⚙️ shutil для расширенных операций с файлами

ℹ️ Модуль для расширенных операций с файлами.

🗣️ С помощью Shutil вы можете копировать, перемещать, удалять, архивировать или выполнять любые операции с файлами, которые вы обычно выполняете в проводнике или в терминале.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ logging для расширенных операций с файлами

ℹ️ Модуль позволяет регистрировать сообщения с различными приоритетами и временными метками в пользовательском формате.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ concurrent.futures для одновременного выполнения операций

ℹ️ Эта библиотека предназначена для одновременного выполнения операций, как в многопоточности.

➡️ Я отправляю 100 запросов GET на URL-адрес и получаю ответ. Процесс медленный и утомительный, так как интерпретатор ждёт, пока не вернется каждый запрос, и это то, что вы получаете, когда используете циклы.

✔️ Гораздо разумнее использовать параллелизм и задействовать все ядра на вашем компьютере. Библиотека concurrent.futures позволяет это сделать.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Asyncio для работы с асинхронным кодом

ℹ️ Разработчики Python по всему миру используют библиотеку asyncio для написания параллельного кода с помощью синтаксиса async/await.

🗣️ Библиотека asyncio больше всего подходит для кода, который связан с вводом-выводом, а также для высокоуровневого структурированного сетевого кода.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ SciKit-Learn для разработки алгоритмов машинного обучения

ℹ️ SciKit-Learn основан на Numpy и SciPy и прежде был известен как Sklearn. Это бесплатная библиотека Python, и она очень часто воспринимается как расширение библиотеки SciPy. SciKit-Learn была создана специально с целью разработки алгоритмов машинного обучения и моделирования данных.

🗣️ Для многих SciKit-Learn – это одна из лучших библиотек Python, а все из-за ее последовательного, простого и интуитивно понятного интерфейса.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ TensorFlow Learn для глубокого обучения

ℹ️ TensorFlow – это библиотека с открытым исходным кодом, которая первоначально была разработана исследователями из Google.

🗣️ Ее специализация - дифференцируемое программирование, но основная цель ее создания – это машинное и глубокое обучение, а также другие рабочие нагрузки в прогнозной и статистической аналитике.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Matplotlib для визуализации данных

ℹ️ Matplotlib – это расширение SciPy, и оно было создано для визуализации данных в силу того, того, что она используется для создания диаграмм и графиков. Matplotlib может работать со сложными моделями данных, которые выводит Pandas, и со структурами данных, которые создает NumPy.

🗣️ У Matplotlib есть ограничение – она может создавать только 2D-графики.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Seaborn для визуализации данных

ℹ️ Аналогично Matplotlib, Seaborn – это библиотека, которая была создана для построения графиков и визуализации данных. По сути, эта библиотека была основана на самой Matplotlib, хотя она также включает в себя некоторые структуры данных Pandas.

🗣️ Seaborn имеет высокоуровневый интерфейс с огромным количеством функций, которые позволяют пользователям создавать не просто точные, но и информативные статистические графики.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ PyCaret для машинного обучения

ℹ️ Это библиотека с открытым исходным кодом, и она была создана для машинного обучения. Она предлагает функции, которые помогают упростить и автоматизировать программы машинного обучения.

✔️ Несмотря на наличие небольшой кривой обучения, PyCaret относительно прост в использовании.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Chainer для построения и обучения нейронных сетей

ℹ️ Мощный и гибкий инструмент Python для построения и обучения глубоких нейронных сетей. Библиотека Chainer была разработана японской компанией Preferred Networks.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ PaddleOCR для оптического распознавания символов

ℹ️ PaddleOCR — многоязычные наборы инструментов OCR на основе DL-фреймворка PaddlePaddle.

🗣️ Поддержка обучения и развертывания на серверных, мобильных, встроенных устройствах и IoT

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ YOLOv8 для компьютерного зрения

ℹ️ YOLOv8 — самый совершенный (на сегодня) и производительный представитель семейства моделей обнаружения объектов YOLO.

🗣️ Предназначен для таких задач CV, как обнаружение объектов, сегментация экземпляров и классификация изображений.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ SciKit-Image для обработки изображений

ℹ️ SciKit-Image — коллекция алгоритмов для обработки изображений, основанная на NumPy, scipy.ndimage и ряде других библиотек, обеспечивающая универсальный набор процедур обработки изображений в Python.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ DeepFace для распознавания лиц

ℹ️ Deepface — легкий фреймворк для распознавания лиц и анализа атрибутов лица (возраст, пол, эмоции и раса) для Python.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Yellowbrick для визуального анализа и диагностики

ℹ️ Yellowbrick — набор средств визуального анализа и диагностики, предназначенных для облегчения машинного обучения с помощью scikit-learn.

🗣️ Основной объект API библиотеки Visualizer представляет собой средство оценки scikit-learn, которое учится на данных. «Визуализаторы» изучают данные, создавая визуальное представление рабочего процесса выбора модели.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Gensim для извлечения семантических тем

ℹ️ Пакет Python с открытым исходным кодом, смоделированный для извлечения семантических тем из больших документов и текстов для обработки, анализа и прогнозирования поведения человека с помощью статистических моделей и лингвистических вычислений.

🗣️ Gensim имеет возможность обрабатывать огромные данные, независимо от того, являются ли они необработанными и неструктурированными.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ NLTK для обработки естественного языка

ℹ️ NLTK (Natural Language Toolkit) — один из наиболее популярных инструментов для обработки естественного языка.

✔️ Особенности NLTK:

• Поддерживает более 50 языковых наборов данных и обученных языковых моделей.
• Предлагает классификацию текста, выделение корней, токенизацию, тегирование, синтаксический анализ.
• Функции для анализа настроений или мнения, выраженного во фрагменте текста.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ TorchAudio для обработки аудиосигнала

ℹ️ Библиотека машинного обучения для обработки звука и сигналов с помощью PyTorch.

🗣️ TorchAudio предоставляет функции ввода-вывода, обработки сигналов и данных, наборы данных, реализации моделей и компоненты приложений.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Taipy для создания пользовательских интерфейсов

ℹ️ Taipy - это библиотека Python, которая позволяет специалистам по обработке данных создавать увлекательные повествования на основе своих данных.

🗣️ Магия Taipy заключается в его способности привязывать переменные и выражения к состоянию визуальных компонентов в пользовательском интерфейсе.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Unstructured для предварительной обработки текста

ℹ️ Unstructured - это доступная библиотека Python для легкого извлечения текста из документов. Она упрощает очистку текста, обрабатывая все, от удаления маркеров до управления эмодзи и языкового перевода.

🔗 Ссылочка на доку

Python Learning 👩‍💻