)) # 2
print(*slice(g, 1, 3)) # 3
print(*g.slice(1, 3)) # 4Что выведет код?
from itertools import zip_longest
print(*[*zip_longest([1], [3, 4])])Если вы начинающий разработчик, дата-инженер или выпускник смежных специальностей, а ещё хотите расти и инвестируете в своё дальнейшее развитие, вам подойдет новый курс Яндекс Практикума «Инженер машинного обучения».
За 4 месяца вы научитесь:
• Переводить бизнес-задачу на язык машинного обучения и применять алгоритмы и архитектуры ML-решений.
• Выявлять источники качественных данных, выбирать эффективные способы их разметки и работать с большими данными.
• Разрабатывать код моделей и готовить к использованию в продакшн под большой нагрузкой.
• Развёртывать ML-модели в облаке, поддерживать качество работы модели на меняющихся данных.
К концу курса вы разработаете 3 полноценных сервиса:
• Рекомендательную систему для товаров на маркетплейсе.
• Научитесь предсказывать отток клиентов в банковском секторе.
• Сформируете сегменты для продвижения маркетинговых активностей, смоделировав uplift для пользователей телеком оператора.
Приходите учиться, не обещаем, что будет легко, но наша команда всегда поддержит вас в трудную минуту.
А еще 77% наших выпускников находят новую работу и большинство из них в течение 4-х месяцев.
Что выведет код?
import numpy as np
basket = np.array([[1, 1, 1, 1], [1, 1, 1, 0]])
x = np.all(basket[:,2:], axis = 1)
print(*x)Сделайте первые шаги к работе с Big Data!
3 ноября в 20:00 мск пройдет открытый урок «DataFrame API: от Pandas к Dask».
🧑🎓 Занятие пройдет в рамках онлайн-курса «MLOps» от OTUS и его проведет Павел Филонов, Ex-Data Science Manager в Kaspersky.
Почему стоит посетить этот урок?
На уроке научимся работать с данными через multiprocessing напрямую или pandarallel и ускорим работу.
Первый урок — DataFrame API: от Pandas к Dask
👉 Регистрация
https://otus.pw/0Ml1/
Второй урок — DataFrame API: от Dask к PySpark
👉 Регистрация
https://otus.pw/yNoz/
Что выведет код?
from fractions import Fraction
a = Fraction(2, 3)
b = Fraction(1, 2)
print(a - b)Что выведет код?
from sklearn.cluster import KMeans
import numpy as np
x = np.array([[35, 7000], [45, 6900], [70, 7100], [20, 2000], [25, 2200], [15, 1800]])
kmeans = KMeans(n_clusters=2).fit(x)
y = kmeans.cluster_centers_
print(y)Что выведет код?
import re
s = "a x \n x a"
p1 = re.compile(r"a.*?a")
p2 = re.compile(r"a.*?a", re.DOTALL)
r1 = p1.findall(s)
r2 = p2.findall(s)
print(len(r1), len(r2))