разница между методами str и repr ?
Спросят с вероятностью 3%

Метод str:
- Цель: Возвращает строковое представление объекта, понятное и удобное для пользователя.
- Использование: Вызывается функцией str() и при использовании print().
- Предназначение: Для более дружественного и читаемого представления объекта.

Метод repr:
- Цель: Возвращает строку, представляющую объект официально и, по возможности, позволяющую воссоздать объект при передаче этой строки в eval().
- Использование: Вызывается функцией repr() и отображается интерактивной оболочкой Python для представления объектов.
- Предназначение: Для более точного и детализированного представления объекта, предназначенного для разработчиков.

Основные различия:
1. Контекст использования:
- str предназначен для удобного представления объекта пользователю.
- repr предназначен для официального представления объекта, полезного для отладки и разработки.

2. Вызываемые функции:
- str() и print() используют str.
- repr() и интерактивная оболочка Python используют repr.

3. Содержимое строки:
- str возвращает удобочитаемую строку.
- repr возвращает строку, которая может содержать больше технической информации и может использоваться для воссоздания объекта.

Примеры реализации обоих методов:

class Point:
    def init(self, x, y):
        self.x = x
        self.y = y

    def str(self):
        return f"Point({self.x}, {self.y})"

    def repr(self):
        return f"Point({self.x}, {self.y})"

p = Point(1, 2)

# Использование str

print(str(p))  # Выведет: Point(1, 2)
print(p)       # Выведет: Point(1, 2)

# Использование

 repr

print(repr(p)) # Выведет: Point(1, 2)

Таким образом, метод str возвращает понятное для пользователя строковое представление объекта, используемое функцией str() и print(), в то время как метод repr возвращает официальное строковое представление объекта, используемое функцией repr() и интерактивной оболочкой Python, и часто предназначен для отладки.

🔎 Keras — это высокоуровневая библиотека для создания нейронных сетей, написанная на Python. Она предлагает простой и интуитивно понятный интерфейс, что позволяет быстро разрабатывать и обучать глубокие нейронные сети.

Благодаря своей доступности и гибкости, Keras помогает разработчикам оперативно создавать и тестировать различные модели машинного обучения.

➡️ Преимущества Keras

У Keras есть множество преимуществ, которые делают его популярным среди специалистов в области машинного обучения. Во-первых, его API отличается простотой и понятностью, что делает его идеальным для новичков. Во-вторых, Keras предоставляет большое количество предварительно обученных моделей, которые можно применять для решения различных задач.

➡️ Возможности Keras

Keras поддерживает широкий спектр функций в области машинного обучения. С его помощью можно создавать и обучать различные типы нейронных сетей, включая полносвязные, сверточные и рекуррентные сети.

✈️ Модуль itertools — это инструмент для эффективной работы с интерациями в Python.

➡️ Основные функции itertools:

1. count(start, step): Генерирует бесконечную арифметическую прогрессию, начиная с заданного значения start и с указанным шагом step.

2. cycle(iterable): Бесконечно повторяет элементы из переданного итерируемого объекта.

3. chain(*iterables): Объединяет несколько итерируемых объектов в один последовательный поток.

4. zip_longest(*iterables, fillvalue=None): Объединяет элементы из различных итерируемых объектов

➡️ Пример использования:

import itertools

# Создаем бесконечную последовательность с шагом 2
counter = itertools.count(start=10, step=2)
for _ in range(5):
    print(next(counter))  # Выведет числа: 10, 12, 14, 16, 18

# Объединяем несколько списков в один последовательный поток
letters = ['a', 'b', 'c']
numbers = [1, 2, 3]
combined = itertools.chain(letters, numbers)
print(list(combined))  # Выведет: ['a', 'b', 'c', 1, 2, 3]

❔Зачем нужно ключевое слово async в Python?

Ключевое слово async в Python используется для создания асинхронных функций (или корутин), которые позволяют выполнять задачи, не блокируя основной поток выполнения программы. Это особенно полезно для работы с такими операциями, как сетевые запросы, взаимодействие с базами данных или чтение/запись файлов.

Вот пример асинхронной функции:

import asyncio

async def fetch_data():
    print("Fetching data...")
    await asyncio.sleep(2)  # симуляция длительной операции
    print("Data fetched")
    return "Data"

async def main():
    result = await fetch_data()
    print(result)

# запуск асинхронной функции
asyncio.run(main())

Как можно заметить, async идёт в паре с await, который приостанавливает выполнение fetch_data до завершения asyncio.sleep(2).

Курс Слёрма «Python для инженеров»: когда 5 строк кода заменяют полчаса работы 

Научим вас автоматизировать задачи, которые годами решались вручную. Курс с обратной связью, 5 недель, старт 12 августа. 

После курса сможете сделать так, чтобы автоматически: 

▶Менялись конфигурации серверов и предоставлялся к ним доступ
▶Собирались, сводились и экспортировались нужные данные мониторинга 
▶Создавались базы данных из разных источников 
▶Генерировались ченджлоги прямо из коммитов
▶И многое другое

Формат курса: 

▶Видеолекции, онлайн-встречи со спикером и практические задания
▶Код-ревью, ответы на вопросы и обратная связь
▶Личный кабинет с короткими конспектами видеолекций
▶Постоянный чат со студентами, экспертами и куратором

Длительность — 5 недель. 
Старт — 12 августа. 

Посмотреть программу занятий и занять место на курсе — по ссылке ✅