Самая крупная подборка видео по рекомендательным системам на русском языке от нашей команды:

– Рекомендательная система на коленке, Михаил Трофимов

– Дзен-митап: рекомендательные системы

– Обзор нейросетевых рекомендательных систем — Дмитрий Ушанов

– Яндекс изнутри: рекомендательные системы Музыки и Дзена

– Пишем графовую рекомендательную систему для музыки

– Рекомендательные системы | Евгений Соколов | Лекториум

– R&D рекомендательной системы — как обучить и выкатить алгоритм в продакшн - Виталий Давыдов

– DLS. Семинар. Recommender System.

– Архитектура рекомендательной системы Дзена / Дмитрий Кондрашкин

– МТС. Построение sequential recommender systems

– Архитектура Real Time рекомендательной системы на примере банка: с нуля до готового продукта

– Рекомендательная система на базе DataSphere

– Андрей Зимовнов. Архитектура рекомендаций Дзена

– Дзен-митап: исследования и рекомендательные системы

Ладно, не только от нашей команды, еще спасибо рекомендательным системам YouTube :)

😻 #recommendation_system

Keras уже курит на заднем сидении

tqdm в pandas

Если применить apply к большому датафрейму, на это может уйти много времени, но сложно сказать, сколько именно. В таких ситуациях хочется научиться как-то отслеживать прогресс. Чтобы это сделать, можно использовать tqdm.

Для этого сначала установим/обновим бибилиотеку:

pip install tqdm
pip install tqdm -U

Затем испортируем tqdm и применяем вместо обычного apply функцию progressapply. Работает она точно так же, только еще показывает прогресс-бар:

`df = pd.DataFrame(np.random.randint(0, 100, (1000000, 100)))

tqdm.pandas(desc="power DataFrame 1M x 100 of random int!")

df.progressapply(lambda x: x2)
df.groupby(0)1.count().progressapply(lambda x: x**2)
`
Кстати, еще можно менять формат бара через опцию barformat. Например:

tqdm.pandas(desc="MyBar", bar_format='{desc:<5.5}{percentage:3.0f}%|{bar:50}{r_bar}')

😻 #numpy_pandas #pandas