Зачем нужна переменная __name__?
Anonymous Quiz
26%
Чтобы узнать человекочитаемое имя, присвоенное объекту класса внутри интерпретатора
13%
Служебная переменная, в которой PyCharm хранит имя текущего пользователя
45%
Чтобы узнать, запущен ли модуль в среде верхнего уровня (импортирующим все остальные)
16%
Посмотреть ответы
Небольшое видео про переменную __name__ от канала Хитрый питон: https://www.youtube.com/watch?v=mjvNRybjNlk
#хитрый_питон
#хитрый_питон
YouTube
Что такое __name__ в Python?
Возможно вы сталкивались в коде с конструкцией if __name__ == "__main__" и не до конца понимали, зачем она нужна? Давайте разберемся, что это за __name__ и __main__!
Я в Telegram - https://t.me/tricky_python
Канал создан при поддержке сообщества Moscow…
Я в Telegram - https://t.me/tricky_python
Канал создан при поддержке сообщества Moscow…
Выкладываю пару анонимных историй успеха от участников нашей группы. Я надеюсь, что эти истории станут для вас хорошим мотиватором в новом году. Хочу отдельно отметить, что наша группа не сыграла существенной роли в успехах рассказчиков, всего они добились собственными силами. Добились они - сможете и вы.
История 1. Backend
В общем, весной 2020 я познакомился с питоном, прошел несколько курсов на степике и забросил летом 2020. Осенью 2020 узнал про ШИФТ от ЦФТ и попробовал себя в ML. Именно в аналитику, backend направления тогда не было. Во вступительном надо было написать сервис, который звуковой файл переводит в картинку. Ну и с треском провалился, потому что в голове знаний предметных не было. Сейчас смотрю тот код, и просто рукалицо. Я также не знал, как нормально работать с гитом.
После этого провала опять ненадолго забросил обучение. Потом уже допинал себя на повторение, нашел еще какие-то курсы бесплатные и по ним вяло двигался. Решил, что мне ближе не аналитика, а именно backend разработка. В основном смотрел туториалы на ютубе, как писать ботов для телеграма и курсы по джанго. Написал пару небольших проектов для себя и летом мне знакомый предложил пройти конкурс в их компанию на должность fullstack разработчика. Решил почему бы и нет, написал тестовое и уже пригласили на собеседование, которое я опять с треском провалил, потому что не ответил даже на вопросы по ООП.
Понял, что нужно сначала подтянуть базу. Почитал про ООП, разобрался со структурами данных и продолжал проходить бесплатные/слитые курсы.
Но это все настолько вяло протекало, что по факту уделял максимум 2 дня в неделю.
В августе 2021 понял, что на текущей работе уже нет возможности дальше расти, да и сфера в целом не моя, и решил плотно приступить к учебе. И тут на глаза попалась реклама школы backend разработки Яндекса. Чудом прошел вступительные, прошел собес и получил приглашение на обучение. Первый этап обучения проходил онлайн и по его результатам отбирали на второй очный этап, который проходил в Москве. Яндекс полностью оплатил перелет и проживание. Там уже была командная работа над проектом. Все проходило в офисах яндекса.
Параллельно с началом обучения в Яндексе был старт курса ШИФТа от ЦФТ, на который также надо было сделать тестовое. Решил решить тестовое, а там посмотрим. В итоге туда тоже пригласили. Повезло, что большая часть первого этапа уже прошла и стало чуть свободнее. Хотя все равно было трудно тянуть 2 курса параллельно с основной работой. Сон максимум 6 часов, ел когда придется, девушке время вообще не уделял.
Когда поехал на второй этап школы яндекса, пришлось пропускать лекции ШИФТа, но домашки сдавал, что было плюсом в будущем.
В общем Яндекс закончился, получил очень хороший опыт и приглашение на собес в следующем году.
После возвращения в ШИФТе оставалась одна домашка и выпускной проект. Даже еще до сдачи выпускного проекта от ЦФТ связалась hr и предложила пройти собес. Как понимаю, прошел его довольно успешно, потому что за этим последовал оффер.
Я не стал играть с судьбой и решил его принять, так что уже прохожу испытательный срок.
В итоге что имеем:
1. Не знаю где больше получил знаний, в ШИФТе или Яндексе, но и там и там учеба была максимально полезной. Тем более, что инструменты, фреймворки одинаковые изучали и там и там.
2. В Яндексе не предлагают сразу работу. Успешное прохождение школы дает право на -1 собеседование. т.е. теперь надо будет пройти 1-2 секции по коду и собес с командами. На собесах в основном задачи на знание алгоритмов, к которым можно подготовиться на литкоде.
3. В ШИФТе одно собеседование на знание структур данных, вкратце по ООП и по асинхронщине.
Как-то так.
Не уверен, что мой опыт будет релевантен для дата аналитиков, но может кто захочет сменить направление)
#история_успеха #backend #python
История 1. Backend
В общем, весной 2020 я познакомился с питоном, прошел несколько курсов на степике и забросил летом 2020. Осенью 2020 узнал про ШИФТ от ЦФТ и попробовал себя в ML. Именно в аналитику, backend направления тогда не было. Во вступительном надо было написать сервис, который звуковой файл переводит в картинку. Ну и с треском провалился, потому что в голове знаний предметных не было. Сейчас смотрю тот код, и просто рукалицо. Я также не знал, как нормально работать с гитом.
После этого провала опять ненадолго забросил обучение. Потом уже допинал себя на повторение, нашел еще какие-то курсы бесплатные и по ним вяло двигался. Решил, что мне ближе не аналитика, а именно backend разработка. В основном смотрел туториалы на ютубе, как писать ботов для телеграма и курсы по джанго. Написал пару небольших проектов для себя и летом мне знакомый предложил пройти конкурс в их компанию на должность fullstack разработчика. Решил почему бы и нет, написал тестовое и уже пригласили на собеседование, которое я опять с треском провалил, потому что не ответил даже на вопросы по ООП.
Понял, что нужно сначала подтянуть базу. Почитал про ООП, разобрался со структурами данных и продолжал проходить бесплатные/слитые курсы.
Но это все настолько вяло протекало, что по факту уделял максимум 2 дня в неделю.
В августе 2021 понял, что на текущей работе уже нет возможности дальше расти, да и сфера в целом не моя, и решил плотно приступить к учебе. И тут на глаза попалась реклама школы backend разработки Яндекса. Чудом прошел вступительные, прошел собес и получил приглашение на обучение. Первый этап обучения проходил онлайн и по его результатам отбирали на второй очный этап, который проходил в Москве. Яндекс полностью оплатил перелет и проживание. Там уже была командная работа над проектом. Все проходило в офисах яндекса.
Параллельно с началом обучения в Яндексе был старт курса ШИФТа от ЦФТ, на который также надо было сделать тестовое. Решил решить тестовое, а там посмотрим. В итоге туда тоже пригласили. Повезло, что большая часть первого этапа уже прошла и стало чуть свободнее. Хотя все равно было трудно тянуть 2 курса параллельно с основной работой. Сон максимум 6 часов, ел когда придется, девушке время вообще не уделял.
Когда поехал на второй этап школы яндекса, пришлось пропускать лекции ШИФТа, но домашки сдавал, что было плюсом в будущем.
В общем Яндекс закончился, получил очень хороший опыт и приглашение на собес в следующем году.
После возвращения в ШИФТе оставалась одна домашка и выпускной проект. Даже еще до сдачи выпускного проекта от ЦФТ связалась hr и предложила пройти собес. Как понимаю, прошел его довольно успешно, потому что за этим последовал оффер.
Я не стал играть с судьбой и решил его принять, так что уже прохожу испытательный срок.
В итоге что имеем:
1. Не знаю где больше получил знаний, в ШИФТе или Яндексе, но и там и там учеба была максимально полезной. Тем более, что инструменты, фреймворки одинаковые изучали и там и там.
2. В Яндексе не предлагают сразу работу. Успешное прохождение школы дает право на -1 собеседование. т.е. теперь надо будет пройти 1-2 секции по коду и собес с командами. На собесах в основном задачи на знание алгоритмов, к которым можно подготовиться на литкоде.
3. В ШИФТе одно собеседование на знание структур данных, вкратце по ООП и по асинхронщине.
Как-то так.
Не уверен, что мой опыт будет релевантен для дата аналитиков, но может кто захочет сменить направление)
#история_успеха #backend #python
Следующая анонимная история успеха про путь из инженера после Бауманки в дата сайентиста.
История 2. Data Science
Рассказываю свою историю. Где-то с конца последнего курса магистратуры (учился в Бауманке на инженера) я понял, что по специальности работать не совсем нравится, перспектив особо нет, да и не слишком интересно.
Начал потихоньку изучать Питон (предварительно попробовал залететь на курс Анализ данных и машинное обучение МФТИ/Яндекс на Курсере - было ни черта непонятно), начинал с базовых курсов на Степике (по сути только степик + 2 курса из специализации на Курсере), потом понемножку курс по ML, матстат, тервер.
Через полгода начал искать стажировку, сгонял на собеседование, было довольно унизительно и стыдно, честно говоря))
После этого понял, что сильно не хватает хардов и понимания теории, начал проходить курс от DLS по глубокому обучению, читать Вандер Пласа. Также потихоньку изучал SQL, гит и всякие вспомогательные штуки. Из-за работы и постоянной занятости пришлось ещё год работать по специальности, тк на учебу оставалось мало сил и времени.
Суммарно после 15 месяцев довольно неспешного самообучения и серии неудачных собесов, мне удалось пройти на этап бизнес-игры от Озон Кэмп. По сути было три этапа:
1-скрининг резюме
2-онлайн тестирование
3-бизнес игра
К моему удивлению, на бизнес игре разделили на команды ребят с абсолютно разным бэкграундом (у меня в команде был маркетолог, логист, аналитики и тд, абсолютно разношерстно), то есть по сути никаких хард скилов не смотрели (для меня был шок). Кстати, в следующих этапах отбора в Озон Кэмп это вроде пофиксили, дают какие-то тестовые.
В итоге мне пришел оффер на аналитика в производство. Я простажировался там 5 месяцев, понял, что это ни разу не то, чего я ожидал и чем хочу заниматься, никаким написанием кода там не занимаются, несмотря на то, что мне удавалось урвать интересные для себя задачки, основной рабочий инструмент у местных ребят - эксель.
Когда я понял, что в дальнейшем ничего не изменится и код мой ревьюить тут никто не будет(как-то дали задачу написать гайд по установке анаконды и запуску моего скрипта), я запросил ротацию в другой отдел.
Как-то мне очень повезло и буквально через 2-3 недели меня позвали на собес в айтишный отдел на должность стажера ДСера.
Сам собес был не очень сложный, но как я понимаю, из-за большой конкуренции на такие позиции, мне повезло, что я уже почти полгода проработал в компании, и это пошло в плюс. В итоге сейчас уже месяц как работаю в новом отделе, правда сейчас больше занимаемся разработкой, чем ДС, но это все равно очень классно бустит в плане хардов.
Вот как-то так.
#история_успеха #data_science #python
История 2. Data Science
Рассказываю свою историю. Где-то с конца последнего курса магистратуры (учился в Бауманке на инженера) я понял, что по специальности работать не совсем нравится, перспектив особо нет, да и не слишком интересно.
Начал потихоньку изучать Питон (предварительно попробовал залететь на курс Анализ данных и машинное обучение МФТИ/Яндекс на Курсере - было ни черта непонятно), начинал с базовых курсов на Степике (по сути только степик + 2 курса из специализации на Курсере), потом понемножку курс по ML, матстат, тервер.
Через полгода начал искать стажировку, сгонял на собеседование, было довольно унизительно и стыдно, честно говоря))
После этого понял, что сильно не хватает хардов и понимания теории, начал проходить курс от DLS по глубокому обучению, читать Вандер Пласа. Также потихоньку изучал SQL, гит и всякие вспомогательные штуки. Из-за работы и постоянной занятости пришлось ещё год работать по специальности, тк на учебу оставалось мало сил и времени.
Суммарно после 15 месяцев довольно неспешного самообучения и серии неудачных собесов, мне удалось пройти на этап бизнес-игры от Озон Кэмп. По сути было три этапа:
1-скрининг резюме
2-онлайн тестирование
3-бизнес игра
К моему удивлению, на бизнес игре разделили на команды ребят с абсолютно разным бэкграундом (у меня в команде был маркетолог, логист, аналитики и тд, абсолютно разношерстно), то есть по сути никаких хард скилов не смотрели (для меня был шок). Кстати, в следующих этапах отбора в Озон Кэмп это вроде пофиксили, дают какие-то тестовые.
В итоге мне пришел оффер на аналитика в производство. Я простажировался там 5 месяцев, понял, что это ни разу не то, чего я ожидал и чем хочу заниматься, никаким написанием кода там не занимаются, несмотря на то, что мне удавалось урвать интересные для себя задачки, основной рабочий инструмент у местных ребят - эксель.
Когда я понял, что в дальнейшем ничего не изменится и код мой ревьюить тут никто не будет(как-то дали задачу написать гайд по установке анаконды и запуску моего скрипта), я запросил ротацию в другой отдел.
Как-то мне очень повезло и буквально через 2-3 недели меня позвали на собес в айтишный отдел на должность стажера ДСера.
Сам собес был не очень сложный, но как я понимаю, из-за большой конкуренции на такие позиции, мне повезло, что я уже почти полгода проработал в компании, и это пошло в плюс. В итоге сейчас уже месяц как работаю в новом отделе, правда сейчас больше занимаемся разработкой, чем ДС, но это все равно очень классно бустит в плане хардов.
Вот как-то так.
#история_успеха #data_science #python
Еще одна история, призванная вас мотивировать. Кто-то нас может упрекнуть в рекламе ШИФТа, но мы не специально.
История 3. Data science
Я по образованию инженер по автоматизации. Проработал на электромонтаже около 10 лет, но когда по всему миру ударил Ковид и единственное место работы у меня осталось место электрика в ЖЭКе, пришло осознание, что все, приехали, это тупик…
Начал я совершенно с нуля в сентябре прошлого года. Мне было 37 и я как раз закончил эпопею с IELTS (Это уже другая история). Наткнулся я на Stepik и заверте…
На степике наверное все бесплатные курсы по питону прошёл. Сначала было интересно, но когда обучение превратилось в набивание баллов, зарегался на codewars и начал решать задачки уже там. Параллельно подвернулся Персональный цифровой сертификат 2020 на обучение, который использовал для получения сертификат по питону от выштеха. Кстати именно там я впервые узнал про Тимофея Хирьянова. Гениальный лектор, по моему)))
И вот, когда на codewars достигнут ранг 2qyu (или 1qyu) и опять все превратилось в набивание ранга - пришлось идти дальше.
Январь 2021. Снова Степик и теперь уже пошли курсы по ML и мат.стату от Толи Карпова, курсы по нейросетям. Ну и знакомство с кагглом и “Hello, Titanic”, естессно. А. Ещё пара курсов по SQL была зачем то пройдена. Как оказалось не зря.
Потом Deep Learning School был, одновременно базовый и продвинутый потоки, и хакатон цифрового прорыва, за что отдельное спасибо Денису и Дарье.
Летняя попытка пройти на стажировку НЛМК + МФТИ не увенчалась успехом, увы. Тестовое задание по алгоритмам пройдено, но собес…. Фидбэка я так и не получил.
Уже осенью удалось попасть на обучение в ШИФТ от ЦФТ новосибирского. На отборочных было 64 человека. Отобралось 20 или 21.
И далее началось 2 месяца интенсива. Классический ML, NLP, CV. 3 раза в неделю лекция+практическое задание + домашка. В начале был хардкор.
В конце было уже человек 8-10.
Ну и после всех занятий - собеседование с руководителями отделов. Удобство оказалось в том, что на собесе общаешься с людьми, которые знают, кто на что способен в плане написания кода, но тем не менее перечень вопросов в общем-то стандартный. Матстат, теорвер, понимание ML, нейросетей.
Вообще, я немного в шоке. Неожиданно. Мне 38 и я джун)))
Я упомянул про 64 человека на отборе… В лидерборде по аплифту я был 61. Я задал вопрос на собесе, как я вообще попал сюда.
Небольшое отступление про тестовое задание этого года.
На каггле есть соревнование от X5 Retail Group по аплифту…
тестовое состояло из двух частей.
10 вопросов типа: Правда ли что аплифт в группе людей старше 55 выше чем в группе людей моложе 55, если да, то сколько
И 2 часть собственно само соревнование.
Причем баллы за 1 и 2 часть были равнозначны.
Короче, если вкратце, то они отсекали тех, кто точно проходит на обучение, отсекали тех, кто точно не проходит. Серединку уже просматривали, кто какую работу провёл. А так как предсказание по аплифту было не единственным, что оценивалось, то я попал в середину. И, видимо сыграло роль что я фич нагенерил и аккуратненько все это функциями оформил. И дополнил это все решением 1 части задания.
#история_успеха #data_science #python
История 3. Data science
Я по образованию инженер по автоматизации. Проработал на электромонтаже около 10 лет, но когда по всему миру ударил Ковид и единственное место работы у меня осталось место электрика в ЖЭКе, пришло осознание, что все, приехали, это тупик…
Начал я совершенно с нуля в сентябре прошлого года. Мне было 37 и я как раз закончил эпопею с IELTS (Это уже другая история). Наткнулся я на Stepik и заверте…
На степике наверное все бесплатные курсы по питону прошёл. Сначала было интересно, но когда обучение превратилось в набивание баллов, зарегался на codewars и начал решать задачки уже там. Параллельно подвернулся Персональный цифровой сертификат 2020 на обучение, который использовал для получения сертификат по питону от выштеха. Кстати именно там я впервые узнал про Тимофея Хирьянова. Гениальный лектор, по моему)))
И вот, когда на codewars достигнут ранг 2qyu (или 1qyu) и опять все превратилось в набивание ранга - пришлось идти дальше.
Январь 2021. Снова Степик и теперь уже пошли курсы по ML и мат.стату от Толи Карпова, курсы по нейросетям. Ну и знакомство с кагглом и “Hello, Titanic”, естессно. А. Ещё пара курсов по SQL была зачем то пройдена. Как оказалось не зря.
Потом Deep Learning School был, одновременно базовый и продвинутый потоки, и хакатон цифрового прорыва, за что отдельное спасибо Денису и Дарье.
Летняя попытка пройти на стажировку НЛМК + МФТИ не увенчалась успехом, увы. Тестовое задание по алгоритмам пройдено, но собес…. Фидбэка я так и не получил.
Уже осенью удалось попасть на обучение в ШИФТ от ЦФТ новосибирского. На отборочных было 64 человека. Отобралось 20 или 21.
И далее началось 2 месяца интенсива. Классический ML, NLP, CV. 3 раза в неделю лекция+практическое задание + домашка. В начале был хардкор.
В конце было уже человек 8-10.
Ну и после всех занятий - собеседование с руководителями отделов. Удобство оказалось в том, что на собесе общаешься с людьми, которые знают, кто на что способен в плане написания кода, но тем не менее перечень вопросов в общем-то стандартный. Матстат, теорвер, понимание ML, нейросетей.
Вообще, я немного в шоке. Неожиданно. Мне 38 и я джун)))
Я упомянул про 64 человека на отборе… В лидерборде по аплифту я был 61. Я задал вопрос на собесе, как я вообще попал сюда.
Небольшое отступление про тестовое задание этого года.
На каггле есть соревнование от X5 Retail Group по аплифту…
тестовое состояло из двух частей.
10 вопросов типа: Правда ли что аплифт в группе людей старше 55 выше чем в группе людей моложе 55, если да, то сколько
И 2 часть собственно само соревнование.
Причем баллы за 1 и 2 часть были равнозначны.
Короче, если вкратце, то они отсекали тех, кто точно проходит на обучение, отсекали тех, кто точно не проходит. Серединку уже просматривали, кто какую работу провёл. А так как предсказание по аплифту было не единственным, что оценивалось, то я попал в середину. И, видимо сыграло роль что я фич нагенерил и аккуратненько все это функциями оформил. И дополнил это все решением 1 части задания.
#история_успеха #data_science #python
Итак, наверное, это последняя анонимная история трудоустройства от участника нашей группы. Я напоминаю, что всего участники добились сами, особой помощи группа не предоставляла, мы просто делимся их историями, чтобы мотивировать вас на свершения.
История 4. Data science.
Всем привет. Тоже недавно получил оффер в сбер на позицию аналитик данных/ds. Если кратко, то в этом году закончил нефтегазовый вуз, но на моменте выбора темы диплома, понял, что мне не особо нравится данная отрасль, поэтому задумался о смене сферы деятельности. Питон знал чуть-чуть еще год назад, но все равно пришлось его вспоминать. Параллельно с этим изучал, что еще можно делать с помощью питона, кроме разработки, так и наткнулся на дс. Начал вспоминать вышмат, какие-то разделы более менее помнил, но вот статистику вообще плохо знал, еще sql, видосы различные, немного задачек на leetcode и тд, всего по чуть-чуть))). Вообще по итогу могу сказать, что на джун позицию крайне важно грамотно составить резюме и софт скиллы ( не является абсолютной истиной) . Прошел около 12 собесов, было много отказов, часто просто из-за волнения жестко тупил))) И как-то решил оставить отклик на вакансию в сбер и залетел. После январских выхожу на работу, щас прохожу скрининг службы безопасности.
Техническое интервью было довольно простое, стандартные задачки по sql ( агрегация, жоины), по python сделать сортировку списка по возрастанию без помощи спец функций. И задачка по мл, было дано два алгоритма по лесам и нужно было выбрать лучший из них. Нужно было смотреть на энтропию и по ней определять точность. Я не знал, что такое энтропия в мл, но имел представление о ней из физики. Что это мера хаотичности системы и чисто логически заключил, что лучший алгоритм будет тот, у которого энтропия меньше. А ну еще спрашивали по теории ml, методы валидации алгоритмов классификации.
#история_успеха #data_science #python
История 4. Data science.
Всем привет. Тоже недавно получил оффер в сбер на позицию аналитик данных/ds. Если кратко, то в этом году закончил нефтегазовый вуз, но на моменте выбора темы диплома, понял, что мне не особо нравится данная отрасль, поэтому задумался о смене сферы деятельности. Питон знал чуть-чуть еще год назад, но все равно пришлось его вспоминать. Параллельно с этим изучал, что еще можно делать с помощью питона, кроме разработки, так и наткнулся на дс. Начал вспоминать вышмат, какие-то разделы более менее помнил, но вот статистику вообще плохо знал, еще sql, видосы различные, немного задачек на leetcode и тд, всего по чуть-чуть))). Вообще по итогу могу сказать, что на джун позицию крайне важно грамотно составить резюме и софт скиллы ( не является абсолютной истиной) . Прошел около 12 собесов, было много отказов, часто просто из-за волнения жестко тупил))) И как-то решил оставить отклик на вакансию в сбер и залетел. После январских выхожу на работу, щас прохожу скрининг службы безопасности.
Техническое интервью было довольно простое, стандартные задачки по sql ( агрегация, жоины), по python сделать сортировку списка по возрастанию без помощи спец функций. И задачка по мл, было дано два алгоритма по лесам и нужно было выбрать лучший из них. Нужно было смотреть на энтропию и по ней определять точность. Я не знал, что такое энтропия в мл, но имел представление о ней из физики. Что это мера хаотичности системы и чисто логически заключил, что лучший алгоритм будет тот, у которого энтропия меньше. А ну еще спрашивали по теории ml, методы валидации алгоритмов классификации.
#история_успеха #data_science #python
👍1
Скоро новый год, а мы до сих пор не приготовили друг другу подарки. Предлагаю это исправить. Давайте попробуем собрать полезную информацию о грядущих интенсивах и стажировках в 2022 году. Я начну:
1. Стажировка Google Summer of Code (теперь не только для студентов) - подробнее о ней можно почитать тут: https://vk.com/wall-193480984_1665
2. Web-практикум от Симбирсофт (регистрация до 16 января): https://simbirsoft.timepad.ru/event/1868149
3. Стажировки в EPAM: https://careers.epam.by/training/training-listings
4. Стажировки от Тинькофф: https://fintech.tinkoff.ru/study/start/
5. Стажировки от Лаборатории Касперского: https://www.kaspersky.ru/about/careers/students-and-graduates
6. Обучение и стажировка в ШИФТ от ЦФТ: https://team.cft.ru/start/internships
#стажировки
1. Стажировка Google Summer of Code (теперь не только для студентов) - подробнее о ней можно почитать тут: https://vk.com/wall-193480984_1665
2. Web-практикум от Симбирсофт (регистрация до 16 января): https://simbirsoft.timepad.ru/event/1868149
3. Стажировки в EPAM: https://careers.epam.by/training/training-listings
4. Стажировки от Тинькофф: https://fintech.tinkoff.ru/study/start/
5. Стажировки от Лаборатории Касперского: https://www.kaspersky.ru/about/careers/students-and-graduates
6. Обучение и стажировка в ШИФТ от ЦФТ: https://team.cft.ru/start/internships
#стажировки
Поздравляю всех с Новым годом! Надеюсь, что вы сможете реализовать все ваши мечты, и желаю, чтобы удача сопутствовала вам.
И вот мой небольшой подарок вам - текстовая игра про Вумпуса и Деда Мороза :)
http://learnpythonforfun.pythonanywhere.com/
И вот мой небольшой подарок вам - текстовая игра про Вумпуса и Деда Мороза :)
http://learnpythonforfun.pythonanywhere.com/
Опрос про одну встроенную функцию для нумерации последовательностей, по которым можно проитерироваться.
#опрос #python #python_junior
#опрос #python #python_junior
Какая функция позволяет пронумеровать элементы, переданного ей списка?
Anonymous Quiz
14%
list_index()
10%
numbered_list()
57%
enumerate()
5%
numbered()
14%
Посмотреть ответы
Небольшое видео о том, как нумеровать объекты, от канала Хитрый питон: https://www.youtube.com/watch?v=xysJ0r2Iv_Q
#хитрый_питон
#хитрый_питон
YouTube
Как обработать отдельно четные и нечетные элементы списка в Python?
Иногда у вас может возникнуть задача - в цикле не только обработать элементы, но и пронумеровать их. Или по-разному работать с четными и нечетными элементами. Для решения этой задачи в python есть отличная функция enumerate()
Знакомимся с генераторами в…
Знакомимся с генераторами в…
ошибки в питоне.png
572.1 KB
Шпаргалка, которая упростит или усложнит жизнь начинающим.
Off-topic: если кто-то использует firefox, то сегодня он может себя вести странно - не прогружать страницы.
Временное решение: в about:config выставить network.http.http3.enabled в false
Временное решение: в about:config выставить network.http.http3.enabled в false
Совместный просмотр видео!
Хостить мероприятие будет участник нашей группы, middle-программист на python, Игорь Зыктин:
"Итак, в 20:00 по Москве начинаем первый коллективный просмотр учебного ролика.
Проходить будет тут: https://meet.google.com/ztd-tdpa-zwb
Длительность примерно полтора часа. Вероятно в середине надо будет пересоздать комнату т.к. гугл мит ограничен одним часом.
Это сугубо моя личная инициатива, не связанная с группой, какими-то курсами и чем то подобным. Вход свободный для всех желающих. Материал не очень сложный, так что я планирую регулярно останавливать видео для болтовни на тему. Просьба выключить камеры и микрофоны, включать микрофоны только во время обсуждений.
Если формат окажется удобным, я планирую продолжать просмотры аналогичным образом, раз в неделю по четвергам в 20:00.
Смотреть будем первое видео из цикла лекций Computer Science Center про практический минимум в IT.
Конкретно вот эту лекцию:
https://www.youtube.com/watch?v=1_v74IRrS-Q"
Хостить мероприятие будет участник нашей группы, middle-программист на python, Игорь Зыктин:
"Итак, в 20:00 по Москве начинаем первый коллективный просмотр учебного ролика.
Проходить будет тут: https://meet.google.com/ztd-tdpa-zwb
Длительность примерно полтора часа. Вероятно в середине надо будет пересоздать комнату т.к. гугл мит ограничен одним часом.
Это сугубо моя личная инициатива, не связанная с группой, какими-то курсами и чем то подобным. Вход свободный для всех желающих. Материал не очень сложный, так что я планирую регулярно останавливать видео для болтовни на тему. Просьба выключить камеры и микрофоны, включать микрофоны только во время обсуждений.
Если формат окажется удобным, я планирую продолжать просмотры аналогичным образом, раз в неделю по четвергам в 20:00.
Смотреть будем первое видео из цикла лекций Computer Science Center про практический минимум в IT.
Конкретно вот эту лекцию:
https://www.youtube.com/watch?v=1_v74IRrS-Q"
Google
Real-time meetings by Google. Using your browser, share your video, desktop, and presentations with teammates and customers.
Следующий совместный просмотр видео запланирован на следующий четверг, 20.01, в 20:00 МСК. Планируется просмотр второй лекции (командная строка) из курса "Практический минимум": https://www.youtube.com/watch?v=F6zTWYkmfIo&list=PLlb7e2G7aSpT5DX9rQKnmZMK0DG7dWrUc
Ссылка на встречу появится позже.
П.С. Может быть с февраля мы начнем и совместный просмотр курса по data science.
Ссылка на встречу появится позже.
П.С. Может быть с февраля мы начнем и совместный просмотр курса по data science.
YouTube
Лекция 2. Командная строка Linux
https://compscicenter.ru
Лекция №2 курса «Практический минимум» (осень 2020).
Преподаватель — Равиль Харисович Галеев
Страница лекции на сайте CSC: https://bit.ly/34K1hUg
Лекция №2 курса «Практический минимум» (осень 2020).
Преподаватель — Равиль Харисович Галеев
Страница лекции на сайте CSC: https://bit.ly/34K1hUg
Мнение про то, кем же должен быть синьор, и чем он обычно придавлен:
https://habr.com/ru/post/600131/
https://habr.com/ru/post/600131/
Хабр
Что нужно знать, чтобы быть синьором?
В последнее время случилась (и продолжает случаться) тьма публикаций про кадровый голод в айти, про переоценённость синьоров, недооценённость всех остальных, про золотые горы, скандалы, интриги и...
Forwarded from Data&Knowledge
Дайджест статей с хабра по data science за неделю:
О том, как выделять кластеры в очень больших данных с помощью Clickhouse
https://habr.com/ru/post/645291/
В статье автор на примерах clickhouse-диалекта sql-запросов показывает, как произвести кластеризацию очень больших данных.
Анализ постов Артемия Лебедева и модель, генерирующая посты в его стиле
https://habr.com/ru/post/596035/
Авторы проанализировали посты из телеграмма Артемия Лебедева. В статье есть много названий инструментов, которые можно поизучать, в конце дана модель, которая генерирует посты в стилистике Лебедева, но сама статья, мне кажется, вышла не очень интересной.
О некоторых трюках в соревнованиях по Data Science
https://habr.com/ru/post/600067/
Несколько трюков, направленных на сокрытие информации о своей успешности или на получение доп информации о приватной части датасета.
Достаточно объемная статья от ODS по интерпретации моделей
https://habr.com/ru/company/ods/blog/599573/
О проблемах и техниках в интерпретации моделей.
О том, как выделять кластеры в очень больших данных с помощью Clickhouse
https://habr.com/ru/post/645291/
В статье автор на примерах clickhouse-диалекта sql-запросов показывает, как произвести кластеризацию очень больших данных.
Анализ постов Артемия Лебедева и модель, генерирующая посты в его стиле
https://habr.com/ru/post/596035/
Авторы проанализировали посты из телеграмма Артемия Лебедева. В статье есть много названий инструментов, которые можно поизучать, в конце дана модель, которая генерирует посты в стилистике Лебедева, но сама статья, мне кажется, вышла не очень интересной.
О некоторых трюках в соревнованиях по Data Science
https://habr.com/ru/post/600067/
Несколько трюков, направленных на сокрытие информации о своей успешности или на получение доп информации о приватной части датасета.
Достаточно объемная статья от ODS по интерпретации моделей
https://habr.com/ru/company/ods/blog/599573/
О проблемах и техниках в интерпретации моделей.
Хабр
k-means in Clickhouse
Алгоритм k-means хорошо известен и применяется когда надо быстро разделить массив данных на группы или т.н. "кластеры". Предполагается, что каждый элемент данных имеет набор численных метрик, и мы...
Небольшая новость - мы возрождаем наш канал по изучению data science.
Канал: https://t.me/datascienceforfun
Чат: https://t.me/+zs8Ltmg09Zg1MThi
Канал: https://t.me/datascienceforfun
Чат: https://t.me/+zs8Ltmg09Zg1MThi
Forwarded from Data&Knowledge
Какие курсы пройти по работе с данными
Новый запуск курса от Open Data Science
https://ods.ai/tracks/open-ml-course
Курс по основам Data Science стартует 1 февраля.
Новая волна курса от Deep Learning School
https://www.dlschool.org/
Предположительно стартует в фервале. Имеет два потока - продвинутый и базовый.
Курс по инжинирингу данных
https://datalearn.ru/kurs-po-getting-start-with-data-engineering
Пока что бесплатный курс по data engineering от практикующего специалиста.
Новый запуск курса от Open Data Science
https://ods.ai/tracks/open-ml-course
Курс по основам Data Science стартует 1 февраля.
Новая волна курса от Deep Learning School
https://www.dlschool.org/
Предположительно стартует в фервале. Имеет два потока - продвинутый и базовый.
Курс по инжинирингу данных
https://datalearn.ru/kurs-po-getting-start-with-data-engineering
Пока что бесплатный курс по data engineering от практикующего специалиста.