Для чего нужна функция statistics.mean()?
Функция statistics.mean() в Python используется для вычисления среднего арифметического набора данных. Она находится в модуле statistics, который нужно предварительно импортировать.
Библиотека собеса по Python
Библиотека собеса по Python
🧐 Зоопарк моделей в ML: с чего начать?
Открываешь статью по машинному обучению — и в тебя летят слова: трансформеры, бустинги, SVM, регрессии.
Кажется, придётся учить всё это, иначе в ML не пустят.
Хорошая новость: 90% задач можно закрыть 2–3 классическими методами. Разберёшь их — уже сможешь собирать работающие проекты. А хайповые названия подождут.
Важно: не распыляйся на всё подряд. Начни с базового — это фундамент, на котором держится остальное.
👉 Успей попасть на курс «ML для старта в Data Science»
Открываешь статью по машинному обучению — и в тебя летят слова: трансформеры, бустинги, SVM, регрессии.
Кажется, придётся учить всё это, иначе в ML не пустят.
Хорошая новость: 90% задач можно закрыть 2–3 классическими методами. Разберёшь их — уже сможешь собирать работающие проекты. А хайповые названия подождут.
Важно: не распыляйся на всё подряд. Начни с базового — это фундамент, на котором держится остальное.
👉 Успей попасть на курс «ML для старта в Data Science»
❤1
В чём разница между deepcopy и copy в Python, и как они работают с объектами, содержащими изменяемые и неизменяемые типы данных?
copy.copy создаёт поверхностную копию объекта: сам объект новый, но вложенные изменяемые элементы (списки, словари, пользовательские объекты) остаются ссылками на те же объекты. copy.deepcopy рекурсивно копирует все вложенные структуры, создавая полную независимую копию, обходя граф объектов и учитывая циклические ссылки с помощью внутреннего memo. Для неизменяемых типов (строки, числа, кортежи без изменяемых элементов) оба метода возвращают ту же ссылку.
Библиотека собеса по Python
Библиотека собеса по Python
👍3❤1
Как векторизация связана с бродкастингом в NumPy?
Векторизация подразумевает делегирование операций NumPy внутренне оптимизированным функциям языка C для получения более быстрого кода Python. В то время как бродкастинг относится к методам, которые позволяют NumPy выполнять арифметические операции, связанные с массивами. Размер или форма массивов в этом случае не имеют значения. Трансляция решает проблему несовпадающих массивов, реплицируя меньший массив вдоль большего массива, чтобы гарантировать, что оба массива имеют совместимые формы для операций NumPy. Выполнение бродкастинга перед векторизацией помогает векторизовать операции, которые поддерживают массивы разных измерений.
Библиотека собеса по Python
Библиотека собеса по Python
❤4
✍🏻 Чем файл .pyc отличается от файла .py?
Хотя оба файла содержат байт-код, .pyc — это скомпилированная версия файла Python . Он имеет независимый от платформы байт-код.
Следовательно, мы можем выполнить его на любой платформе, поддерживающей формат .pyc.
Python автоматически генерирует его для повышения производительности (с точки зрения времени загрузки, а не скорости).
Библиотека собеса по Python
Следовательно, мы можем выполнить его на любой платформе, поддерживающей формат .pyc.
Python автоматически генерирует его для повышения производительности (с точки зрения времени загрузки, а не скорости).
Библиотека собеса по Python
👍4
📺 Хватит коллекционировать туториалы!
Десятки роликов по ML, сотни вкладок, папка «Посмотреть позже» трещит по швам. В голове — обрывки знаний о нейросетях и Pandas.
Знания без системы — это просто «шум». Они не превращаются в навыки и проекты.
Наш курс «ML для старта в Data Science» — это не ещё один туториал. Это система. Чёткий путь от «каши» в голове до первого сильного проекта в портфолио.
И да, чтобы старт был ещё проще — при покупке курса по ML вы получаетекурс по Python в подарок
👉 Превратите «шум» в навык
А вы сталкивались с «информационной кашей»? Как выбирались? 👇
Десятки роликов по ML, сотни вкладок, папка «Посмотреть позже» трещит по швам. В голове — обрывки знаний о нейросетях и Pandas.
Знания без системы — это просто «шум». Они не превращаются в навыки и проекты.
Наш курс «ML для старта в Data Science» — это не ещё один туториал. Это система. Чёткий путь от «каши» в голове до первого сильного проекта в портфолио.
И да, чтобы старт был ещё проще — при покупке курса по ML вы получаете
👉 Превратите «шум» в навык
А вы сталкивались с «информационной кашей»? Как выбирались? 👇
👍3
Какие HTTP-методы предоставляет Python Flask?
Для обработки HTTP-запросов Flask использует ряд декораторов. Протокол HTTP является основой интернет-передачи данных. Этот протокол определяет ряд методов получения информации с определённого URL-адреса.
Библиотека собеса по Python
Библиотека собеса по Python
👍1
Объясните, как можно получить доступ к сессиям во Flask?
Промежуток времени между входом клиента в систему и выходом из неё на сервере называется сеансом. Сессия Flask — это утилита Flask, которая обеспечивает серверную поддержку сеансов в разработанном приложении Flask. Это плагин, который предоставляет вашему приложению возможность серверного сеанса. Данные, которые должны быть сохранены в сеансе, сохраняются во временном каталоге на сервере. Когда нам нужно сохранить значительный объём данных между запросами во Flask, мы можем использовать объекты сеанса.
Библиотека собеса по Python
Библиотека собеса по Python
👍1
🚀 Главная ошибка новичка в ML — строить звездолёт вместо велосипеда
Многие сразу хотят свою Midjourney, но в итоге получают только выгорание.
Успех начинается с «велосипеда»: научитесь предсказывать цены или классифицировать отзывы. Освойте базу, а уже потом стройте «звездолёты».
Наш курс «ML для старта в Data Science» — это и есть тот самый правильный старт от простого к сложному.
👉 Начните правильно
Берёте курс «ML для старта» до конца недели — Python в подарок.
❗А 21 августа пройдет бесплатный вебинар с Марией Жаровой: узнаете, какие проекты качают скилл, а какие качают ваши нервы.
А какой самый сложный проект вы брались делать в самом начале? 🫢
Многие сразу хотят свою Midjourney, но в итоге получают только выгорание.
Успех начинается с «велосипеда»: научитесь предсказывать цены или классифицировать отзывы. Освойте базу, а уже потом стройте «звездолёты».
Наш курс «ML для старта в Data Science» — это и есть тот самый правильный старт от простого к сложному.
👉 Начните правильно
Берёте курс «ML для старта» до конца недели — Python в подарок.
❗А 21 августа пройдет бесплатный вебинар с Марией Жаровой: узнаете, какие проекты качают скилл, а какие качают ваши нервы.
А какой самый сложный проект вы брались делать в самом начале? 🫢
👍1
👾 Что делает whylogs?
whylogs — это библиотека для профилирования и анализа данных в Python. Она предоставляет средства для сбора статистики о данных, визуализации этой статистики и создания профилей данных для мониторинга и анализа.
Библиотека собеса по Python
Библиотека собеса по Python
👍1
🧠 Выбор первого ML-проекта: чеклист против выгорания
Классика плохих решений в ML — выбрать слишком сложный проект: неделя ковыряния в коде, десятки крашей и никакого результата. Хотите дойти до финиша — начните с простого проекта, который реально можно довести до конца.
Мини-чеклист первого проекта:
1. Понятные данные — без «я нашёл датасет в даркнете, но он на суахили».
2. Измеримая метрика — «точность 92%», а не «ну вроде работает».
3. Объяснимый результат — чтобы не-техлид понял, почему модель ругается на спам.
Наш курс «ML для старта в Data Science» — старт от простого к сложному: теория → практика → проверка → проект в портфолио.
👉 Начать свой путь в Data Science
Оплатите курс по ML до 17 августа — курс по Python в подарок.
📅 Бесплатный вебинар с Марией Жаровой — 21 августа: как выбирать проекты, которые доводят до оффера, а не до психотерапевта.
💾 Сохрани, чтобы не потерять, когда будешь готов(а) начать
Классика плохих решений в ML — выбрать слишком сложный проект: неделя ковыряния в коде, десятки крашей и никакого результата. Хотите дойти до финиша — начните с простого проекта, который реально можно довести до конца.
Мини-чеклист первого проекта:
1. Понятные данные — без «я нашёл датасет в даркнете, но он на суахили».
2. Измеримая метрика — «точность 92%», а не «ну вроде работает».
3. Объяснимый результат — чтобы не-техлид понял, почему модель ругается на спам.
Наш курс «ML для старта в Data Science» — старт от простого к сложному: теория → практика → проверка → проект в портфолио.
👉 Начать свой путь в Data Science
Оплатите курс по ML до 17 августа — курс по Python в подарок.
📅 Бесплатный вебинар с Марией Жаровой — 21 августа: как выбирать проекты, которые доводят до оффера, а не до психотерапевта.
💾 Сохрани, чтобы не потерять, когда будешь готов(а) начать
✍🏻 Как изменить тип данных списка?
Для изменения типа данных в списке можно использовать встроенные функции:
1. map() — применяет указанную функцию к каждому элементу списка и возвращает новый список с измененными элементами:
old_list = [1, 2, 3]
new_list = map(str, old_list)
В новом списке все элементы будут строкового типа.
2. Использование генераторного выражения:
old_list = [1, 2, 3]
new_list = [str(x) for x in old_list]
Здесь мы преобразуем элементы в строку и помещаем в новый список.
Также можно применить конструкцию map к генераторному выражению:
new_list = list(map(str, [1, 2, 3]))
Библиотека собеса по Python
1. map() — применяет указанную функцию к каждому элементу списка и возвращает новый список с измененными элементами:
old_list = [1, 2, 3]
new_list = map(str, old_list)
В новом списке все элементы будут строкового типа.
2. Использование генераторного выражения:
old_list = [1, 2, 3]
new_list = [str(x) for x in old_list]
Здесь мы преобразуем элементы в строку и помещаем в новый список.
Также можно применить конструкцию map к генераторному выражению:
new_list = list(map(str, [1, 2, 3]))
Библиотека собеса по Python
👍3
😎 Вы просили — мы сделали. Самый долгожданный анонс этого лета!
Мы открываем набор на второй поток курса «AI-агенты для DS-специалистов»!
На курсе мы учим главному навыку 2025 года: не просто «болтать» с LLM, а строить из них рабочие системы с помощью Ollama, RAG, LangChain и crew.ai.
📆 Старт потока — 15 сентября.
💸 Цена 49 000 ₽ действует только в эти выходные — до 17 августа. С понедельника будет дороже.
👉 Занять место
Мы открываем набор на второй поток курса «AI-агенты для DS-специалистов»!
На курсе мы учим главному навыку 2025 года: не просто «болтать» с LLM, а строить из них рабочие системы с помощью Ollama, RAG, LangChain и crew.ai.
📆 Старт потока — 15 сентября.
💸 Цена 49 000 ₽ действует только в эти выходные — до 17 августа. С понедельника будет дороже.
👉 Занять место
👍1