Внимание! - Вопрос!

Что такое code cohesion & code coupling?

Связанность модулей (coupling), часто называемую зацеплением, характеризует степень независимости модулей. При проектировании систем необходимо стремиться, чтобы модули имели минимальную зависимость друг от друга, т.е. были минимально «сцеплены» между собой. Это требование вытекает из одного из основных принципов системного подхода, требующего минимизации информационных потоков между подсистемами.

Связность (cohesion) характеризует целостность, «плотность» модуля, т.е. насколько модуль является простым с точки зрения его использования. В идеале модуль должен выполнять одну единственную функцию и иметь минимальное число «ручек управления». Примером модуля имеющего максимальную связность является модуль проверки орфографии, вычисления заработной платы сотрудника, вычисления логарифма функции. Если связанность является характеристикой системы, то связность характеризует отдельно взятый модуль.

#вопросы_из_собеседований

@python_practics

Кредитный калькулятор на Python

Полный код можно посмотреть по ссылке👇

#sandbox

@python_practics

Задача:

Завершите решение так, чтобы оно разделило строку на пары из двух символов. Если строка содержит нечетное количество символов, то следует заменить пропущенный второй символ в последней паре символом подчеркивания ('_').

Пример:

'abc' =>  ['ab', 'c_']
'abcdef' => ['ab', 'cd', 'ef']

#задачник

@python_practics

Проверка, является ли строка числом

Использует обработку исключений для определения, можно ли строку преобразовать в число.

👍 - если было полезно

#полезные_сниппеты

@python_practics

Внимание! - Вопрос!

Что такое lru cache?

LRU (least recently used) — это алгоритм, при котором вытесняются значения, которые дольше всего не запрашивались. Соответственно, необходимо хранить время последнего запроса к значению. И как только число закэшированных значений превосходит N необходимо вытеснить из кеша значение, которое дольше всего не запрашивалось.

#вопросы_из_собеседований

@python_practics

Ramp

Ramp (Rapid Machine Learning Prototyping) — фреймворк для предсказательной аналитики, который можно с успехом использовать для быстрого прототипирования машинного обучения. Это унифицированная платформа на основе Pandas для работы с существующими библиотеками машинного обучения и статистики Python (scikit-learn, rpy2 и т. д.).

Особенности Ramp:

• Модульная и расширяемая библиотека позволяет сравнивать производительность различных моделей с различными наборами данных и задачами.
• Ramp поддерживает несколько форматов ввода данных, включая базы данных CSV, Excel и SQL, что упрощает работу с различными типами данных.
• Быстрое кэширование и сохранение всех промежуточных и конечных вычислений.
• Ramp учитывает текущий обучающий набор даже при использовании сложных обученных функций и смешанных прогнозов, а также отслеживает заданный подготовительный набор.
• Растущая библиотека преобразований признаков, метрик и оценок.
• Среда для совместной работы специалистов.

Подробнее👇

#фреймворки_библиотеки

Конвертация списка кортежей в словарь

Преобразует список кортежей в словарь.

👍 - если было полезно

#полезные_сниппеты

@python_practics

Microsoft выпустил бесплатный курс по Model Context Protocol с практикой на Python, C# и Java

Microsoft запустил бесплатный практический курс по протоколу Model Context Protocol (MCP) с примерами на Python, C#, Java и TypeScript для разработки LLM-приложений и серверов MCP.

Подробнее👇

#статьи

@python_practics

Скорость интернета наглядно

#мемчики

@python_practics

Data Engineering with Databricks Lakehouse Cookbook: Hands-on recipes for building effective solutions using Apache Spark, Databricks, and Delta Lake

Чему вы научитесь:

• Созданию эффективных data pipeline на платформе Databricks Lakehouse;
• Работе с Apache Spark для обработки больших данных;
• Использованию Delta Lake для надежного хранения данных;
• Оптимизации производительности процессов обработки данных;
• Интеграции Databricks с другими инструментами экосистемы.

"Data Engineering with Databricks Lakehouse Cookbook" предоставит практические рецепты для построения эффективных решений в области инженерии данных с использованием современной платформы Databricks.

Книга в формате pdf👇

#курсы_книги

@python_practics

werf как альтернатива Kaniko для сборки образов в Kubernetes в вашей системе CI

Kaniko больше не поддерживается, поэтому авторы статьи предлагают обратить внимание на werf как современную альтернативу. Они подробно разобрали, чем werf отличается от других инструментов, почему он может быть удобнее для CI/CD в Kubernetes и как быстро начать его использовать в своих пайплайнах. Также рассмотрели примеры интеграции werf с популярными CI-системами.

Подробнее👇

#статьи

@python_practics