📣 Практика использования парсер-комбинаторов peco и оператора match для создания простых DSL на языке Python

В данной статье рассматривается один из способов реализации DSL (Domain Specific Language) на примере разработки системы символьного дифференцирования, как в SymPy, с использованием парсер-комбинаторов peco и структурного сопоставления с образцом по PEP 636

DSL применяются:
⏺конфигурирования спецпроцессоров на основе FPGA (PyLog),
⏺описания правил SSA-оптимизаций в компиляторах,
⏺ускорения вычислений на CPU или GPU (numpy, numba и прочие JIT-компиляторы),
⏺компактного описания наборов конфигурационных файлов (Jsonnet, Dhall),
⏺описания фрагментов систем на едином языке, понятном не только техническим специалистам (Ubiquitous Language) и др.

🖥 Читать подробнее

Друзья!
Создатели 😍Ideco NGFW дарят нашим 50 подписчикам календарь с прекрасными девушками на 2025 год.
Заполняйте заявку тут: https://ideco.ru/zayavka-kalendar-2025 промокод для поля Лицензия 1000
Успейте стать одним из 50 счастливчиков!
Это абсолютно бесплатно, нужно только заполнить форму.

▶️ Декоратор Property (Property decorator)

Декоратор property используется для определения метода, который можно вызывать, как если бы он был атрибутом, это позволяет нам обращаться к методу без вызова его, как обычной функции

👀 Смотреть на YouTube

📣 FastAPI и Dependency Injection: правда или вымысел?

В рамках статьи мы рассмотрим различные подходы к организации зависимостей в рамках FastAPI проекта, оценим их с точки зрения удобства использования и постараемся разобраться, как же все-таки "правильно" готовить DI в FastAPI

🖥 Читать подробнее

📣 Все про конфигурационные файлы

Конфигурационные файлы (конфиги) – это файлы, которые содержат параметры и настройки приложения, отделяя их от основного кода

Они определяют поведение приложения без необходимости менять исходный код

В статье автор разберет все вопросы касающиеся конфигов

🖥 Читать подробнее

▶️ Property | Вычисляемые свойства (Calculated properties python)

Геттер (getter) – это специальный метод, позволяющий получить доступ к приватному атрибуту

Сеттер (setter) – это специальный метод, дающий возможность присвоить новое значение приватному атрибуту

Свойство (property atribute) – позволяет установить геттеры и сеттеры к определенному атрибуту вашего класса

👀 Смотреть на YouTube

📣 Мир за пределами Pandas: достойные альтернативы для работы с данными

⏺ Polars – высокопроизводительная открытая библиотека для работы с данными, полностью написанная на языке Rust

⏺ DuckDB – аналитическая in-process SQL СУБД, оптимизирована для выполнения аналитических запросов

⏺ Vaex – высокопроизводительная библиотека для Python, предназначенная для обработки и визуализации больших наборов данных

⏺ Modin – цель инструмента предоставить пользователям возможность масштабировать свои рабочие процессы, основанные на Pandas, без необходимости вносить значительные изменения в код

⏺ Dask – библиотека с открытым исходным кодом для параллельных и распределенных вычислений в Python

⏺ (py)Datatable – высокопроизводительная многопоточная библиотека для обработки двумерных табличных данных в Python. Ориентирована на поддержку BigData и обеспечивает эффективную работу как с информацией в памяти, так и с данными, хранящимися на диске

🖥 Читать подробнее

▶️ Практика по методам и свойствам (property)

В видео познакомимся с магическими методами _getitem_ ,_setitem_ и
_delitem_

А также рассмотрим обращение по индексу к экземпляру

👀 Смотреть на YouTube

📣 5 задач по Python для новичков с решениями

В статье представлены задачи о примерных студентах, сортировке IP-адресов, гематрии слов, группировке дубликатов и разделении списка на отрезки. Все задачи описаны разными вариантами решений

🖥 Читать подробнее

▶️ Класса-методы (сlassmethod) и статические методы (staticmethod)

Сегодня у нас пойдет речь о статических методах (staticmethod) в python и о методах класса (classmethod)

Они создаются при помощи декораторов @staticmethod и @classmethod

👀 Смотреть на YouTube

📣 Пишем свой PyTorch на NumPy (часть 1)

PyTorch – это мощный и гибкий фреймворк для машинного обучения, широко используемый для создания нейронных сетей

Он особенно популярен благодаря простоте использования, динамическим вычислительным графам и богатой экосистеме инструментов для обучения моделей

Для использования этого фреймворка, часто достаточно поверхностно понимать работу алгоритмов машинного обучения

🖥 Читать подробнее