Популярные ресурсы по Машинному Обучению, ИИ и анализу данных.

🧠 Machine Learning — авторский Telegram канал, который содержит всю базу для работы с ИИ-моделями. Дайджесты лучших проектов, разбор кода, инструкции по запуску LLM, подготовка к собесу и многое другое.

📚 Data Science — редкая литература, статьи, курсы и уникальные гайды для мл специалистов любого уровня. Читайте, развивайтесь, практикуйте.

💼 Data Jobs — актуальные предложения от самых крупных работодателей и лидеров рынка в сфере Машинного обучения.

🤖 Обзор новостей и сервисов в мире ИИ

👇Это небольшая выдержка из нашей еженедельной рассылки.

📰 Новости

🔘Венчурный фонд Microsoft и гендиректор GitHub Томас Домке вложили $7 млн в стартап Fastino, разрабатывающий ИИ-модели, которые не нуждаются в дорогих GPU и могут работать на обычных CPU потребительского класса.

🔘Сотрудники OpenAI, тестирующие новую модель «Орион», сообщили, что, несмотря на общее улучшение производительности по сравнению с предшествующими моделями, степень этого улучшения все же значительно ниже, чем в предыдущих обновлениях (в особенности при переходе от GPT-3 к GPT-4).

🪚 Инструменты

🔘PearAI — опенсорсный ИИ-редактор кода, альтернатива Cursor.

🔘PlayNote — создаёт профессиональные подкасты из любых текстовых файлов.

🔘Canva — превращает схематичные наброски в фотореалистичные изображения

🤗 Building AI Applications with Hugging Face

Это большая коллекция туториалов по разработке разных ИИ-приложений. Для каждого проекта предоставлены статья, код в Kaggle Notebook и YouTube-видео.

Больше интересного — в нашей рассылке. Подписаться на неё можно по этой ссылке 👈

⚙️ Как оптимизировать и упростить код для подсчёта элементов в Python

А вы знаете, что этот 👇 код можно сократить до двух строк?

count = {}
for item in things:
    if item not in count:
        count[item] = 0
    count[item] += 1

⭐️Для этого достаточно использовать модуль Counter

from collections import Counter

count = Counter(things)

Counter автоматически подсчитывает количество каждого элемента в things.

#советы

❌ Что такое KeyError в Python и как его исправить

Сегодня разберем распространённую ошибку в Python и поймем, как её исправить. KeyError — это ошибка, которая возникает, когда мы пытаемся обратиться к несуществующему ключу в словаре.

Пример:
Допустим, у нас есть словарь с именами животных:

names = {'кошка': 'Кузя', 'собака': 'Жук', 'мышь': 'Рататуй', 'конь': 'Спирит'}
print('Нашу любимую лошадь зовут ' + names['лошадь'])

Код вызовет ошибку: KeyError: 'лошадь'

🌻 Почему это происходит?

В словаре есть ключ «конь», но нет ключа «лошадь». Python просто не нашёл нужный ключ и сообщил об этом.

🌻 Как исправить?

Убедитесь, что используете существующий ключ.

Правильный код:

print('Нашу любимую лошадь зовут ' + names['конь'])

Прошлый пост:
❌ Что означает ошибка TypeError: 'list' object cannot be interpreted as an integer

✍️🐍 Полный гайд по обработке ошибок в Python

Мигель Гринберг, автор мега-туториала по Flask, написал большой гайд про обработку ошибок в Python. Он рассказывает:

▪️о двух подходах к обработке ошибок: LBYL (Look Before You Leap) и EAFP (Easier to Ask Forgiveness than Permission);
▪️о классификации ошибок;
▪️об обработке ошибок.

🔗 Читать гайд в оригинале
🔗 Читать гайд в переводе на русский язык

⌛️ Что такое timeit в Python?

Это встроенный модуль для точного измерения времени выполнения небольших участков кода.

Основные возможности timeit:
🔘функция timeit.timeit(), которая позволяет многократно выполнить код.
🔘вызов как скрипта из командной строки для быстрого тестирования.
🔘настройка количества повторений.

🪅Пример

import timeit

def test_code():
    result = []
    for i in range(1000):
        result.append(i * 2)

execution_time = timeit.timeit(test_code, number=1000)
print(f"Время выполнения: {execution_time:.6f} секунд")