Amazing Python 🐍
914 subscribers
131 photos
894 links
Только крутые скрипты.👊
Только промышленный код. ‍💻
Только интерактивный подход .🐍


По рекламе @adtgassetsbot
Владелец @Aleksei

Второй канал @python_lounge
Другие языки @cccoding
Веб/Фронтенд/Фулстек @webchic
Download Telegram
​​​Flask Weather App ☀️ ⛱

Это приложение Flask (Python), которое автоматически определяет местную погоду на основе внешнего IP-адреса пользователя.

GitHub
​​​🐍 Дорожная карта Python-разработчика

В нашей версии дорожной карты рассказываем, в каком порядке нужно изучать Python, чтобы пройти путь от основ до веб-разработки, тестирования, науки о данных или машинного обучения.

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
​​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
​​​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
​​​Анализ и визуализация данных в финансах — анализ ETF с использованием Python

С
проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

Статья
​​​Пишем свой блокчейн

понять блокчейн непросто - по крайней мере, не для меня. Я пробирался через тупые видео, следовал руководствам и разочаровывался из-за слишком малого количества примеров.

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
​​​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.
​​​Проверка сложности паролей на Python

Пользователи
очень любят простые пароли. Причины этого могут быть разные - кто-то просто не задумывается о сложности пароля, кому-то лень запоминать, а кому-то просто нравится когда в качестве пароля используется распространенное, но крутое слово.
Статья
​​​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.
​​​🤿🐍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