Энтузиасты сравнили производительность Python 3.13 с Python 3.12

Группа IT-энтузиастов сравнила производительность Python 3.13 с предыдущей версией — Python 3.12 — на различных конфигурациях компьютеров. Всего было проведено 100 тестов на устройствах с чипами AMD Ryzen 7000 серии и Intel Core 13-го поколения.

Подробнее👇

#статьи

@python_practics

Внимание! - Вопрос!

Что такое последовательность?

Последовательностью в Python называется итерабельный объект, который поддерживает эффективный доступ к элементам с использованием целочисленных индексов через специальный метод __getitem__() и поддерживает метод __len__(), который возвращает длину последовательности. К основным встроенным типам последовательностей относятся list, tuple, range, str и bytes.

Последовательности также опционально могут реализовывать методы count(), index(), __contains__() и __reversed__() и другие.

#вопросы_из_собеседований

@python_practics

Преобразователь веса на Python

Полный код можно посмотреть по ссылке👇

#sandbox

@python_practics

Задача:

Реализуйте функцию unique_in_order, которая принимает в качестве аргумента последовательность и возвращает список элементов без каких-либо элементов с одинаковым значением рядом друг с другом и сохранением первоначального порядка элементов.

Пример:

unique_in_order('AAAABBBCCDAABBB') == ['A', 'B', 'C', 'D', 'A', 'B']
unique_in_order('ABBCcAD')         == ['A', 'B', 'C', 'c', 'A', 'D']
unique_in_order([1, 2, 2, 3, 3])   == [1, 2, 3]
unique_in_order((1, 2, 2, 3, 3))   == [1, 2, 3]

#задачник

@python_practics

Сохранение данных

Сохраните обработанные данные в файл.

👍 - если было полезно

#полезные_сниппеты

@python_practics

Внимание! - Вопрос!

Как кодировать и декодировать строки?

Кодировать – перевести Юникод в байтовую строку. Вызвать метод .encode() у строки.

Декодировать – восстановить строку из цепочки байт. Вызвать метод .decode() у объекта str или bytes (версии Питона 2 и 3 соответственно).

В обоих случаях явно передавать кодировку, иначе будет использована та, что определена в системе по умолчанию. Быть готовым поймать исключения UnicodeEncodeError, UnicodeDecodeError.

#вопросы_из_собеседований

@python_practics

Gunicorn

Gunicorn (Green Unicorn) — это HTTP-сервер Python для приложений WSGI. Он был опубликован Бенуа Чесно 20 февраля 2010 года. Основная задача Gunicorn — запускать и поддерживать постоянную работу веб-приложений, написанных на Python.

Как работает Gunicorn:

• Веб-сервер принимает и обрабатывает HTTP-запрос браузера;
• Затем запрос передаётся в Gunicorn;
• Gunicorn получает данные от веб-сервера, разбирает их и исходя из своей конфигурации по протоколу WSGI передаёт их в веб-приложение;
• Веб-приложение обрабатывает полученные данные и возвращает результат работы обратно в Gunicorn;
• Gunicorn отдаёт результат веб-серверу, который возвращает клиенту готовую HTML-страницу.

Gunicorn легко совместим с различными веб-фреймворками, быстрый, прост в реализации и требует мало ресурсов сервера.

Подробнее👇

#фреймворки_библиотеки

@python_practics

Работа с выбросами

Обнаружение и устранение провалов в данных.

👍 - если было полезно

#полезные_сниппеты

@python_practics

Дилемма СТО: внедрять инновационные технологии или использовать проверенный стек

Есть поговорка, что разработчики трудятся по принципу «работает, не трогай», но откуда тогда появляются прорывные решения? Рассмотрим, как создаются быстрые и конкурентоспособные ИТ-продукты на реальных кейсах: обсудим ИИ-ассистентов, разговоры с Пушкиным (как в «Черном зеркале») и конечно затронем тему найма разработчиков.

Подробнее👇

#статьи

@python_practics

Всегда работает

#мемчики

@python_practics

Interpretable Machine Learning with Python, 2nd Edition: Build explainable, fair, and robust high-performance models with hands-on, real-world examples

Чему вы научитесь:

• Принципам интерпретируемого машинного обучения;
• Использованию библиотек Python для создания объяснимых моделей (например, SHAP, LIME);
• Внедрению практик обеспечения справедливости и устранения смещений в моделях;
• Применению реальных примеров для построения объяснимых и надежных моделей;
• Анализу и интерпретации результатов машинного обучения для принятия решений.

"Interpretable Machine Learning with Python, 2nd Edition" фокусируется на обучении созданию моделей машинного обучения, которые можно легко интерпретировать и объяснить. Вы научитесь использовать Python для разработки моделей, которые не только демонстрируют высокую производительность, но и обладают прозрачностью и справедливостью.

Книга в формате pdf👇

#курсы_книги

@python_practics