Programming Language : Python 📱
🕸 Web-site : LeetCode
📕 Topic : #Array , #DynamicProgramming
📌 Problem : Longest Subarray of 1's After Deleting One Element
🎯 Level : #Medium
💻 Author : Telegram 📱 | Linkedin 📱 | GitHub 📱
🕸 Web-site : LeetCode
📕 Topic : #Array , #DynamicProgramming
📌 Problem : Longest Subarray of 1's After Deleting One Element
🎯 Level : #Medium
💻 Author : Telegram 📱 | Linkedin 📱 | GitHub 📱
👍3❤1🔥1🎃1🆒1
Pythonda ekranga ma’lumot chiqarish uchun qaysi funksiya ishlatiladi ?
Anonymous Quiz
0%
output()
84%
print()
0%
write()
16%
show()
👍4
Nega Python’da list (ro‘yxat) obyektlari lug‘at (dictionary) ichida kalit bo‘la olmaydi?
Anonymous Quiz
55%
Chunki listlar o‘zgaruvchan bo‘lgani uchun hash (xesh) qilib bo‘lmaydi.
0%
Chunki listlar faqat butun son (integer) elementlarni o‘z ichiga oladi
18%
Chunki listlar boshqa kalitlar bilan taqqoslash jarayonida sekin ishlaydi.
27%
Chunki listlar avtomatik ravishda tuple (kortej) ga aylantiriladi.
👍1🔥1
Python’dagi lambda funksiyalarining qaysi cheklovi ularni oddiy funksiyalarga nisbatan kamroq moslashuvchan qiladi?
Anonymous Quiz
0%
Lambda funksiyalar shart operatorlarini (if) o‘z ichiga ololmaydi.
38%
Lambda funksiyalar qiymat qaytara olmaydi.
25%
Lambda funksiyalar argumentlar qabul qila olmaydi.
38%
Lambda funksiyalar faqat bitta ifodani o‘z ichiga olishi mumkin.
👍1👌1
Python’da satrning barcha harflarini katta harflarga o‘tkazib qaytaradigan qaysi metod?
Anonymous Quiz
70%
upper()
0%
upcase()
10%
capitalize()
20%
toUpperCase()
⚡1👍1
Pythonda lug‘at (dict) ichida mavjud bo‘lmagan kalitga murojaat qilinganda qaysi xatolik (exception) yuzaga keladi?
Anonymous Quiz
0%
IndexError
42%
ValueError
42%
KeyError
17%
AttributeError
👍2
—> sorted({3: 'c', 1: 'a', 2: 'b'}.values()) ifodasi qanday natija qaytaradi ?
Anonymous Quiz
31%
[1, 2, 3]
50%
['a', 'b', 'c']
6%
['c', 'a', 'b']
13%
{'a', 'b', 'c'}
print(''.join(chr(i) for i in range(97, 100)))
Anonymous Quiz
7%
'ABC'
20%
'abc'
0%
'a b c'
73%
'979899'
🔥1👌1
Pythonda max() funksiyasi ro‘yxat (list) ga qo‘llanganda nima qaytaradi?
Anonymous Quiz
19%
Birinchi element
0%
Oxirgi element
10%
O‘rtacha element
71%
Eng kattra element
🔥2
Forwarded from DevOps Docker
В основе - python:3.11-slim, установка только нужных пакетов, удаление apt-кэша, отдельный системный пользователь без root-прав, изоляция рабочего каталога и установка зависимостей под ненадёжным пользователем.
Такой контейнер легче, безопаснее и запускается быстрее.
Отличная база для продакшена.
Переход на non-root пользователя резко снижает возможный ущерб, ограничивает доступ к файлам и заставляет держать порядок с правами и владением.
Docker - все о Docker и Devops
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Forwarded from DevOps Docker
📌 Подробная шпаргалка по командам Docker
Удобный и практичный референс для повседневной работы с Docker: образы, контейнеры, сети, тома и Docker Compose.
🐋 Общие команды Docker
-
-
-
-
📦 Работа с образами
-
-
-
-
-
-
-
🚀 Контейнеры: запуск и управление
-
-
-
-
-
-
-
-
-
-
-
-
-
🧹 Очистка и обслуживание
-
-
-
-
-
-
-
📊 Мониторинг и отладка
-
-
-
🌐 Сети Docker
-
-
-
-
💾 Docker Volumes
-
-
-
-
⚙️ Docker Compose
-
-
-
-
-
-
-
-
🧠 Полезные советы
- Используй
- Проверяй размер Docker-данных через
- Для отладки всегда полезен
- Регулярно чисти систему, чтобы Docker не съел весь диск
Эта шпаргалка закрывает 90% повседневных задач при работе с Docker - от локальной разработки до продакшена.
Удобный и практичный референс для повседневной работы с Docker: образы, контейнеры, сети, тома и Docker Compose.
🐋 Общие команды Docker
-
docker --version — версия Docker-
docker info — информация о системе Docker-
docker help — список доступных команд-
docker <command> --help — помощь по конкретной команде📦 Работа с образами
-
docker pull <image> — скачать образ из реестра-
docker images — список локальных образов-
docker build -t name:tag . — собрать образ из Dockerfile-
docker tag <image> <repo>:<tag> — назначить тег образу-
docker rmi <image> — удалить образ-
docker image prune — удалить неиспользуемые образы-
docker image prune -a — удалить все неиспользуемые, включая невисячие🚀 Контейнеры: запуск и управление
-
docker run <image> — запустить контейнер-
docker run -d <image> — запуск в фоне-
docker run -it <image> bash — интерактивный режим-
docker ps — активные контейнеры-
docker ps -a — все контейнеры-
docker stop <container> — остановить контейнер-
docker start <container> — запустить остановленный-
docker restart <container> — перезапуск-
docker rm <container> — удалить контейнер-
docker rm -f <container> — принудительно удалить-
docker logs <container> — логи контейнера-
docker exec -it <container> bash — войти внутрь контейнера-
docker inspect <container> — подробная информация (JSON)🧹 Очистка и обслуживание
-
docker container prune — удалить все остановленные контейнеры-
docker image prune — удалить неиспользуемые образы-
docker volume prune — удалить неиспользуемые тома-
docker network prune — удалить неиспользуемые сети-
docker system prune — очистить всё неиспользуемое-
docker system prune -a — максимально агрессивная очистка-
docker system df — использование диска Docker’ом📊 Мониторинг и отладка
-
docker stats — использование CPU и памяти контейнерами-
docker top <container> — процессы внутри контейнера-
docker diff <container> — изменения файловой системы контейнера🌐 Сети Docker
-
docker network ls — список сетей-
docker network inspect <network> — информация о сети-
docker network create <name> — создать сеть-
docker network rm <name> — удалить сеть💾 Docker Volumes
-
docker volume ls — список томов-
docker volume inspect <volume> — информация о томе-
docker volume create <name> — создать том-
docker volume rm <name> — удалить том⚙️ Docker Compose
-
docker compose up — запустить сервисы-
docker compose up -d — запуск в фоне-
docker compose down — остановить и удалить всё-
docker compose build — пересобрать образы-
docker compose pull — скачать образы-
docker compose logs — логи всех сервисов-
docker compose ps — статус сервисов-
docker compose restart — перезапуск🧠 Полезные советы
- Используй
--rm, чтобы контейнер удалялся после выполнения- Проверяй размер Docker-данных через
docker system df- Для отладки всегда полезен
docker inspect- Регулярно чисти систему, чтобы Docker не съел весь диск
Эта шпаргалка закрывает 90% повседневных задач при работе с Docker - от локальной разработки до продакшена.
🔥2👍1
Katta til modellari (LLM) shunchalik ulkanki, ularni o'qitish va keng ko'lamda qo'llash uchun yuqori samarali server grafik protsessorlariga (GPU) ega bo'lgan ulkan ma'lumotlar markazlari talab qilinadi. Bunday "fabrikalar"ni qurish bir qator murakkab muammolarni hal qilish bilan birga kechadi.
Elektr energiyasi muammosi: Ma'lumotlar markazi nafaqat videokartalar turgan javonlar, balki sovutish tizimlarini ham o'z ichiga olgan infratuzilmadir. Amaliyot shuni ko'rsatadiki, eng yaxshi holatda elektr energiyasining 40-50 foizi protsessorlarga, 30-40 foizi sovutish tizimiga (ko'pincha suyuqlik orqali), qolgan qismi esa umumiy ehtiyojlar va yo'qotishlarga sarflanadi. Vaqt o'tishi bilan elektr energiya xarajatlari budjetning eng katta qismini tashkil qila boshlaydi. Hatto videokarta ishlamay turganida ham energiya iste'mol qiladi.
Butlovchi qismlar (Protsessorlar): Yuqori talab tufayli ishlab chiqaruvchi kompaniyalar bilan shartnomalar bir necha yil oldin tuziladi. Yarim o'tkazgichlar tanqisligi barcha ishlab chiqaruvchilarga qiyinchilik tug'dirmoqda.
Inson resursi: Nafaqat loyihalovchi mutaxassislar, balki quruvchilar, haydovchilar va elektr ustalari ham yetishmaydi. Ma'lumotlar markazlari odatda chekka hududlarda qurilgani sababli, ishchilarni transport va turar joy bilan ta'minlash logistik muammolarni keltirib chiqaradi.
Mavzu tahlili: Nima uchun bu juda muhim?
Matnda ko'tarilgan masalalar sun'iy intellektning kelajagini belgilab beradi:
1. Energetika inqirozi va "Gigavattlar" davri
Oldin ma'lumotlar markazlari uchun megavattlar (MVt) yetarli bo'lgan bo'lsa, hozirgi "AI Gigafabrikalari" gigavattlab (GVt) energiya so'ramoqda. Bu bir nechta atom elektr stansiyalarining quvvatiga teng. Shuning uchun ham yirik kompaniyalar (Microsoft, Google) o'zlarining shaxsiy energiya manbalarini, hatto kichik yadroviy reaktorlarini qurish haqida o'ylashmoqda.
2. Sovutish tizimi: Nega suyuqlik?
Minglab GPU-lar bir vaqtda ishlaganda shunday issiqlik chiqaradiki, oddiy konditsionerlar (havo bilan sovutish) yordam bermay qoladi. Suyuqlik bilan sovutish tizimi samaraliroq, lekin u murakkab va qimmat muhandislik yechimini talab qiladi.
3. Geopolitika va Stargate loyihasi
500 milliard dollarlik Stargate loyihasining tilga olinishi tasodif emas. AI hozirda yangi "yadro quroli" poygasiga aylangan. Kimda kuchliroq hisoblash quvvati (data-center) bo'lsa, o'sha davlat texnologik va iqtisodiy jihatdan ustunlikka ega bo'ladi. AQShning NVIDIA chiplarini Xitoyga sotishni taqiqlashi ham aynan raqibning "hisoblash quvvati"ni cheklashga qaratilgan.
4. Iqtisodiy samaradorlik
Matnda aytilganidek, videokarta prosta turganda ham tok yeydi. Bu shuni anglatadiki, ma'lumotlar markazi egalari har bir soniyadan unumli foydalanishlari shart. Har bir soniya — bu milliardlab operatsiyalar va dollarlar degani.
Xulosa: Kelajakda sun'iy intellekt faqatgina "yaxshi kod" yozish bilan cheklanib qolmaydi. U ko'proq energetika, logistika va xalqaro siyosat o'rtasidagi muvozanatga bog'liq bo'lib qoladi.
Elektr energiyasi muammosi: Ma'lumotlar markazi nafaqat videokartalar turgan javonlar, balki sovutish tizimlarini ham o'z ichiga olgan infratuzilmadir. Amaliyot shuni ko'rsatadiki, eng yaxshi holatda elektr energiyasining 40-50 foizi protsessorlarga, 30-40 foizi sovutish tizimiga (ko'pincha suyuqlik orqali), qolgan qismi esa umumiy ehtiyojlar va yo'qotishlarga sarflanadi. Vaqt o'tishi bilan elektr energiya xarajatlari budjetning eng katta qismini tashkil qila boshlaydi. Hatto videokarta ishlamay turganida ham energiya iste'mol qiladi.
Butlovchi qismlar (Protsessorlar): Yuqori talab tufayli ishlab chiqaruvchi kompaniyalar bilan shartnomalar bir necha yil oldin tuziladi. Yarim o'tkazgichlar tanqisligi barcha ishlab chiqaruvchilarga qiyinchilik tug'dirmoqda.
Inson resursi: Nafaqat loyihalovchi mutaxassislar, balki quruvchilar, haydovchilar va elektr ustalari ham yetishmaydi. Ma'lumotlar markazlari odatda chekka hududlarda qurilgani sababli, ishchilarni transport va turar joy bilan ta'minlash logistik muammolarni keltirib chiqaradi.
Mavzu tahlili: Nima uchun bu juda muhim?
Matnda ko'tarilgan masalalar sun'iy intellektning kelajagini belgilab beradi:
1. Energetika inqirozi va "Gigavattlar" davri
Oldin ma'lumotlar markazlari uchun megavattlar (MVt) yetarli bo'lgan bo'lsa, hozirgi "AI Gigafabrikalari" gigavattlab (GVt) energiya so'ramoqda. Bu bir nechta atom elektr stansiyalarining quvvatiga teng. Shuning uchun ham yirik kompaniyalar (Microsoft, Google) o'zlarining shaxsiy energiya manbalarini, hatto kichik yadroviy reaktorlarini qurish haqida o'ylashmoqda.
2. Sovutish tizimi: Nega suyuqlik?
Minglab GPU-lar bir vaqtda ishlaganda shunday issiqlik chiqaradiki, oddiy konditsionerlar (havo bilan sovutish) yordam bermay qoladi. Suyuqlik bilan sovutish tizimi samaraliroq, lekin u murakkab va qimmat muhandislik yechimini talab qiladi.
3. Geopolitika va Stargate loyihasi
500 milliard dollarlik Stargate loyihasining tilga olinishi tasodif emas. AI hozirda yangi "yadro quroli" poygasiga aylangan. Kimda kuchliroq hisoblash quvvati (data-center) bo'lsa, o'sha davlat texnologik va iqtisodiy jihatdan ustunlikka ega bo'ladi. AQShning NVIDIA chiplarini Xitoyga sotishni taqiqlashi ham aynan raqibning "hisoblash quvvati"ni cheklashga qaratilgan.
4. Iqtisodiy samaradorlik
Matnda aytilganidek, videokarta prosta turganda ham tok yeydi. Bu shuni anglatadiki, ma'lumotlar markazi egalari har bir soniyadan unumli foydalanishlari shart. Har bir soniya — bu milliardlab operatsiyalar va dollarlar degani.
Xulosa: Kelajakda sun'iy intellekt faqatgina "yaxshi kod" yozish bilan cheklanib qolmaydi. U ko'proq energetika, logistika va xalqaro siyosat o'rtasidagi muvozanatga bog'liq bo'lib qoladi.
🚀 AI Oltin Vasvasasi: Kim haqiqatda boyib ketadi?
Bugungi sun’iy intellekt (AI) poygasini 19-asrdagi Kaliforniya "oltin vasvasasi"ga qiyoslash mumkin. O‘shanda oltin izlovchilarning ko‘pchiligi kambag‘al bo‘lib qolgan, ammo belkurak va jinsi shim sotganlar (masalan, Levi's) ulkan boylik orttirgan.
Xo‘sh, bugungi AI olamida "belkurak sotuvchilar" kimlar? 🛠
🏗 Infratuzilma va Logistika: Gigafabrikalarni qurish uchun nafaqat olimlar, balki minglab muhandislar, elektr ustalari va quruvchilar armiyasi kerak.
🏆 AI poygasining ehtimoliy g‘oliblari:
1️⃣ NVIDIA va Chip ishlab chiqaruvchilar: Kim qanday model yaratishidan qat’i nazar, ularga GPU kerak. NVIDIA bu o‘yinda eng katta "belkurak sotuvchisi"dir.
2️⃣ Bulutli infratuzilma (AWS, Azure, Google Cloud): Ular ham hisoblash quvvatini, ham joyni ijaraga berishadi.
3️⃣ Energetika kompaniyalari: AI rivojlangani sari elektr energiyasiga bo‘lgan talab atom elektr stansiyalari quvvatigacha ko‘tariladi.
4️⃣ Ma’lumot yetkazib beruvchilar: Sifatli ma’lumot (Data) — bu modellarni o‘qitish uchun zarur bo‘lgan "yoqilg‘i".
💡 Xulosa
AI mahsulotlari (chatbotlar, rasm yaratuvchilar) o‘rtasidagi raqobat shafqatsiz. Bugun eng zo‘r bo‘lgan model ertaga eskirishi mumkin. Ammo bu modellarning barchasi NVIDIA chiplari, kuchli sovutish tizimlari va ulkan energiya ustida ishlaydi.
Xulosa shuki: Oltin topish — omad masalasi, lekin belkurak sotish — doimiy foyda keltiruvchi biznesdir. AI davrida haqiqiy boylik mahsulotning o‘zida emas, uni yurgizib turgan infratuzilmada bo‘lishi ehtimoli yuqori.
#AI #Technology #DataCenter #NVIDIA #FutureTech #BusinessStrategy
Bugungi sun’iy intellekt (AI) poygasini 19-asrdagi Kaliforniya "oltin vasvasasi"ga qiyoslash mumkin. O‘shanda oltin izlovchilarning ko‘pchiligi kambag‘al bo‘lib qolgan, ammo belkurak va jinsi shim sotganlar (masalan, Levi's) ulkan boylik orttirgan.
Xo‘sh, bugungi AI olamida "belkurak sotuvchilar" kimlar? 🛠
🏗 Infratuzilma va Logistika: Gigafabrikalarni qurish uchun nafaqat olimlar, balki minglab muhandislar, elektr ustalari va quruvchilar armiyasi kerak.
🏆 AI poygasining ehtimoliy g‘oliblari:
1️⃣ NVIDIA va Chip ishlab chiqaruvchilar: Kim qanday model yaratishidan qat’i nazar, ularga GPU kerak. NVIDIA bu o‘yinda eng katta "belkurak sotuvchisi"dir.
2️⃣ Bulutli infratuzilma (AWS, Azure, Google Cloud): Ular ham hisoblash quvvatini, ham joyni ijaraga berishadi.
3️⃣ Energetika kompaniyalari: AI rivojlangani sari elektr energiyasiga bo‘lgan talab atom elektr stansiyalari quvvatigacha ko‘tariladi.
4️⃣ Ma’lumot yetkazib beruvchilar: Sifatli ma’lumot (Data) — bu modellarni o‘qitish uchun zarur bo‘lgan "yoqilg‘i".
💡 Xulosa
AI mahsulotlari (chatbotlar, rasm yaratuvchilar) o‘rtasidagi raqobat shafqatsiz. Bugun eng zo‘r bo‘lgan model ertaga eskirishi mumkin. Ammo bu modellarning barchasi NVIDIA chiplari, kuchli sovutish tizimlari va ulkan energiya ustida ishlaydi.
Xulosa shuki: Oltin topish — omad masalasi, lekin belkurak sotish — doimiy foyda keltiruvchi biznesdir. AI davrida haqiqiy boylik mahsulotning o‘zida emas, uni yurgizib turgan infratuzilmada bo‘lishi ehtimoli yuqori.
#AI #Technology #DataCenter #NVIDIA #FutureTech #BusinessStrategy