👾 -35% на курс по алгоритмам

На курсе вы на практике познакомитесь со сложными алгоритмами и научитесь писать более короткий и эффективный код – https://proglib.io/w/a01c1be2

23 390 рублей 35 990 рублей

Что еще вас ждет на курсе:

▪️ 150 практических заданий и 47 видеолекций;

▪️ Бессрочный доступ ко всем материалам курса;

▪️ Развернутая обратная связь по всем домашним заданиям, а также ссылки на полезные дополнительные материалы.

🌚 Переходите на сайт, читайте подробности и заходите на обучение по самым выгодным условиям – https://proglib.io/w/a01c1be2

🖥 Вызовы функций в Python по прежнему медленные? Анализ последних оптимизаций в CPython

Один из разработчиков заметил, что его решение на Leetcode работало медленнее, когда он использовал встроенную функцию min, и быстрее при реализации собственной min. Однако, как можно увидеть, автор писал на устаревшем Python 2. За последние годы язык получил множество обновлений. Что же изменилось с точки зрения производительности и вызова функций?

Подробнее об этом можно прочесть в новой статье на «Хабре» 👈

🖥 Плейлист с туториалами по Python

Ютубер Onur делает Python Tutorials на разные темы, среди которых:

🔘основы языка;
🔘создание приложения с ChatGPT;
🔘задачи для интервью.

🔗 Ссылка на весь плейлист

🖥 Почему Python так важен в Data Science

Python — это мощный инструмент для специалистов в области Data Science, который предлагает широкий спектр возможностей для анализа данных, визуализации и разработки моделей машинного обучения. Благодаря простоте, богатой экосистеме библиотек и активному сообществу, Python остаётся главным выбором для анализа данных и создания решений, основанных на искусственном интеллекте.

Огромное количество библиотек
Python обладает множеством библиотек, специально созданных для анализа данных и машинного обучения:

🔵 Pandas: для работы с таблицами и структурированными данными.
🔵 NumPy: для быстрого выполнения математических операций и работы с массивами.
🔵 Matplotlib и Seaborn: для визуализации данных.
🔵 Scikit-Learn: для создания и обучения моделей машинного обучения.
🔵 TensorFlow и PyTorch: для разработки нейронных сетей и глубокого обучения.

Установка библиотек:
Используйте менеджер пакетов pip, чтобы установить необходимые библиотеки. Например:

pip install pandas numpy matplotlib seaborn scikit-learn

Работа с данными:
Используйте библиотеки Pandas и NumPy для загрузки, обработки и анализа данных. Например, для загрузки данных из CSV-файла:

import pandas as pd

# Загрузка данных
df = pd.read_csv('data.csv')

# Просмотр первых 5 строк
print(df.head())

#база

🎸 Пишем свой фреймворк поверх Django

Деврел из Ostrovok.ru рассказывает, как (а главное, зачем) команда написала собственный фреймворк поверх Django и какие выводы из этого сделала.

▶️ Смотреть на YouTube