Решение крупномасштабных задач машинного обучения на Python
Это руководство демонстрирует библиотеку xLearn, которая используется для применения задач машинного обучения на крупномасштабных данных (Данные с огромным количеством строк и столбцов).
https://medium.com/@fareedkhandev/solve-large-scale-machine-learning-problem-in-python-58416f67c0ef
@BookPython
Это руководство демонстрирует библиотеку xLearn, которая используется для применения задач машинного обучения на крупномасштабных данных (Данные с огромным количеством строк и столбцов).
https://medium.com/@fareedkhandev/solve-large-scale-machine-learning-problem-in-python-58416f67c0ef
@BookPython
This media is not supported in your browser
VIEW IN TELEGRAM
Ищем учеников на бесплатное обучение по созданию искусственного интеллекта с нуля. Опыт программирования не важен!🤖
Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨💻
Какие нейронные сети вы создадите?
▫️Классификация людей на входящих и выходящих из автобуса
▫️Обнаружение возгораний
▫️Оценка стоимости квартир
▫️Оценка резюме соискателей
▫️Прогнозирование стоимости полиметаллов
▫️Сегментация изображений самолетов
▫️Распознавание команд умного дома⠀
Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀
Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪
Регистрация по ссылке
Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨💻
Какие нейронные сети вы создадите?
▫️Классификация людей на входящих и выходящих из автобуса
▫️Обнаружение возгораний
▫️Оценка стоимости квартир
▫️Оценка резюме соискателей
▫️Прогнозирование стоимости полиметаллов
▫️Сегментация изображений самолетов
▫️Распознавание команд умного дома⠀
Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀
Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪
Регистрация по ссылке
Stanford CS224W: Machine Learning with Graphs
Бесплатный курс от Стенфорда, с которым вы изучите структуру графов и их особенности и применения, научитесь строить графовые нейронные сети.
📌CS224W: Machine Learning with Graphs
📌Introduction to Graph Machine Learning
📌Video Lectures Stanford CS224W
@BookPython
Бесплатный курс от Стенфорда, с которым вы изучите структуру графов и их особенности и применения, научитесь строить графовые нейронные сети.
📌CS224W: Machine Learning with Graphs
📌Introduction to Graph Machine Learning
📌Video Lectures Stanford CS224W
@BookPython
25 репозиториев Github, которые должен знать каждый Python разработчик
https://www.kdnuggets.com/2021/11/25-github-repositories-python-developer.html
@BookPython
https://www.kdnuggets.com/2021/11/25-github-repositories-python-developer.html
@BookPython
Перевод с английского на немецкий с использованием моделей Seq2Seq в PyTorch
Модели «последовательность к последовательности», также называемые моделями «кодер-декодер», представляют собой семейство моделей, в которых обычно обучаются две рекуррентные нейронные сети. Первая RNN, кодер, обучается получать входной текст и последовательно кодировать его. Вторая RNN, декодер, получает закодированную последовательность и выполняет преобразование текста. Этот уникальный метод совместного обучения двух RNN был представлен Чо и др. в https://arxiv.org/pdf/1406.1078v3.pdfand и мгновенно завоевал популярность в задачах NLP, где вход и выход — это пары явных текстов, таких как перевод и резюмирование.
https://bookflow.ru/perevod-s-anglijskogo-na-nemetskij-s-ispolzovaniem-modelej-seq2seq-v-pytorch/
@BookPython
Модели «последовательность к последовательности», также называемые моделями «кодер-декодер», представляют собой семейство моделей, в которых обычно обучаются две рекуррентные нейронные сети. Первая RNN, кодер, обучается получать входной текст и последовательно кодировать его. Вторая RNN, декодер, получает закодированную последовательность и выполняет преобразование текста. Этот уникальный метод совместного обучения двух RNN был представлен Чо и др. в https://arxiv.org/pdf/1406.1078v3.pdfand и мгновенно завоевал популярность в задачах NLP, где вход и выход — это пары явных текстов, таких как перевод и резюмирование.
https://bookflow.ru/perevod-s-anglijskogo-na-nemetskij-s-ispolzovaniem-modelej-seq2seq-v-pytorch/
@BookPython
Библиотеки Python, чтобы сделать ваш код читабельным, надежным и удобным для обслуживания
Testing Frameworks
Test Runners
E2E Testing
Fake Data
Mocking
Code coverage
Object Factories
Code Style
Typing
https://isaak.dev/2020/08/python-libraries-to-make-your-code-readable-and-maintainable
@BookPython
Testing Frameworks
Test Runners
E2E Testing
Fake Data
Mocking
Code coverage
Object Factories
Code Style
Typing
https://isaak.dev/2020/08/python-libraries-to-make-your-code-readable-and-maintainable
@BookPython
Add additional attributes to enum members in Python
https://rednafi.github.io/reflections/add-additional-attributes-to-enum-members-in-python.html
@BookPython
https://rednafi.github.io/reflections/add-additional-attributes-to-enum-members-in-python.html
@BookPython
Компиляция Python
Предположим, вы разработали приложение или библиотеку на Python и уже готовитесь передать его / её заказчику. И в этот момент возникают вопросы, о которых многие даже не задумываются.
Во-первых, так может оказаться, что вы разработали супер крутой алгоритм, которого ни у кого нет, и показывать его хочется только избранным.
Во-вторых, возникает вопрос окружения - хочется быть уверенным, что заказчик справится с установкой правильной версии Python и всех вспомогательных библиотек, но это не всегда простая задача. Было бы удобно упаковать приложение в автономный исполняемый файл.
И, наконец, хочется, чтобы конечное приложение работало быстрее, чем в среде разработки.
И вот тут настало время скомпилировать Python-код. Меня зовут Руслан, я старший разработчик компании «Цифровое проектирование». Сегодня я расскажу, как выбрать тот самый компилятор из множества доступных.
https://habr.com/ru/company/numdes/blog/581374/
@BookPython
Предположим, вы разработали приложение или библиотеку на Python и уже готовитесь передать его / её заказчику. И в этот момент возникают вопросы, о которых многие даже не задумываются.
Во-первых, так может оказаться, что вы разработали супер крутой алгоритм, которого ни у кого нет, и показывать его хочется только избранным.
Во-вторых, возникает вопрос окружения - хочется быть уверенным, что заказчик справится с установкой правильной версии Python и всех вспомогательных библиотек, но это не всегда простая задача. Было бы удобно упаковать приложение в автономный исполняемый файл.
И, наконец, хочется, чтобы конечное приложение работало быстрее, чем в среде разработки.
И вот тут настало время скомпилировать Python-код. Меня зовут Руслан, я старший разработчик компании «Цифровое проектирование». Сегодня я расскажу, как выбрать тот самый компилятор из множества доступных.
https://habr.com/ru/company/numdes/blog/581374/
@BookPython
Расскажите, что вы думаете про российские IT-компании — кто, на ваш взгляд, делает классные продукты, у кого самые крутые технологии, а кто недостаточно заботится о сотрудниках.
Опрос займёт не больше 5 минут, среди участников будет разыгран iPhone 14 Pro Max (всё честно, правда разыграем, правила тут).
👉Пройти опрос
Опрос займёт не больше 5 минут, среди участников будет разыгран iPhone 14 Pro Max (всё честно, правда разыграем, правила тут).
👉Пройти опрос
FastAPI Python Tutorial
1: What is FastAPI and How to get started
2: Create the most basic API
3: Set up the users' path/endpoint
4: Filter for specific users: Path parameter
5: Query users based on criteria: Query parameter
6: Add users: Request body with Pydantic model
7: Update and Delete users
8: Raise error responses
@BookPython
1: What is FastAPI and How to get started
2: Create the most basic API
3: Set up the users' path/endpoint
4: Filter for specific users: Path parameter
5: Query users based on criteria: Query parameter
6: Add users: Request body with Pydantic model
7: Update and Delete users
8: Raise error responses
@BookPython
Fast API Tutorial
Part 1: Introduction
Part 2: Path Parameters
Part 3: Query Parameters
Part 4: Request Body
Part 5: Query Parameters and String Validation
Part 6: Path Parameters and Numeric Validation
Part 7: Body - Multiple Parameters
Part 8: Body - Field
Part 9: Body - Nested Models
Part 10: Declare Request Example Data
Part 11: Extra Data Types
Part 12: Cookie and Header Parameterss
Part 13: Response Model
Part 14: Extra Models
Part 15: Response Status Codes
Part 16: Form Fields
Part 17: Request Files
Part 18: Request Forms and Files
Part 19: Handling ErrorsP D
Part 20: Path Operation Configuration
Part 21: JSON Compatible Encoder and Body Updates
Part 22: Dependencies - Intro
Part 23: Classes as Dependencies
Part 24: Sub-Dependencies
Part 25: Dependencies in path operation decorators, global dependencies
Part 26: Security
Part 27: Security with JWT
Part 28: Middleware and CORSs
Part 29: SQL Relational Databases
Part 30: Bigger Applications - Multiple Filess
Part 31: Background TasksP D
Part 32: Metadata and Docs URLs
Part 33: Static Files, Testing, and Debugging
https://www.youtube.com/playlist?list=PLqAmigZvYxIL9dnYeZEhMoHcoP4zop8-p
@BookPython
Part 1: Introduction
Part 2: Path Parameters
Part 3: Query Parameters
Part 4: Request Body
Part 5: Query Parameters and String Validation
Part 6: Path Parameters and Numeric Validation
Part 7: Body - Multiple Parameters
Part 8: Body - Field
Part 9: Body - Nested Models
Part 10: Declare Request Example Data
Part 11: Extra Data Types
Part 12: Cookie and Header Parameterss
Part 13: Response Model
Part 14: Extra Models
Part 15: Response Status Codes
Part 16: Form Fields
Part 17: Request Files
Part 18: Request Forms and Files
Part 19: Handling ErrorsP D
Part 20: Path Operation Configuration
Part 21: JSON Compatible Encoder and Body Updates
Part 22: Dependencies - Intro
Part 23: Classes as Dependencies
Part 24: Sub-Dependencies
Part 25: Dependencies in path operation decorators, global dependencies
Part 26: Security
Part 27: Security with JWT
Part 28: Middleware and CORSs
Part 29: SQL Relational Databases
Part 30: Bigger Applications - Multiple Filess
Part 31: Background TasksP D
Part 32: Metadata and Docs URLs
Part 33: Static Files, Testing, and Debugging
https://www.youtube.com/playlist?list=PLqAmigZvYxIL9dnYeZEhMoHcoP4zop8-p
@BookPython
Одновременный веб-скраппинг с помощью Selenium Grid и Docker Swarm
В этом руководстве мы рассмотрим, как запустить веб-скрепер на основе Python и Selenium параллельно с Selenium Grid и Docker. Мы также рассмотрим, как быстро масштабировать Selenium Grid на DigitalOcean с помощью Docker Swarm для повышения эффективности работы скрепера. Наконец, мы создадим bash-скрипт, который автоматизирует загрузку и выгрузку ресурсов на DigitalOcean.
Зависимости:
Docker v20.10.13
Python v3.10.4
Selenium v4.1.3
https://testdriven.io/blog/concurrent-web-scraping-with-selenium-grid-and-docker-swarm/
@BookPython
В этом руководстве мы рассмотрим, как запустить веб-скрепер на основе Python и Selenium параллельно с Selenium Grid и Docker. Мы также рассмотрим, как быстро масштабировать Selenium Grid на DigitalOcean с помощью Docker Swarm для повышения эффективности работы скрепера. Наконец, мы создадим bash-скрипт, который автоматизирует загрузку и выгрузку ресурсов на DigitalOcean.
Зависимости:
Docker v20.10.13
Python v3.10.4
Selenium v4.1.3
https://testdriven.io/blog/concurrent-web-scraping-with-selenium-grid-and-docker-swarm/
@BookPython
testdriven.io
Concurrent Web Scraping with Selenium Grid and Docker Swarm
This tutorial details how to run a Python and Selenium-based web scraper in parallel with Selenium Grid and Docker Swarm.