Введение в нейросети

Нейронные сети — это модели, которые используются для обработки данных и решения сложных задач в машинном обучении и искусственном интеллекте. В Python существует несколько библиотек, таких как TensorFlow, Keras, PyTorch, которые облегчают создание и обучение нейронных сетей. Делимся статьей, где автор рассказывает про нейросети.

👉Читать статью

#статьи

PyQt

PyQt позволяет разработчикам создавать красивые и функциональные приложения с помощью Qt. Это один из самых популярных фреймворков для создания GUI. Делимся циклом видео, благодаря которому ты научишься создавать графический интерфейс с помощью PyQt.

👀Смотреть видео

#видео

MongoDB: Update

В Python для обновления данных в базе данных MongoDB используется метод update one() или update many(). Если тебе нужно обновить несколько документов сразу, используй метод update many().

#практика

Погружение в метаклассы

Метаклассы в Python — это классы, которые определяют поведение классов. Они позволяют создавать классы динамически во время выполнения программы. Метаклассы позволяют контролировать создание классов, их атрибуты и методы. Делимся статьей, где автор рассказывает про метаклассы.

👉Читать статью

#статьи

Распознавание лиц в базе данных

В данной статье автор разбирает принцип распознавания, хранения и поиска лиц в базе данных. В качестве примера используется библиотека Insightface и база данных PostgreSQL.

👉Читать статью

#статьи

Flask: Отображение данных из БД

Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться Flask. В этот раз автор демонстрирует выборку записей из базы данных.

👀Смотреть видео

#видео

set.symmetric_difference

Метод symmetric difference() используется для возврата нового множества, которое содержит элементы, присутствующие в одном из двух множеств, но не в обоих. Другими словами, это операция поиска различий между двумя множествами.

#практика

Flask: Удаление и обновление записей

Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться Flask. В этот раз ты добавишь к своему веб-приложению возможность редактирования и удаления определенных записей из базы данных.

👀Смотреть видео

#видео

Автоматизация отправки писем

Благодаря данной статье ты узнаешь, как автоматизировать процесс рассылки писем по электронной почте. Материал будет полезен тем, кто когда-либо сталкивался с необходимостью отправлять информацию большому количеству получателей.

👉Читать статью

#статьи

dict.items

Метод items() возвращает объект представления, который отображает список пар кортежей словаря (ключ, значение). Если список обновляется в любое время, изменения отражаются на самом объекте представления, как показано в приведенном выше примере.

#практика

PyTorch: Создание “Змейки”

В данной статье автор рассказывает, как с помощью линейной алгебры и тензорных операций можно создать “Змейку” в 12 строк. Используются библиотеки PyTorch и NumPy.

👉Читать статью

#статьи

Triton

Triton позволяет проводить анализ безопасности программного обеспечения, реверс-инжиниринг и другие виды исследований, используя символьное выполнение. Делимся статьей, где автор рассказывает про Triton.

👉Читать статью

#статьи

NumPy: Срезы

Срезы (slicing) — это способ выбора подмножества элементов из массива. Ты можешь использовать срезы для доступа к определенным элементам массива или для изменения значений в массиве. Результат включает начальный индекс, но исключает конечный индекс.

#практика #numpy

OpenCV: Функции трансформации изображений

Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться библиотекой OpenCV. В этот раз автор знакомит с функциями трансформации изображений.

👀Смотреть видео

#видео

Решение систем линейных уравнений

Система линейных уравнений — это набор уравнений, в которых каждое уравнение представляет собой линейное выражение. Цель состоит в том, чтобы найти значения переменных, которые удовлетворяют всем уравнениям одновременно. Благодаря данной статье ты узнаешь, как можно реализовать решение систем линейных уравнений с помощью Python.

👉Читать статью

#статьи

NumPy: copy

numpy.copy() в библиотеке NumPy используется для создания копии массива или подмассива. Когда ты присваиваешь один массив другому, оба массива начинают указывать на одни и те же данные. Используя numpy.copy(), ты создаешь новый массив, который содержит копию данных из оригинального массива. Это позволяет изменять его без изменения оригинала.

#практика #numpy