🌤 Революционный инструмент в области прогнозирования погоды от Google!
Команда Google DeepMind презентовала GenCast – новую модель искусственного интеллекта, способную с высокой точностью предсказывать погоду на целых 15 дней вперёд! 🎯
GenCast – ансамблевая диффузионная модель для прогнозирования погоды и рисков экстремальных погодных условий, обеспечивающая более быстрые и точные прогнозы на срок до 15 дней. GenCast была обученная на 40-летнем архиве исторических метеорологических данных ERA5 от ECMWF.
Модель, работающая на Google Cloud TPU v5, превосходит лидирующую систему прогнозирования ECMWF ENS по точности прогнозов на 97,2% в 1320 различных комбинациях тестируемых параметров. GenCast демонстрирует способность прогнозировать экстремальные погодные явления: периоды сильной жары и холода, сильные ветры и траектории тропических циклонов. Google DeepMind планирует выпустить код, веса и прогнозы модели в открытый доступ, чтобы поддержать метеорологическое сообщество.
Почему это так важно?
- В условиях изменения климата погода становится всё менее предсказуемой.
- Точные прогнозы помогают спасти жизни и сохранить имущество.
- Это способствует эффективному планированию использования возобновляемых источников энергии.
Что может GenCast?
- Генерирует более 50 различных сценариев развития погоды и объединяет их в единый вероятностный прогноз.
- Обеспечивает разрешение до 0.25° для всего земного шара.
- Превышает точность лучших существующих систем прогнозирования в 97.2% случаев!
Как быстро он работает?
- Всего за 8 минут создаёт 15-дневный прогноз при помощи Google Cloud TPU v5. Для традиционных систем это занимает часы работы на суперкомпьютерах!
Особенно точен в прогнозах экстремальной погоды:
- Тайфунов и ураганов
- Аномально высоких и низких температур
- Сильнейших ветров
Открытый доступ:
Google DeepMind предоставляет исходный код модели и её весовые коэффициенты всем желающим, чтобы способствовать развитию метеорологии.
▪ Статья: https://deepmind.google/discover/blog/gencast-predict..
▪ Github: https://github.com/google-deepmind/graphcast
@python_be1
https://deepmind.google/discover/blog/gencast-predict
Команда Google DeepMind презентовала GenCast – новую модель искусственного интеллекта, способную с высокой точностью предсказывать погоду на целых 15 дней вперёд! 🎯
GenCast – ансамблевая диффузионная модель для прогнозирования погоды и рисков экстремальных погодных условий, обеспечивающая более быстрые и точные прогнозы на срок до 15 дней. GenCast была обученная на 40-летнем архиве исторических метеорологических данных ERA5 от ECMWF.
Модель, работающая на Google Cloud TPU v5, превосходит лидирующую систему прогнозирования ECMWF ENS по точности прогнозов на 97,2% в 1320 различных комбинациях тестируемых параметров. GenCast демонстрирует способность прогнозировать экстремальные погодные явления: периоды сильной жары и холода, сильные ветры и траектории тропических циклонов. Google DeepMind планирует выпустить код, веса и прогнозы модели в открытый доступ, чтобы поддержать метеорологическое сообщество.
Почему это так важно?
- В условиях изменения климата погода становится всё менее предсказуемой.
- Точные прогнозы помогают спасти жизни и сохранить имущество.
- Это способствует эффективному планированию использования возобновляемых источников энергии.
Что может GenCast?
- Генерирует более 50 различных сценариев развития погоды и объединяет их в единый вероятностный прогноз.
- Обеспечивает разрешение до 0.25° для всего земного шара.
- Превышает точность лучших существующих систем прогнозирования в 97.2% случаев!
Как быстро он работает?
- Всего за 8 минут создаёт 15-дневный прогноз при помощи Google Cloud TPU v5. Для традиционных систем это занимает часы работы на суперкомпьютерах!
Особенно точен в прогнозах экстремальной погоды:
- Тайфунов и ураганов
- Аномально высоких и низких температур
- Сильнейших ветров
Открытый доступ:
Google DeepMind предоставляет исходный код модели и её весовые коэффициенты всем желающим, чтобы способствовать развитию метеорологии.
▪ Статья: https://deepmind.google/discover/blog/gencast-predict..
▪ Github: https://github.com/google-deepmind/graphcast
@python_be1
https://deepmind.google/discover/blog/gencast-predict
GitHub
GitHub - google-deepmind/graphcast
Contribute to google-deepmind/graphcast development by creating an account on GitHub.
👍1
👩💻 inflect (https://github.com/jaraco/inflect) — Python-библиотека для работы с инфлексиями слов — преобразованиями форм слов в зависимости от их грамматической роли в предложении!
🌟 Библиотека позволяет конвертировать числа в текстовые строки (например, 42 -> "forty-two"), а также предоставляет функции для работы с формами существительных и глаголов.
🔐 Лицензия: MIT
🖥 Github (https://github.com/jaraco/inflect)
@pythonl
@python_be1
🌟 Библиотека позволяет конвертировать числа в текстовые строки (например, 42 -> "forty-two"), а также предоставляет функции для работы с формами существительных и глаголов.
🔐 Лицензия: MIT
🖥 Github (https://github.com/jaraco/inflect)
@pythonl
@python_be1
👍1
🌟 PydanticAI: фреймворк для создания AI-агентов на основе Pydantic.
PydanticAI (https://github.com/pydantic/pydantic-ai) - фреймворк для Python, созданный командой разработчиков Pydantic, который упрощает создание приложений с использованием LLM. Фреймворк имеет простой и интуитивно понятный интерфейс для взаимодействия с LLMs, поддерживающими Async OpenAI (Ollama) и openAI API (ChatGPT, Gemini и Groq), с поддержкой Anthropic в ближайшем будущем.
Основная особенность PydanticAI - система внедрения зависимостей, которая передает данные, соединения и логику в целевую модель. Она упрощает тестирование и оценку агентов и позволяет динамически формировать системные промпты и определять инструменты, доступные LLM.
PydanticAI имеет возможность потоковой обработки ответов с валидацией структурированных данных, позволяя контролировать корректность соответствие данных ожидаемому ответу, тем самым повышая эффективность и интерактивность приложений.
Для отладки и мониторинга работы агентов предусмотрена интеграция с Pydantic Logfire (https://pydantic.dev/logfire), с которым можно отслеживать запросы к базам данных, анализировать поведение модели и оценивать производительность.
▶️ В документации к проекту (https://ai.pydantic.dev/) доступны примеры применения PydanticAI в сценариях:
🟢Построение Pydantic-модели на основе текстового ввода (https://ai.pydantic.dev/examples/pydantic-model/);
🟢Погодный агент (https://ai.pydantic.dev/examples/weather-agent/);
🟢Агент поддержки клиентов банка (https://ai.pydantic.dev/examples/bank-support/);
🟢Генерация SQL-запросов на основе пользовательского ввода (https://ai.pydantic.dev/examples/sql-gen/);
🟢RAG-поиск по массиву markdown-документам (https://ai.pydantic.dev/examples/rag/);
🟢Вывод результатов работы агента в терминале (https://ai.pydantic.dev/examples/stream-markdown/);
🟢Пример проверки потокового структурированного ответа на примере информации о видах китов; (https://ai.pydantic.dev/examples/stream-whales/)
🟢Простой чат-приложение (https://ai.pydantic.dev/examples/chat-app/).
⚠️ PydanticAI находится на ранней стадии бета-тестирования.
▶️Установка и простой пример "Hello Word" с Gemini-1.5-flash:
<pre language="python"># Install via PyPI
pip install pydantic-ai
# Set Gemini API key
export GEMINI_API_KEY=your-api-key
# Run example
from pydantic_ai import Agent
agent = Agent(
'gemini-1.5-flash',
system_prompt='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.data)
"""
The first known use of "hello, world" was in a 1974 textbook about the C programming language.
"""</pre>
📌Лицензирование: MIT License.
🟡Документация (https://ai.pydantic.dev/)
🟡Demo (https://huggingface.co/spaces/freddyaboulton/pydantic-ai)
🖥GitHub (https://github.com/pydantic/pydantic-ai)
@ai_machinelearning_big_data
#AI #ML #LLM #Agents #Framework #PydanticAI
@python_be1
PydanticAI (https://github.com/pydantic/pydantic-ai) - фреймворк для Python, созданный командой разработчиков Pydantic, который упрощает создание приложений с использованием LLM. Фреймворк имеет простой и интуитивно понятный интерфейс для взаимодействия с LLMs, поддерживающими Async OpenAI (Ollama) и openAI API (ChatGPT, Gemini и Groq), с поддержкой Anthropic в ближайшем будущем.
Основная особенность PydanticAI - система внедрения зависимостей, которая передает данные, соединения и логику в целевую модель. Она упрощает тестирование и оценку агентов и позволяет динамически формировать системные промпты и определять инструменты, доступные LLM.
PydanticAI имеет возможность потоковой обработки ответов с валидацией структурированных данных, позволяя контролировать корректность соответствие данных ожидаемому ответу, тем самым повышая эффективность и интерактивность приложений.
Для отладки и мониторинга работы агентов предусмотрена интеграция с Pydantic Logfire (https://pydantic.dev/logfire), с которым можно отслеживать запросы к базам данных, анализировать поведение модели и оценивать производительность.
▶️ В документации к проекту (https://ai.pydantic.dev/) доступны примеры применения PydanticAI в сценариях:
🟢Построение Pydantic-модели на основе текстового ввода (https://ai.pydantic.dev/examples/pydantic-model/);
🟢Погодный агент (https://ai.pydantic.dev/examples/weather-agent/);
🟢Агент поддержки клиентов банка (https://ai.pydantic.dev/examples/bank-support/);
🟢Генерация SQL-запросов на основе пользовательского ввода (https://ai.pydantic.dev/examples/sql-gen/);
🟢RAG-поиск по массиву markdown-документам (https://ai.pydantic.dev/examples/rag/);
🟢Вывод результатов работы агента в терминале (https://ai.pydantic.dev/examples/stream-markdown/);
🟢Пример проверки потокового структурированного ответа на примере информации о видах китов; (https://ai.pydantic.dev/examples/stream-whales/)
🟢Простой чат-приложение (https://ai.pydantic.dev/examples/chat-app/).
⚠️ PydanticAI находится на ранней стадии бета-тестирования.
▶️Установка и простой пример "Hello Word" с Gemini-1.5-flash:
<pre language="python"># Install via PyPI
pip install pydantic-ai
# Set Gemini API key
export GEMINI_API_KEY=your-api-key
# Run example
from pydantic_ai import Agent
agent = Agent(
'gemini-1.5-flash',
system_prompt='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.data)
"""
The first known use of "hello, world" was in a 1974 textbook about the C programming language.
"""</pre>
📌Лицензирование: MIT License.
🟡Документация (https://ai.pydantic.dev/)
🟡Demo (https://huggingface.co/spaces/freddyaboulton/pydantic-ai)
🖥GitHub (https://github.com/pydantic/pydantic-ai)
@ai_machinelearning_big_data
#AI #ML #LLM #Agents #Framework #PydanticAI
@python_be1
GitHub
GitHub - pydantic/pydantic-ai: GenAI Agent Framework, the Pydantic way
GenAI Agent Framework, the Pydantic way. Contribute to pydantic/pydantic-ai development by creating an account on GitHub.
👍1
👩💻 unsync (https://github.com/alex-sherman/unsync) — библиотека для Python, которая предоставляет упрощённые инструменты для работы с асинхронным кодом, включая возможность смешивать синхронный и асинхронный код!
🔍 Особенности библиотеки:
🌟 Упрощённое управление задачами.
🌟 Смешивание синхронного и асинхронного кода.
🌟 Поддержка различных типов выполнения.
🌟 Интуитивный API.
🔐 Лицензия: MIT
🖥 Github (https://github.com/alex-sherman/unsync)
@pythonl
@python_be1
🔍 Особенности библиотеки:
🌟 Упрощённое управление задачами.
🌟 Смешивание синхронного и асинхронного кода.
🌟 Поддержка различных типов выполнения.
🌟 Интуитивный API.
🔐 Лицензия: MIT
🖥 Github (https://github.com/alex-sherman/unsync)
@pythonl
@python_be1
👍1
👩💻 fastapi-admin (https://github.com/fastapi-admin/fastapi-admin) — высокопроизводительная и расширяемая панель администратора для приложений на основе FastAPI!
💡 Она вдохновлена Django Admin и предлагает похожую функциональность, позволяя быстро создавать визуальные панели управления для веб-приложений.
🔍 Ключевые особенности :
🌟 Поддержку синхронного и асинхронного режимов работы.
🌟 Автоматическое создание API-документации.
🌟 Фронтенд на базе Amis и гибкость в настройке пользовательских страниц.
🌟 Использование ORM SQLAlchemy или SQLModel для работы с базами данных.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/fastapi-admin/fastapi-admin)
@pythonl
@python_be1
💡 Она вдохновлена Django Admin и предлагает похожую функциональность, позволяя быстро создавать визуальные панели управления для веб-приложений.
🔍 Ключевые особенности :
🌟 Поддержку синхронного и асинхронного режимов работы.
🌟 Автоматическое создание API-документации.
🌟 Фронтенд на базе Amis и гибкость в настройке пользовательских страниц.
🌟 Использование ORM SQLAlchemy или SQLModel для работы с базами данных.
🔐 Лицензия: Apache-2.0
🖥 Github (https://github.com/fastapi-admin/fastapi-admin)
@pythonl
@python_be1
👩💻 python-dotenv (https://github.com/theskumar/python-dotenv) — библиотека для загрузки переменных окружения из .env файлов в проекты Python!
💡 Эта библиотека позволяет сохранять конфиденциальные данные, такие как API-ключи, пароли и настройки, в текстовых файлах, избегая жесткого кодирования их в исходном коде.
🔍 Основные функции:
🌟 Загрузка переменных окружения из .env файлов в процессе работы приложения.
🌟 Поддержка чтения различных форматов, включая простые ключ-значение пары.
🌟 Возможность создания и использования переменных окружения для конфигурации приложения, не изменяя системные переменные окружения.
🌟 Совместимость с популярными фреймворками, такими как Flask и Django.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/theskumar/python-dotenv)
@pythonl
@python_be1
💡 Эта библиотека позволяет сохранять конфиденциальные данные, такие как API-ключи, пароли и настройки, в текстовых файлах, избегая жесткого кодирования их в исходном коде.
🔍 Основные функции:
🌟 Загрузка переменных окружения из .env файлов в процессе работы приложения.
🌟 Поддержка чтения различных форматов, включая простые ключ-значение пары.
🌟 Возможность создания и использования переменных окружения для конфигурации приложения, не изменяя системные переменные окружения.
🌟 Совместимость с популярными фреймворками, такими как Flask и Django.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/theskumar/python-dotenv)
@pythonl
@python_be1
100 вопросов с собеседований Python. Повышаем уровень.
@python_be1
https://www.youtube.com/watch?v=ojtQ9GsJPbQ
@python_be1
https://www.youtube.com/watch?v=ojtQ9GsJPbQ
YouTube
100 вопросов с собеседований Python. Повышаем уровень.
Привет, друзья! Добро пожаловать на наш канал, где мы сегодня проведем интересную игру - 100 вопросов с собеседований вторая часть по Python на уровне middle!
🔥 Наш Telegram канал о машинном обучении: https://t.me/+RlgPz8ihjxViOGEy
📌 Разбор задач с собеседований…
🔥 Наш Telegram канал о машинном обучении: https://t.me/+RlgPz8ihjxViOGEy
📌 Разбор задач с собеседований…
25 Вопросов и Ответов для Python-Собеседования Middle
@python_be1
https://uproger.com/25-voprosov-i-otvetov-dlya-python-sobesedovaniya-middle/
@python_be1
https://uproger.com/25-voprosov-i-otvetov-dlya-python-sobesedovaniya-middle/
UPROGER | Программирование
25 Вопросов и Ответов для Python-Собеседования Middle
Собеседование на позицию Middle-разработчика в области Python может включать множество неожиданных вопросов, выходящих за рамки стандартных задач программирования. В этой статье мы рассмотрим несколько таких вопросов, которые могут застать вас врасплох, но…
🖥 30+ команд Docker, которые вы Должны Знать!
https://www.youtube.com/watch?v=BR6CEYkCCzw&t=8s
@python_be1
https://www.youtube.com/watch?v=BR6CEYkCCzw&t=8s
https://www.youtube.com/watch?v=BR6CEYkCCzw&t=8s
@python_be1
https://www.youtube.com/watch?v=BR6CEYkCCzw&t=8s
👩💻 django-grappelli (https://github.com/sehmaschine/django-grappelli?tab=readme-ov-file) — настраиваемый интерфейс администратора для Django!
🌟 Он добавляет улучшения в стандартный Django Admin, такие как расширенные возможности UI, поддержку вкладок, улучшенный стиль таблиц, дополнительные функции для фильтров и поиска, а также базовые возможности для работы с медиафайлами.
🌟 Grappelli ориентирован на разработчиков, которые хотят сделать интерфейс администратора более удобным и современным. Этот проект широко используется в производственных средах и поддерживается сообществом, предлагая стабильные релизы и обновления для новых версий Django.
🔗 Ссылка: *клик* (https://github.com/sehmaschine/django-grappelli)
@pythonl
@python_be1
🌟 Он добавляет улучшения в стандартный Django Admin, такие как расширенные возможности UI, поддержку вкладок, улучшенный стиль таблиц, дополнительные функции для фильтров и поиска, а также базовые возможности для работы с медиафайлами.
🌟 Grappelli ориентирован на разработчиков, которые хотят сделать интерфейс администратора более удобным и современным. Этот проект широко используется в производственных средах и поддерживается сообществом, предлагая стабильные релизы и обновления для новых версий Django.
🔗 Ссылка: *клик* (https://github.com/sehmaschine/django-grappelli)
@pythonl
@python_be1
👩💻 aiocache (https://github.com/aio-libs/aiocache) — асинхронная библиотека Python для работы с кэшем!
🌟 Она поддерживает различные бэкенды (Redis, Memcached, Simple Memory) и позволяет эффективно использовать кэширование в асинхронных приложениях, написанных на Python с использованием asyncio.
🌟 Библиотека предоставляет удобный интерфейс, декораторы для кэширования функций и продвинутые функции, такие как управление временем жизни записей и обработка ошибок кэша. Это полезный инструмент для улучшения производительности приложений, минимизации времени отклика и снижения нагрузки на базу данных.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/aio-libs/aiocache)
@pythonl
@python_be1
🌟 Она поддерживает различные бэкенды (Redis, Memcached, Simple Memory) и позволяет эффективно использовать кэширование в асинхронных приложениях, написанных на Python с использованием asyncio.
🌟 Библиотека предоставляет удобный интерфейс, декораторы для кэширования функций и продвинутые функции, такие как управление временем жизни записей и обработка ошибок кэша. Это полезный инструмент для улучшения производительности приложений, минимизации времени отклика и снижения нагрузки на базу данных.
🔐 Лицензия: BSD-3-Clause
🖥 Github (https://github.com/aio-libs/aiocache)
@pythonl
@python_be1
🖥 Огромный сборник гайдов по Python (https://github.com/x4nth055/pythoncode-tutorials?tab=readme-ov-file) с примерами кода поможет вам начать изучение языка с самого начала и отточить навыки на тысячах задач!
В этом сборнике вы найдете:
- Примеры автоматизации различных процессов с использованием Python.
- Инструкции по интеграции с множеством популярных приложений, таких как Telegram и YouTube.
- Руководства по созданию чат-ботов, которые возьмут на себя рутинную работу.
- Методы визуализации данных.
- Работа с графикой, изображениями и видео.
- Основы машинного обучения и создание своих первых нейронных сетей.
Это лучший ресурс (https://github.com/x4nth055/pythoncode-tutorials?tab=readme-ov-file) для новичков в IT-сфере, который станет вашим надежным помощником на пути к освоению программирования.
📌 Ссылка (https://github.com/x4nth055/pythoncode-tutorials?tab=readme-ov-file)
@pythonl
@python_be1
В этом сборнике вы найдете:
- Примеры автоматизации различных процессов с использованием Python.
- Инструкции по интеграции с множеством популярных приложений, таких как Telegram и YouTube.
- Руководства по созданию чат-ботов, которые возьмут на себя рутинную работу.
- Методы визуализации данных.
- Работа с графикой, изображениями и видео.
- Основы машинного обучения и создание своих первых нейронных сетей.
Это лучший ресурс (https://github.com/x4nth055/pythoncode-tutorials?tab=readme-ov-file) для новичков в IT-сфере, который станет вашим надежным помощником на пути к освоению программирования.
📌 Ссылка (https://github.com/x4nth055/pythoncode-tutorials?tab=readme-ov-file)
@pythonl
@python_be1
🔥 every-programmer-should-know (https://github.com/mtdvio/every-programmer-should-know?tab=readme-ov-file) — коллекция полезных ресурсов, статей, инструментов и рекомендаций, которые могут быть полезны программистам!
🌟 Он охватывает широкий спектр тем, включая алгоритмы, базы данных, работу с памятью, безопасность, проектирование систем, UX/юзабилити, программирование на различных языках, инженерную философию и многое другое. Список содержит ссылки на книги, статьи, руководства и видео, которые помогут разработчикам улучшить свои знания и навыки.
🔐 Лицензия: СС-BY-4.0
🖥 Github (https://github.com/mtdvio/every-programmer-should-know?tab=readme-ov-file)
@python_job_interview
@python_be1
🌟 Он охватывает широкий спектр тем, включая алгоритмы, базы данных, работу с памятью, безопасность, проектирование систем, UX/юзабилити, программирование на различных языках, инженерную философию и многое другое. Список содержит ссылки на книги, статьи, руководства и видео, которые помогут разработчикам улучшить свои знания и навыки.
🔐 Лицензия: СС-BY-4.0
🖥 Github (https://github.com/mtdvio/every-programmer-should-know?tab=readme-ov-file)
@python_job_interview
@python_be1
💡 cognitive-load (https://github.com/zakirullin/cognitive-load) — это репозиторий, посвящённый снижению когнитивной нагрузки в программировании. В нём собраны лучшие практики и рекомендации, как упрощать восприятие кода и интерфейсов, чтобы они стали более понятными и удобными для работы.
🌟 Основная цель — уменьшить усилия, которые требуется приложить для понимания и использования программного обеспечения, что способствует повышению продуктивности и улучшению пользовательского опыта.
🔐 Лицензия: CC-BY-4.0
🖥 Github (https://github.com/zakirullin/cognitive-load)
@python_job_interview
@python_be1
🌟 Основная цель — уменьшить усилия, которые требуется приложить для понимания и использования программного обеспечения, что способствует повышению продуктивности и улучшению пользовательского опыта.
🔐 Лицензия: CC-BY-4.0
🖥 Github (https://github.com/zakirullin/cognitive-load)
@python_job_interview
@python_be1