Генеративный ИИ для начинающих.
Курс из 12 уроков, в котором рассказывается все, что вам нужно знать, чтобы начать создавать приложения генеративного ИИ.

https://microsoft.github.io/generative-ai-for-beginners/#/

Создание нейронной сети с помощью PyTorch
Создание вашей первой нейронной сети может показаться сложной задачей, но платформы глубокого обучения, такие как PyTorch, сделали задачу более доступной, чем когда-либо. В этой статье объясняется, как построить нейронную сеть с помощью PyTorch. https://haydenjames.io/building-a-neural-network-with-pytorch/

Этот диск 📁 - золотая жила БЕСПЛАТНЫХ учебников, руководств и учебных материалов по:

✅ Искусственный интеллект
✅ AWS Certified
✅ Облако
✅ BIG DATA
✅ Data science
✅ BI
✅ Python
✅ Аналитика данных
✅ Google Cloud Platform
✅ Обучение ИТ
✅ MBA
✅ Машинное обучение
✅ Этический хакинг
✅ Глубокое обучение и многое другое

https://drive.google.com/drive/folders/1CgN7DE3pNRNh_4BA_zrrMLqWz6KquwuD

Что такое конвейеры в Python?

Если вы разработчик Python, возможно, вы слышали о термине «конвейер» . Но что такое конвейер и почему он полезен? В этом сообщении блога мы рассмотрим концепцию конвейеров в Python, как они работают и как они могут помочь вам писать более чистый и эффективный код. https://medium.com/@ayush-thakur02/wait-what-are-pipelines-in-python-628f4b5021fd

В этой статье я предлагаю альтернативы основным библиотекам Python.
Эти альтернативы добавляют некоторую ценность ландшафту Python, даже несмотря на то, что основные библиотеки поддерживаются более сильными активными сообществами.
Выбор библиотек зависит от вашего варианта использования и личных предпочтений.

https://dev.to/taipy/new-open-source-vs-old-open-source-33k7

Базы данных являются важной частью разработки большинства современных программ. Они служат хранилищем для хранения, организации, манипулирования и извлечения данных и информации. Python, будучи универсальным языком программирования, предлагает несколько модулей и библиотек для работы с базами данных. Мы изучим основы программирования баз данных на Python, уделив особое внимание использованию системы баз данных SQLite, которая легка, проста в использовании и является частью стандартной библиотеки Python.

https://www.developer.com/languages/python/python-database-basics

Профилирование асинхронного Python.

Профилирование приложений — это процесс анализа программы для определения её характеристик: времени выполнения различных частей кода и использования ресурсов.

Для асинхронного python-кода существует конечное количество специфических "узких мест", которые лучше перечислить заранее.

Читать далее https://habr.com/ru/articles/777232

Rust Std Fs медленнее, чем Python.

https://xuanwo.io/2023/04-rust-std-fs-slower-than-python/

Выпущен Джанго 5.0

В примечаниях к выпуску подробно описано множество интересных новых функций https://www.djangoproject.com/weblog/2023/dec/04/django-50-released

Сериализуйте ваши данные с помощью Python

https://realpython.com/python-serialize-data

🏆10 обязательных расширений VSCode для🐍Pythonistas

https://dev.to/taipy/top-10-must-have-vscode-extensions-forpythonistas-561a

Как мы научили заводчан строить красивые инженерные отчеты из Jupyter Notebook на Python.

Была у нас тут история, когда легкий перфекционизм помог привести в порядок конструкторскую документацию и регулярно экономить инженерам кучу дней на прохождение бюрократических процедур. В ее основе – создание системы управления расчетными данными и переход от трудночитаемых и трудноинтегрируемых отчетов Mathcad к гибкой связке Jupyter Notebook с Python и Teamcenter. Но основной рассказ будет про то, как преобразовывать и экспортировать математические формулы, таблицы и другие элементы из Jupyter в красивый и удобный вид.

Читать далее https://habr.com/ru/companies/lanit/articles/777514

Субинтерпретаторы Python 3.12: новая эра параллелизма

https://thinhdanggroup.github.io/subinterpreter

Networkx - сетевой анализ в Python.

NetworkX — это пакет Python для создания, управления и изучения структуры, динамики и функций сложных сетей
https://networkx.org/

Пишем приложение на Python для подготовки к собеседованиям по Python.

На конец 2023 года язык программирования Python является самым популярным по индексу TIOBE. Что касается работы, то по количеству вакансий в мире язык Python занимает второе место (после JavaScript/TypeScript). Поэтому у соискателей на должность, где требуется Python, возникает потребность подготовки к собеседованиям.

В этой статье я расскажу о том, как используя Python, можно написать desktop-приложение для ОС Windows, которое поможет быстро, эффективно и абсолютно бесплатно подготовиться к собеседованиям по Python.

Читать далее https://habr.com/ru/articles/779624

Использование Polars в мире панд

Polars — это библиотека на основе фреймов данных, которая может быть быстрее, эффективнее использовать память и зачастую проще в использовании, чем Pandas. Кроме того, он гораздо новее и, соответственно, менее популярен. В ноябре 2023 года:

У Polars было около 2,6 миллионов загрузок с PyPI.
У Pandas было около 140 миллионов загрузок!
Из-за популярности Pandas и ее доступности на протяжении полутора десятилетий существует множество сторонних библиотек со встроенной поддержкой Pandas, а также других, которые специально расширяют Pandas. Многие библиотеки построения графиков и визуализации, например, принимают в качестве входных данных фреймы данных Pandas, а GeoPandas добавляет географические типы данных в фреймы данных Pandas. Если вы используете Polars, можете ли вы использовать эти библиотеки? И если да, то как? https://pythonspeed.com/articles/polars-pandas-interopability/

В постоянно развивающейся сфере разработки данных и автоматизации Python стал свидетелем появления нескольких оркестраторов рабочих процессов. В этой статье я расскажу о шести библиотеках Python и некоторых их основных функциях.

https://dev.to/taipy/the-pipeline-repos-showdown-python-edition-39i5

Анализ посещаемости магазина для выявления наиболее часто посещаемых зон

ссылка на репо, если вы хотите создать что-то за выходные: https://github.com/roboflow/supervision

Создание LLM с миллионом параметров с нуля с использованием Python
Пошаговое руководство по репликации архитектуры LLaMA

https://levelup.gitconnected.com/building-a-million-parameter-llm-from-scratch-using-python-f612398f06c2

Изучаем и парсим биржевую информацию Мосбиржи. Наш первый парсер на Python, разбор кода.

Как устроен ISS MOEX (информационно-статистический сервер Московской Биржи) и как можно парсить с него биржевые данные. Разбор кода программы. Это первое знакомство с MOEX, дальше будем изучать куда как более актуальный для алготрейдинга продукт мосбиржи - ALGOPACK. Однако перед этим общее знакомство с архитектурой iss moex должно быть. Стратегическая задача - использовать данные для алготрейдинга (работы торгового робота) напрямую с московской биржи.

Читать далее https://habr.com/ru/articles/781006

Агенты, способные самостоятельно редактировать свои подсказки/код Python

https://github.com/aymenfurter/microagents