Кривая Коха/Снежинка Коха
Снежинка Коха представляет собой фрактальную кривую. Построение начинается с равностороннего треугольника. Удаляется внутреннюю треть каждой стороны, строя еще один равносторонний треугольник в том месте, где была удалена сторона. Затем процесс повторяется до бесконечности. Каждая фрактализованная сторона треугольника иногда называется кривой Коха. Делимся видео, где автор рассказывает про снежинку Коха.
👀Смотреть видео
#видео
Снежинка Коха представляет собой фрактальную кривую. Построение начинается с равностороннего треугольника. Удаляется внутреннюю треть каждой стороны, строя еще один равносторонний треугольник в том месте, где была удалена сторона. Затем процесс повторяется до бесконечности. Каждая фрактализованная сторона треугольника иногда называется кривой Коха. Делимся видео, где автор рассказывает про снежинку Коха.
👀Смотреть видео
#видео
🔥1
Flutter на Python
Flet — это платформа, которая позволяет легко создавать веб-приложения, мобильные и настольные приложения в реальном времени на Python. Делимся статьей, где автор демонстрирует работу данного фреймворка.
👉Читать статью
#статьи
Flet — это платформа, которая позволяет легко создавать веб-приложения, мобильные и настольные приложения в реальном времени на Python. Делимся статьей, где автор демонстрирует работу данного фреймворка.
👉Читать статью
#статьи
Множественное наследование
Класс может быть получен более чем из одного базового класса в Python. Это называется множественным наследованием. При множественном наследовании свойства всех базовых классов наследуются производным классом. Синтаксис множественного наследования аналогичен одиночному наследованию. Данное видео поможет разобраться с множественным наследованием.
👀Смотреть видео
#видео
Класс может быть получен более чем из одного базового класса в Python. Это называется множественным наследованием. При множественном наследовании свойства всех базовых классов наследуются производным классом. Синтаксис множественного наследования аналогичен одиночному наследованию. Данное видео поможет разобраться с множественным наследованием.
👀Смотреть видео
#видео
MongoDB: расширенные запросы
Чтобы сделать расширенные запросы, ты можешь использовать модификаторы в качестве значений в объекте запроса. Например. чтобы найти документы, в которых поле «адрес» начинается с буквы «S» или выше (в алфавитном порядке), используй модификатор «больше чем»: {"$gt": "S"}.
#практика #mongodb
Чтобы сделать расширенные запросы, ты можешь использовать модификаторы в качестве значений в объекте запроса. Например. чтобы найти документы, в которых поле «адрес» начинается с буквы «S» или выше (в алфавитном порядке), используй модификатор «больше чем»: {"$gt": "S"}.
#практика #mongodb
Скачивание музыки из ВКонтакте
Делимся статьей, где автор реализовал бота для Discord. С помощью него ты можешь получать и скачивать музыку из ВКонтакте. С помощью библиотеки vk api получается ссылка на m3u8 файл. Библиотеки m3u8 и pycryptodome используются для расшифровки ключей.
👉Читать статью
#статьи #библиотеки
Делимся статьей, где автор реализовал бота для Discord. С помощью него ты можешь получать и скачивать музыку из ВКонтакте. С помощью библиотеки vk api получается ссылка на m3u8 файл. Библиотеки m3u8 и pycryptodome используются для расшифровки ключей.
👉Читать статью
#статьи #библиотеки
Работа с файлами
Делимся видео, где автор демонстрируют работу с файлами. Ты узнаешь, как открывать, записывать и считывать данные из файла в текстовом и бинарном режимах. Рассматриваются следующие методы: open, read, seek, tell, readline, write. Также рассмотрен модуль pickle.
👀Смотреть видео
#видео
Делимся видео, где автор демонстрируют работу с файлами. Ты узнаешь, как открывать, записывать и считывать данные из файла в текстовом и бинарном режимах. Рассматриваются следующие методы: open, read, seek, tell, readline, write. Также рассмотрен модуль pickle.
👀Смотреть видео
#видео
Поиск объектов на видео
Делимся статьей, где автор рассказывает про поиск объектов на видео с помощью Python и OpenCV. Помимо обычных видео можно использовать и камеры. Программа будет запрашивать путь до видео и объекты, которые хотим найти. Вместо пути до видео можно использовать ссылку на видео с камеры.
👉Читать статью
#статьи
Делимся статьей, где автор рассказывает про поиск объектов на видео с помощью Python и OpenCV. Помимо обычных видео можно использовать и камеры. Программа будет запрашивать путь до видео и объекты, которые хотим найти. Вместо пути до видео можно использовать ссылку на видео с камеры.
👉Читать статью
#статьи
Sklearn: преобразователи данных
В Sklearn много преобразователей, но не для каждого вообразимого сценария предварительной обработки. В данной статье демонстрируется, как создавать собственные преобразователи Sklearn. Они позволяют интегрировать практически любую функцию или преобразование данных в классы Sklearn Pipeline.
👉Читать статью
#статьи
В Sklearn много преобразователей, но не для каждого вообразимого сценария предварительной обработки. В данной статье демонстрируется, как создавать собственные преобразователи Sklearn. Они позволяют интегрировать практически любую функцию или преобразование данных в классы Sklearn Pipeline.
👉Читать статью
#статьи
Быстрая сортировка Хоара
Быстрая сортировка Хоара работает путем инициализации двух индексов, которые начинаются с двух концов. Два индекса перемещаются друг к другу до тех пор, пока не будет найдена инверсия (меньшее значение слева и большее значение справа). Когда инверсия найдена, два значения меняются местами, и процесс повторяется. Данное видео поможет разобраться с быстрой сортировкой Хоара.
👀Смотреть видео
#видео
Быстрая сортировка Хоара работает путем инициализации двух индексов, которые начинаются с двух концов. Два индекса перемещаются друг к другу до тех пор, пока не будет найдена инверсия (меньшее значение слева и большее значение справа). Когда инверсия найдена, два значения меняются местами, и процесс повторяется. Данное видео поможет разобраться с быстрой сортировкой Хоара.
👀Смотреть видео
#видео
NumPy: Объединение массивов
Объединение означает размещение содержимого двух или более массивов в одном массиве. В NumPy объединение массивов осуществляется по осям. Последовательность массивов передается функции concatenate() вместе с осью. Если ось не передается явно, она принимается равной 0.
#практика #numpy
Объединение означает размещение содержимого двух или более массивов в одном массиве. В NumPy объединение массивов осуществляется по осям. Последовательность массивов передается функции concatenate() вместе с осью. Если ось не передается явно, она принимается равной 0.
#практика #numpy
Работа с датами в Pandas
Делимся статьей, где автор рассказывает про работу с датами в Pandas. Ты узнаешь, как извлечь из даты информацию о месяце и годе; как прибавить к дате временной интервал. Продемонстрировано нахождение интервала в днях между двумя датами; формирование последовательности дат между начальной и конечной датами.
👉Читать статью
#статьи #pandas
Делимся статьей, где автор рассказывает про работу с датами в Pandas. Ты узнаешь, как извлечь из даты информацию о месяце и годе; как прибавить к дате временной интервал. Продемонстрировано нахождение интервала в днях между двумя датами; формирование последовательности дат между начальной и конечной датами.
👉Читать статью
#статьи #pandas
Фильтр Калмана
Фильтрация Калмана — это алгоритм, который обеспечивает оценку некоторых неизвестных переменных с учетом измерений, наблюдаемых с течением времени. Фильтры Калмана имеют относительно простую форму и требуют небольшой вычислительной мощности. Делимся видео, где автор рассказывает про фильтр Калмана.
👀Смотреть видео
#видео
Фильтрация Калмана — это алгоритм, который обеспечивает оценку некоторых неизвестных переменных с учетом измерений, наблюдаемых с течением времени. Фильтры Калмана имеют относительно простую форму и требуют небольшой вычислительной мощности. Делимся видео, где автор рассказывает про фильтр Калмана.
👀Смотреть видео
#видео
Drag-and-Drop
Drag-and-Drop – это действие по выбору объекта или части текста, его перемещению (перетаскиванию) и последующему размещению в другую область. Делимся статьей, где автор демонстрирует работу Drag-and-Drop на Python и OpenCV.
👉Читать статью
#статьи
Drag-and-Drop – это действие по выбору объекта или части текста, его перемещению (перетаскиванию) и последующему размещению в другую область. Делимся статьей, где автор демонстрирует работу Drag-and-Drop на Python и OpenCV.
👉Читать статью
#статьи
JavaScript теперь в телеграм!
JavaScript — самый популярный язык в мире, он используется в 95% всех сайтов, которые вообще существуют. Теперь у JS есть русскоязычный канал. Это первоисточник всего, что появляется в платных курсах и остальных ресурсов. Стоит подписаться!
JavaScript — самый популярный язык в мире, он используется в 95% всех сайтов, которые вообще существуют. Теперь у JS есть русскоязычный канал. Это первоисточник всего, что появляется в платных курсах и остальных ресурсов. Стоит подписаться!
NumPy: unique
Функция unique() используется для поиска уникальных элементов массива. Она возвращает отсортированные уникальные элементы массива. В дополнение к уникальным элементам есть три дополнительных вывода: индексы входного массива, которые дают уникальные значения; индексы уникального массива, которые восстанавливают входной массив; сколько раз каждое уникальное значение появляется во входном массиве. Данное видео демонстрирует работу unique().
👀Смотреть видео
#видео #numpy
Функция unique() используется для поиска уникальных элементов массива. Она возвращает отсортированные уникальные элементы массива. В дополнение к уникальным элементам есть три дополнительных вывода: индексы входного массива, которые дают уникальные значения; индексы уникального массива, которые восстанавливают входной массив; сколько раз каждое уникальное значение появляется во входном массиве. Данное видео демонстрирует работу unique().
👀Смотреть видео
#видео #numpy
math.factorial
Метод math.factorial() возвращает факториал числа. Факториал числа представляет собой сумму умножения всех целых чисел от указанного тобой числа до 1. Например, факториал 6 будет равен 6 x 5 x 4 x 3 x 2 x 1 = 720. Обрати внимание, этот метод принимает только положительные целые числа.
#практика #math
Метод math.factorial() возвращает факториал числа. Факториал числа представляет собой сумму умножения всех целых чисел от указанного тобой числа до 1. Например, факториал 6 будет равен 6 x 5 x 4 x 3 x 2 x 1 = 720. Обрати внимание, этот метод принимает только положительные целые числа.
#практика #math
Введение в OpenCV
OpenCV — это огромная библиотека с открытым исходным кодом для компьютерного зрения, машинного обучения и обработки изображений. Она может обрабатывать изображения и видео для идентификации объектов, лиц или даже почерка человека. Данная статья поможет тебе начать работать с изображениями.
👉Читать статью
#статьи #библиотеки
OpenCV — это огромная библиотека с открытым исходным кодом для компьютерного зрения, машинного обучения и обработки изображений. Она может обрабатывать изображения и видео для идентификации объектов, лиц или даже почерка человека. Данная статья поможет тебе начать работать с изображениями.
👉Читать статью
#статьи #библиотеки
Сортировка выбором
Алгоритм сортировки выбором сортирует массив, находя минимальное значение несортированной части и заменяя его первым несортированным элементом. При работе с данным алгоритмом дополнительные списки не требуются. Делимся видео, где автор демонстрирует работу алгоритма.
👀Смотреть видео
#видео
Алгоритм сортировки выбором сортирует массив, находя минимальное значение несортированной части и заменяя его первым несортированным элементом. При работе с данным алгоритмом дополнительные списки не требуются. Делимся видео, где автор демонстрирует работу алгоритма.
👀Смотреть видео
#видео
Ускорение обучения XGBoost-моделей
Экстремальный градиентный бустинг, или XGBoost, — это эффективная реализация алгоритма градиентного бустинга с открытым исходным кодом. Этот метод популярен для задач классификации и регрессии с использованием табличных наборов данных из-за его скорости выполнения и производительности модели. Процесс обучения XGBoost может занять много времени. Делимся статьей, где автор рассказывает про ускорение обучения XGBoost-моделей.
👉Читать статью
#статьи
Экстремальный градиентный бустинг, или XGBoost, — это эффективная реализация алгоритма градиентного бустинга с открытым исходным кодом. Этот метод популярен для задач классификации и регрессии с использованием табличных наборов данных из-за его скорости выполнения и производительности модели. Процесс обучения XGBoost может занять много времени. Делимся статьей, где автор рассказывает про ускорение обучения XGBoost-моделей.
👉Читать статью
#статьи