⚡Легкий способ получать свежие обновлении и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
Машинное обучение: t.me/+Jn24dPjLnwEzOTZi
Python: t.me/pythonl
2310 вопросов с python собеседований t.me/python_job_interview
ИИ/технологии t.me/vistehno
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
C#: t.me/csharp_ci
Go: t.me/Golang_google
Хакинг: t.me/linuxkalii
Java: t.me/javatg
Javascript: t.me/javascriptv
React: t.me/react_tg
C++/ t.me/cpluspluc
Devops: t.me/devOPSitsec
Linux: t.me/+A8jY79rcyKJlYWY6
Docker: t.me/+0WdB4uvOwCY0Mjdi
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Big Data: t.me/bigdatai
Тестирование:https://t.me/+F9jPLmMFqq1kNTMy
Аналитика данных: https://t.me/+mAXY9ppJwitkMDBi
Kubernets: t.me/+vE7jzitan5QzZjVi
1900 разобранных вопросов с собеседований мл t.me/machinelearning_interview
Frontend https://t.me/+U3U3HoZzEglkNDdi
Мобильная разработка: t.me/mobdevelop
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
ИИ: t.me/vistehno
Книги по искусственному интеллекту https://t.me/+2rl907ptiWliYmYy
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Java разработчика: https://t.me/addlist/ZM3J6oFNAnRlNWU6
Папка С# https://t.me/addlist/u15AMycxRMowZmRi
Папка frontend https://t.me/addlist/mzMMG3RPZhY2M2Iy
💥 Бесплатный Chatgpt бот: t.me/Chatgpturbobot
@python_be1
http://t.me/ai_machinelearning_big_data
Машинное обучение: t.me/+Jn24dPjLnwEzOTZi
Python: t.me/pythonl
2310 вопросов с python собеседований t.me/python_job_interview
ИИ/технологии t.me/vistehno
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
C#: t.me/csharp_ci
Go: t.me/Golang_google
Хакинг: t.me/linuxkalii
Java: t.me/javatg
Javascript: t.me/javascriptv
React: t.me/react_tg
C++/ t.me/cpluspluc
Devops: t.me/devOPSitsec
Linux: t.me/+A8jY79rcyKJlYWY6
Docker: t.me/+0WdB4uvOwCY0Mjdi
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Big Data: t.me/bigdatai
Тестирование:https://t.me/+F9jPLmMFqq1kNTMy
Аналитика данных: https://t.me/+mAXY9ppJwitkMDBi
Kubernets: t.me/+vE7jzitan5QzZjVi
1900 разобранных вопросов с собеседований мл t.me/machinelearning_interview
Frontend https://t.me/+U3U3HoZzEglkNDdi
Мобильная разработка: t.me/mobdevelop
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
ИИ: t.me/vistehno
Книги по искусственному интеллекту https://t.me/+2rl907ptiWliYmYy
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Java разработчика: https://t.me/addlist/ZM3J6oFNAnRlNWU6
Папка С# https://t.me/addlist/u15AMycxRMowZmRi
Папка frontend https://t.me/addlist/mzMMG3RPZhY2M2Iy
💥 Бесплатный Chatgpt бот: t.me/Chatgpturbobot
@python_be1
http://t.me/ai_machinelearning_big_data
Telegram
Machinelearning
Разбираем лучшие open source новинки из мира ml, код, вопросы с собеседований, публикуем открытые курсы и гайды
Первоисточник всего, что появляется в платных курсах и остальных ресурсах.
По всем вопросам- @haarrp
@itchannels_telegram -🔥best channels
Первоисточник всего, что появляется в платных курсах и остальных ресурсах.
По всем вопросам- @haarrp
@itchannels_telegram -🔥best channels
Codon - это высокопроизводительный компилятор, использующий LLVM.
Codon может конкурировать с C/C++ по скорости, с ускорением ⚡️ от 10 до 100 раз.
Делается это через декоратор @codon.jit или просто вызовом обычных функций и библиотек 🐍 Python из Codon.
Также возможно потребуется немного изменить ваш Python код, чтобы он мог быть скомпилирован в Codon.
С этим вам поможет компилятор, он будет отображать варнинги и ошибки, которые помогут устранить несовместимость.
Крч штука крутая 👍
Ставится командной ⚙ pip install codon
https://pypi.org/project/codon/
@python_be1
https://pypi.org/project/codon/
Codon может конкурировать с C/C++ по скорости, с ускорением ⚡️ от 10 до 100 раз.
Делается это через декоратор @codon.jit или просто вызовом обычных функций и библиотек 🐍 Python из Codon.
Также возможно потребуется немного изменить ваш Python код, чтобы он мог быть скомпилирован в Codon.
С этим вам поможет компилятор, он будет отображать варнинги и ошибки, которые помогут устранить несовместимость.
Крч штука крутая 👍
Ставится командной ⚙ pip install codon
https://pypi.org/project/codon/
@python_be1
https://pypi.org/project/codon/
🖥 100 проектов на Python для прокачивания скиллов
Держите подборку из 100 проектов, которые можно реализовать на Python;
это реализации разных алгоритмов, решения разных задач на работу со списками/строками и т.д, мини-приложения: для вывода погоды, для создания pdf, для парсинга сайтов
Если выполнить хотя бы часть из этого, можно неплохо прокачать свои скиллы
https://github.com/run-llama/create-llama
@python_be1
https://github.com/run-llama/create-llama
Держите подборку из 100 проектов, которые можно реализовать на Python;
это реализации разных алгоритмов, решения разных задач на работу со списками/строками и т.д, мини-приложения: для вывода погоды, для создания pdf, для парсинга сайтов
Если выполнить хотя бы часть из этого, можно неплохо прокачать свои скиллы
https://github.com/run-llama/create-llama
@python_be1
https://github.com/run-llama/create-llama
🖥 Энтузиаст создал смарт-ТВ на Linux без рекламы и слежки
Программист Carl Riis создал полностью безопасный смарт-ТВ EarlGreyTV, который не следит за своими владельцами и не сливает данные производителю или напрямую рекламодателям
Концепция EarlGreyTV заключается в том, чтобы реализовать возможности умного телевизора без рекламы и отслеживания личных данных, а также обеспечить максимальную поддержку кастомизации. Для этого энтузиаст использовал старый ноутбук Lenovo с установленным дистрибутивом Debian с оконным менеджером Sway.
По сути, Риис создал полноценную программно-аппаратную платформу, потому что в стремлении сделать полностью кастомизируемый и безопасный смарт-ТВ он решил не использовать штатную электронику телевизора и отдал предпочтение знакомому миллиардам людей на планете гораздо более предсказуемому устройству.
Штатный софт был подвергнут ряду модификаций, ознакомиться с которыми можно на Github. В их числе — запуск браузера Firefox в полноэкранном режиме по умолчанию, быстрый доступ к файлу настроек ярлыков для навигации по контенту, кастомизированные уведомления об изменении громкости и так далее.
https://github.com/carltheperson/earlgreytv
@python_be1
https://github.com/carltheperson/earlgreytv
Программист Carl Riis создал полностью безопасный смарт-ТВ EarlGreyTV, который не следит за своими владельцами и не сливает данные производителю или напрямую рекламодателям
Концепция EarlGreyTV заключается в том, чтобы реализовать возможности умного телевизора без рекламы и отслеживания личных данных, а также обеспечить максимальную поддержку кастомизации. Для этого энтузиаст использовал старый ноутбук Lenovo с установленным дистрибутивом Debian с оконным менеджером Sway.
По сути, Риис создал полноценную программно-аппаратную платформу, потому что в стремлении сделать полностью кастомизируемый и безопасный смарт-ТВ он решил не использовать штатную электронику телевизора и отдал предпочтение знакомому миллиардам людей на планете гораздо более предсказуемому устройству.
Штатный софт был подвергнут ряду модификаций, ознакомиться с которыми можно на Github. В их числе — запуск браузера Firefox в полноэкранном режиме по умолчанию, быстрый доступ к файлу настроек ярлыков для навигации по контенту, кастомизированные уведомления об изменении громкости и так далее.
https://github.com/carltheperson/earlgreytv
@python_be1
https://github.com/carltheperson/earlgreytv
🖥 qutebrowser — минималистичный браузер с управлением в стиле Vim, написанный на Python и Qt
qutebrowser — это браузер с минималистичным GUI, ориентированный на работу клавиатуру.
qutebrowser написан на Python и Qt;
был вдохновлен другими браузерами/аддонами, такими как dwb и Vimperator/Pentadactyl.
https://github.com/qutebrowser/qutebrowser
https://www.qutebrowser.org/
@python_be1
https://github.com/qutebrowser/qutebrowser
qutebrowser — это браузер с минималистичным GUI, ориентированный на работу клавиатуру.
qutebrowser написан на Python и Qt;
был вдохновлен другими браузерами/аддонами, такими как dwb и Vimperator/Pentadactyl.
https://github.com/qutebrowser/qutebrowser
https://www.qutebrowser.org/
@python_be1
https://github.com/qutebrowser/qutebrowser
➡ PyForest: Один импорт для всех важных модулей
Импортируйте все ключевые библиотеки Python одной строкой. Это удобно для всех ваших проектов по Data Science и при создании нового окружения в Conda.
🗣 При работе с данными вы используете библиотеки, такие как pandas, matplotlib, seaborn, numpy и sklearn. Прежде чем приступить к работе, нужно их импортировать.
Библиотека решает несколько проблем:
• Однообразие: импорт всегда одинаковый и скучный.
• Пропущенные импорты мешают работе.
• Иногда нужно искать точные строки импорта, например, import matplotlib.pyplot as plt или from sklearn.ensemble import GradientBoostingRegressor.
https://github.com/8080labs/pyforest/
@python_be1
https://github.com/8080labs/pyforest/
Импортируйте все ключевые библиотеки Python одной строкой. Это удобно для всех ваших проектов по Data Science и при создании нового окружения в Conda.
🗣 При работе с данными вы используете библиотеки, такие как pandas, matplotlib, seaborn, numpy и sklearn. Прежде чем приступить к работе, нужно их импортировать.
Библиотека решает несколько проблем:
• Однообразие: импорт всегда одинаковый и скучный.
• Пропущенные импорты мешают работе.
• Иногда нужно искать точные строки импорта, например, import matplotlib.pyplot as plt или from sklearn.ensemble import GradientBoostingRegressor.
https://github.com/8080labs/pyforest/
@python_be1
https://github.com/8080labs/pyforest/
GitHub
GitHub - 8080labs/pyforest: pyforest - feel the bliss of automated imports
pyforest - feel the bliss of automated imports. Contribute to 8080labs/pyforest development by creating an account on GitHub.
pyshorteners - полезная случаях библиотека для сокращения ссылок.
Поддерживаются различные сервисы для сокращения, среди них:
— tiny.cc
— bit.ly
— adf.ly
— git.io
— tinyurl.com
— и многие другие
Пример кода для сокращения ссылки.
import pyshorteners
s = pyshorteners.Shortener()
print(s.tinyurl.short('http://www.g1.com.br'))
Ставится командой ⚙ pip install pyshorteners
Документация и примеры кода здесь.
https://pypi.org/project/pyshorteners/
@python_be1
https://pypi.org/project/pyshorteners/
Поддерживаются различные сервисы для сокращения, среди них:
— tiny.cc
— bit.ly
— adf.ly
— git.io
— tinyurl.com
— и многие другие
Пример кода для сокращения ссылки.
import pyshorteners
s = pyshorteners.Shortener()
print(s.tinyurl.short('http://www.g1.com.br'))
Ставится командой ⚙ pip install pyshorteners
Документация и примеры кода здесь.
https://pypi.org/project/pyshorteners/
@python_be1
https://pypi.org/project/pyshorteners/
PyPiScout.com | Ищем либу по текстовому запросу
Видимо, недовольные поисковиком на pypi.org питонисты создали сайт, где инструмент под любую задачу можно найти с помощью запроса на естественном человеческом. На картинке видно интересное представление результатов — scatterplot-диаграмма, причём самый близкий результат получает увеличенный размер точки.
PyPiScout.com
@python_be1
http://pypi.org/
Видимо, недовольные поисковиком на pypi.org питонисты создали сайт, где инструмент под любую задачу можно найти с помощью запроса на естественном человеческом. На картинке видно интересное представление результатов — scatterplot-диаграмма, причём самый близкий результат получает увеличенный размер точки.
PyPiScout.com
@python_be1
http://pypi.org/
PyPI
PyPI · The Python Package Index
The Python Package Index (PyPI) is a repository of software for the Python programming language.
🖥 Code 2 Prompt
Мощный инструмент командной строки, который генерирует качественные промпты и предназначен для упрощения взаимодействия между разработчиками и LLM для генерации и анализа кода, документирования и выполнения задач по улучшению существующего кода.
Ключевые особенности:
- Поддержка нескольких языков программирования
- Интеграция с .gitignore
- Настраиваемое форматирование вывода с помощью шаблонов Jinja2
- Автоматический обход каталогов
Code2Prompt упрощает создание информативных комментариев по коду, что делает его ценным инструментом для разработчиков, желающих улучшить документацию и совместную работу по своим проектам.
https://github.com/raphaelmansuy/code2prompt
@python_be1
https://github.com/raphaelmansuy/code2prompt
Мощный инструмент командной строки, который генерирует качественные промпты и предназначен для упрощения взаимодействия между разработчиками и LLM для генерации и анализа кода, документирования и выполнения задач по улучшению существующего кода.
Ключевые особенности:
- Поддержка нескольких языков программирования
- Интеграция с .gitignore
- Настраиваемое форматирование вывода с помощью шаблонов Jinja2
- Автоматический обход каталогов
Code2Prompt упрощает создание информативных комментариев по коду, что делает его ценным инструментом для разработчиков, желающих улучшить документацию и совместную работу по своим проектам.
https://github.com/raphaelmansuy/code2prompt
@python_be1
https://github.com/raphaelmansuy/code2prompt
🖥 tslearn — библиотека Python для анализа временных рядов и решения подобных ML-задач
— pip install tslearn
tslearn — это библиотека Python, которая предоставляет ML-инструменты для анализа временных рядов.
tslearn основана на библиотеках scikit-learn, numpy и scipy.
🖥 GitHub https://github.com/tslearn-team/tslearn
🟡 Доки https://tslearn.readthedocs.io/en/stable/?badge=stable#installation
@python_be1
https://github.com/tslearn-team/tslearn
— pip install tslearn
tslearn — это библиотека Python, которая предоставляет ML-инструменты для анализа временных рядов.
tslearn основана на библиотеках scikit-learn, numpy и scipy.
🖥 GitHub https://github.com/tslearn-team/tslearn
🟡 Доки https://tslearn.readthedocs.io/en/stable/?badge=stable#installation
@python_be1
https://github.com/tslearn-team/tslearn