​Может ли ChatGPT заменить бэкенд-разработчиков

OpenAI недавно показала свою новую модель обучения ChatGPT и пока что это один из лучших примеров работы нейросетей, хоть до Скайнет им пока далековато.

В этой статье автор порассуждал насчёт современных возможностей этой модели, привёл несколько примеров, а ещё показал, как она справляется с работой бэкенд-разработчика:

https://tproger.ru/articles/mozhet-li-chatgpt-zamenit-bjekend-razrabotchikov/

#бэкенд #ml

​Dockerize Python: создаём образ Docker из приложения на Python

Образ Docker — это неизменяемый файл, содержащий исходный код, библиотеки, зависимости, инструменты и другие файлы, необходимые для запуска приложения. В этом руководстве вы узнаете, как самостоятельно создать образ, с которым в дальнейшем можно обращаться по своему усмотрению:

https://tproger.ru/articles/dockerize-python-sozdajom-obraz-docker-iz-prilozhenija-na-python/

#docker

​Telegram-бот для постинга мемов, ну или новогодних открыток

В этом видео вы узнаете, как создать Telegram-бота на языке Python с помощью библиотеки aiogram. Вы подробно рассмотрите процесс создания бота, начиная от регистрации в Telegram, заканчивая разбором программного кода. Разработанный бот будет автоматически отсылать свежие мемы с сайта Reddit в выбранный telegram канал, либо, если захотите, любые другие изображения. Кроме Aiogram, вы также пощупаете библиотеку asyncpraw для работы с Reddit API.

https://www.youtube.com/watch?v=oAKVM7h4Kp4

#видео #бот #telegram

​Получаем статистику Telegram-канала при помощи api и python

О каналах в Telegram доступна интересная и познавательная статистика, которую можно посмотреть не только в самом мессенджере, но и с помощью нехитрых действий с api. А если каналов много, то вообще очень полезная вещь, которая упростит сбор полезных данных для анализа контента и аудитории, например.

Как это сделать читайте тут:

https://habr.com/ru/post/702148/

#telegramapi

​Введение в библиотеку Transformers и платформу Hugging Face

Платформа Hugging Face — это коллекция готовых современных предварительно обученных Deep Learning моделей. А библиотека Transformers предоставляет инструменты и интерфейсы для их простой загрузки и использования.

Эта статья поможет вам познакомиться с этими двумя инструментами, которые помогают решать задачи компьютерного зрения, NLP и других направлений машинного обучения:

[https://habr.com/ru/post/704592/

#ml #nlp

Многопроцессорное состояние гонки в Python

Вы можете столкнуться с состоянием гонки при использовании параллелизма на основе процессов во время работы с модуль multiprocessing в Python.

В этом руководстве вы узнаете, как определять и исправлять состояние гонки в Python:

https://superfastpython.com/multiprocessing-race-condition-python/

​Работа с поверхностными и глубокими копиями в Python

В этой статье объясняется, как делать копии списков Python, массивов NumPy и датафреймов Pandas при помощи операций получения срезов, списочного и логического индексирования. Эти операции часто используются при анализе данных и должны правильно применяться, ведь ошибочные предположения могут привести к падению быстродействия или неожиданным результатам.

https://habr.com/ru/company/ruvds/blog/702486/

Ускоренный курс по представлениям и генераторам списков

Представления и генераторы списков делают код более кратким. Они отлично подходят для изучения и обработки данных, ведь они интуитивно понятны и легко читаемы.

В этой статье вы сможете узнать о них подробнее и увидеть, как они работают:

https://towardsdev.com/a-crash-course-in-python-comprehensions-and-generators-f069c8f8ca38

#курс

​Как разбить текст на абзацы с помощью Python

В этой статье будет представлен подход, использованный в проекте, посвящённом реферированию подкастов. Корректное реферирование текста всегда начинается с разделения его на смысловые части — абзацы. Делать вы это будете, разумеется, с помощью обработки естественного языка.

Подробнее:

https://nuancesprog.ru/p/16558/

#nlp

Best Python Concurrency Guides

- https://superfastpython.com/multiprocessing-in-python/
- https://superfastpython.com/python-asyncio/
- https://superfastpython.com/multiprocessing-pool-python/
- https://superfastpython.com/threadpool-python/

They are a bit bloated and explain the same concepts 10 times, but they try to explain the most unexplored parts of Python in detail in plain language with examples.

You can just read examples and intro.

Good stuff.

Top Python libraries `22
by @tryolabs

link: https://tryolabs.com/blog/2022/12/26/top-python-libraries-2022

#python #tools

Чат. Если бы 2022 был языком программирования, то каким и почему?

Давайте пофантазируем и обсудим каким бы был 2022 год языком программирования! Может сказать существующий или придумать свой! Но только чур с аргументацией своего выбора!

#чат

​Java против Python: базовый Python для разработчиков Java

В этой статье вы изучите Python с точки зрения Java. Прочитав её, вы сможете решить, является ли Python жизнеспособным вариантом для решения ваших задач и оценить, когда вы можете использовать Python в сочетании с Java для определённых кейсов:

https://realpython.com/java-vs-python/

Делюсь артефактом из нашего доклада с питерпая

​JSON и Python: есть контакт!

JSON представляет собой распространённый формат обмена данными между различными системами. Так, многие API возвращают результаты именно в этом формате.

В статье вы узнаете, в чём суть JSON и как его обрабатывать с помощью встроенного модуля json в Python:

https://nuancesprog.ru/p/15586/

#json