Посмотрите, как Google отслеживает ваше местоположение. С Python, Jupyter, Pandas, Geopandas и Matplotlib
Мы используем Google для почты, карт, фотографий, хранилищ, видео и многого другого. Мы используем Twitter, чтобы читать поток сознания одного президента. Мы используем Facebook для обмена сообщениями и… ну, почти все. Но наши родители пользуются им. Мы используем TikTok… Понятия не имею, зачем.
Статья
Мы используем Google для почты, карт, фотографий, хранилищ, видео и многого другого. Мы используем Twitter, чтобы читать поток сознания одного президента. Мы используем Facebook для обмена сообщениями и… ну, почти все. Но наши родители пользуются им. Мы используем TikTok… Понятия не имею, зачем.
Статья
В 2021 году так мало годного дизайна, что его собирают в отдельном канале.
Только лучший дизайн, мусора нет.
Дизайнеры, блогеры, фрилансеры — этот канал для вас: @Dribbbuble
Только лучший дизайн, мусора нет.
Дизайнеры, блогеры, фрилансеры — этот канал для вас: @Dribbbuble
Популярные Python библиотеки, которые помогут сэкономить время
Машинное обучение и разработка программного обеспечения - это большая часть всех проектов с открытым исходным кодом, созданных с помощью Python. Вот подборка лучших библиотек.
1.TensorFlow
2. Keras
3. Scikit-learn
4. Django
5. Flask
6. Tornado
7. Pandas
8. Kivy
Машинное обучение и разработка программного обеспечения - это большая часть всех проектов с открытым исходным кодом, созданных с помощью Python. Вот подборка лучших библиотек.
1.TensorFlow
2. Keras
3. Scikit-learn
4. Django
5. Flask
6. Tornado
7. Pandas
8. Kivy
Создайте средство проверки на плагиат с помощью машинного обучения
Используя машинное обучение, мы можем создать нашу собственную программу проверки на плагиат, которая выполняет поиск украденного контента в огромной базе данных. В этой статье мы сделаем демонстрационное приложение для этой цели.
Статья
Используя машинное обучение, мы можем создать нашу собственную программу проверки на плагиат, которая выполняет поиск украденного контента в огромной базе данных. В этой статье мы сделаем демонстрационное приложение для этой цели.
Статья
🌤Погода бот на python
На тему телеграмм ботов много материал, но погода бота я не находил и поэтому для себя и своих братьев написал свой собственный бот на Python.
GitHub
Статья с объяснением
На тему телеграмм ботов много материал, но погода бота я не находил и поэтому для себя и своих братьев написал свой собственный бот на Python.
GitHub
Статья с объяснением
Крутые GitHub репозитории в области машинного обучения
GitHub - это прекрасное место для того чтобы узнать что-то новое, найти что-то полезное для нынешних и вдохновиться для будущих проектов. Этот список крутых проектов является всего лишь маленькой частью того разнообразия интересных репозиториев в области ML, которые можно найти на гитхабе.
✅ XLearn
Python - это язык, на котором пишут большинство в области машинного обучения и data science. И это прекрасный язык - простой, читабельный, со своим собственным стандартом PEP8. Но у этого языка есть существенный недостаток - его скорость. Поэтому, если вам нужно, чтобы ваш ML проект был быстрым и, в тоже время, был написан на питоне, то библиотека XLearn создана специально для вас. Она имеет под копотом C++ и, как утверждают разработчики, может увеличить скорость работы кода в 5-13 раз по сравнению с аналогичными питоновскими ML библиотеками.
✅ Prophet
Это довольно известная утилита, созданная фейсбуком для автоматического предсказания временных рядов. Самое интересное, это то, что Prophet может легко работать с пропусками в данных. Также - это open-source проект, с поддержкой IT-гиганта, что дает некоторую свободу для творчества.
✅ Seqlearn
Еще одна библиотека для работы с рядами. Seqlearn прост в использовании - он написан на основе Numpy и Scikit-Learn.
GitHub - это прекрасное место для того чтобы узнать что-то новое, найти что-то полезное для нынешних и вдохновиться для будущих проектов. Этот список крутых проектов является всего лишь маленькой частью того разнообразия интересных репозиториев в области ML, которые можно найти на гитхабе.
✅ XLearn
Python - это язык, на котором пишут большинство в области машинного обучения и data science. И это прекрасный язык - простой, читабельный, со своим собственным стандартом PEP8. Но у этого языка есть существенный недостаток - его скорость. Поэтому, если вам нужно, чтобы ваш ML проект был быстрым и, в тоже время, был написан на питоне, то библиотека XLearn создана специально для вас. Она имеет под копотом C++ и, как утверждают разработчики, может увеличить скорость работы кода в 5-13 раз по сравнению с аналогичными питоновскими ML библиотеками.
✅ Prophet
Это довольно известная утилита, созданная фейсбуком для автоматического предсказания временных рядов. Самое интересное, это то, что Prophet может легко работать с пропусками в данных. Также - это open-source проект, с поддержкой IT-гиганта, что дает некоторую свободу для творчества.
✅ Seqlearn
Еще одна библиотека для работы с рядами. Seqlearn прост в использовании - он написан на основе Numpy и Scikit-Learn.
Препарирование нейронок, или TSNE и кластеризация на терабайтах данных
У вас продакшн нейронные сети, терабайты данных? Вам хочется понять, как работает нейронная сеть, но на таком объеме это сложно сделать? Сложно, но можно. Мы в NtechLab находимся именно в той ситуации, когда данных так много, что привычные инструменты интроспекции нейронных сетей становятся не информативны или вовсе не запускаются. У нас нет привычной разметки для обучения атрибутов. Но нам удалось вытащить из нейронной сети достаточно, чтобы классифицировать все имеющиеся данные на понятные человеку и учтенные нейронной сетью атрибуты. В этом посте мы расскажем, как это сделать.
У вас продакшн нейронные сети, терабайты данных? Вам хочется понять, как работает нейронная сеть, но на таком объеме это сложно сделать? Сложно, но можно. Мы в NtechLab находимся именно в той ситуации, когда данных так много, что привычные инструменты интроспекции нейронных сетей становятся не информативны или вовсе не запускаются. У нас нет привычной разметки для обучения атрибутов. Но нам удалось вытащить из нейронной сети достаточно, чтобы классифицировать все имеющиеся данные на понятные человеку и учтенные нейронной сетью атрибуты. В этом посте мы расскажем, как это сделать.
🤿🐍Дайвинг в Python: история одного опыта.
« Недавно я приступила к изучению одного из самых распространённых, а, согласно некоторым источникам, и самого популярного на 2021-й год языка программирования — Python. В данной статье мне бы хотелось рассказать о своем пути в его изучении. Ввиду того, что «я не волшебник, я только учусь» (дисклеймер – я могу ошибаться), данная статья – лишь субъективное видение ситуации на данный момент. »
статья
« Недавно я приступила к изучению одного из самых распространённых, а, согласно некоторым источникам, и самого популярного на 2021-й год языка программирования — Python. В данной статье мне бы хотелось рассказать о своем пути в его изучении. Ввиду того, что «я не волшебник, я только учусь» (дисклеймер – я могу ошибаться), данная статья – лишь субъективное видение ситуации на данный момент. »
статья
