⚡️Всероссийский Хакатон ФИЦ 2024

🚀Попробуйте себя в одном из предложенных кейсов:
- Разработка алгоритма трекинга людей в видеопотоке с нескольких камер
- Цифровая карта подземных коммуникаций с использованием Cesium
- Симуляция записи в расписание
- Цифровой сервис для ведения реестра зеленых насаждений города Москвы
- Предсказание необходимого количества средств досмотра
- Система контроля и управления доступом
- Семантический делитель текстов
- Разработка сервиса печати этикеток для производителей одежды
И др. кейсы смотрите на сайте: https://фиц2024.рф/hackathon 

Хакатон пройдет в 2 этапа: Отборочный этап в Онлайн, Финал в Офлайн.

🏆Призовой фонд: 6 000 000 руб.
🔥Дедлайн регистрации: 26 ноября, 23:59
📅Даты отборочного этапа: 29 ноября - 2 декабря
🦾Даты финала: 3 - 4 декабря

Зарегистрируйтесь для участия в хакатоне: https://фиц2024.рф/hackathon

#реклама
О рекламодателе

⚡️Mesop — это фреймворк от Google, упрощающий создание AI веб-приложений на Python. Он ориентирован на ускоренную разработку AI-приложений и демонстрационных интерфейсов, не требуя навыков в JavaScript, CSS или HTML.

🚀Mesop поддерживает горячую перезагрузку, обеспечивая быструю настройку интерфейсов. Код создается с помощью Python, в том числе с использованием готовых компонентов и API для упрощенного подключения модели.

✅Лицензия: Apache-2.0

🌐Github

@pythonpythonjobs

🚀Chunkr — это инструмент на Python для обработки документов с использованием моделей компьютерного зрения, разработанный Lumina AI для извлечения сегментов и OCR из PDF

🎓Репозиторий предоставляет решение, которое позволяет быстро и эффективно обрабатывать документы с помощью Actix-сервера на Rust, поддерживая как GPU, так и CPU среды. Применяется для высокоточного извлечения данных из больших массивов документов, обеспечивая значительное ускорение и снижение затрат по сравнению с традиционными методами обработки данных

✅Лицензия: AGPL-3.0

🌐Github

@pythonpythonjobs

🚀 xlwings — библиотека Python для автоматизации работы с Microsoft Excel!

🦾 С помощью этой библиотеки можно управлять Excel из Python-скриптов, создавать макросы, импортировать и экспортировать данные, а также создавать пользовательские функции (UDF) для интеграции Python и Excel. Она полезна для автоматизации задач и создания динамических таблиц, работающих с большими объёмами данных.

✅ Лицензия: BSD-3-Clause

🌐Github

@pythonpythonjobs

Вакансии для специалистов и разработчиков Python

▪️Backend AQA engineer (Python)
Гибкий график
Python • Pytest • Robot Framework
Подробнее о вакансии

▪️QA Automation (Python)
Полная занятость • Удалённый формат работы
Python • Docker • Kubernetes
Подробнее о вакансии

▪️Data engineer (Python Hadoop Spark)
Гибкий график • Можно удалённо
Python • Apache Hadoop • SQL
Подробнее о вакансии

▪️Middle Python Developer [Bridge]
Полная занятость
Python • REST • RabbitMQ • Asyncio
Подробнее о вакансии

▪️Lead Python - разработчик в Рейнджеры
Удаленная работа • Полный день
Python • Django • PostgreSQL • Apache Airflow
Подробнее о вакансии

@pythonpythonjobs

⚡️Всероссийский Хакатон ФИЦ 2024

🚀Попробуйте себя в одном из предложенных кейсов:
- Разработка алгоритма трекинга людей в видеопотоке с нескольких камер
- Цифровая карта подземных коммуникаций с использованием Cesium
- Симуляция записи в расписание
- Цифровой сервис для ведения реестра зеленых насаждений города Москвы
- Предсказание необходимого количества средств досмотра
- Система контроля и управления доступом
- Семантический делитель текстов
- Разработка сервиса печати этикеток для производителей одежды
И др. кейсы смотрите на сайте: https://фиц2024.рф/hackathon 

Хакатон пройдет в 2 этапа: Отборочный этап в Онлайн, Финал в Офлайн.

🏆Призовой фонд: 6 000 000 руб.
🔥Дедлайн регистрации: 26 ноября, 23:59
📅Даты отборочного этапа: 29 ноября - 2 декабря
🦾Даты финала: 3 - 4 декабря

Зарегистрируйтесь для участия в хакатоне: https://фиц2024.рф/hackathon

🚀 Scrapling — это инструмент для веб-скрейпинга, предоставляющий набор готовых функций для сбора данных с веб-сайтов!

❗️Scrapling написан на Python и разработан с целью облегчить извлечение информации из HTML-страниц, делая процесс скрейпинга доступным даже для начинающих пользователей.

💥Особенности:

✅ Удобство использования — разработан для быстрого старта, не требуя сложной настройки.

✅ Множество предустановленных методов — функции для поиска элементов, анализа данных, работы с таблицами и текстовыми блоками.

✅ Минимальная зависимость от внешних библиотек — поддерживает основные методы работы с HTML, включая парсинг тегов, CSS-классов и идентификаторов.

✅ Простота и гибкость — позволяет пользователям создавать кастомные запросы и извлекать данные, подходящие для их целей.

🦾 Лицензия: BSD-3-Clause

🌐 Github

@pythonpythonjobs

🚀 20+ практических проектов Python для начинающих!

🏆 Разработайте огромное количество проектов — от простого калькулятора до разного рода игр и приложений вроде прогноза погоды!

🌐 Ссылка

@pythonpythonjobs

🚀Scikit-learn — это одна из самых популярных библиотек для машинного обучения на Python. Она предоставляет простой и эффективный инструментарий для анализа данных и построения моделей машинного обучения, включая методы классификации, регрессии, кластеризации, уменьшения размерности и многое другое. Scikit-learn разработана с учетом простоты использования и эффективности, что делает её идеальным выбором как для новичков, так и для опытных специалистов.

🦾Основные Особенности Scikit-learn:
- Широкий спектр алгоритмов: Библиотека включает алгоритмы для supervised и unsupervised обучения, такие как SVM, Decision Trees, Random Forests, K-Means, и многие другие.
- Удобный интерфейс: Scikit-learn предлагает последовательный и интуитивно понятный API, что упрощает процесс обучения моделей и их оценки.
- Инструменты для предобработки данных: Библиотека включает функции для обработки данных, такие как нормализация, кодирование категориальных переменных, заполнение пропусков и т.д.
- Мощные средства для оценки моделей: Scikit-learn предоставляет различные метрики для оценки качества моделей, такие как точность, F1-score, ROC-AUC и другие.

🎓Полезные Ссылки и Ресурсы:
Официальная документация:
https://scikit-learn.org/stable/ — основное руководство по библиотеке, где вы найдете подробные описания всех функций и методов.

Гайды и учебные пособия:
https://www.udacity.com/course/machine-learning-engineer-nanodegree--nd009 — курс на Udacity, охватывающий основные алгоритмы машинного обучения с использованием Scikit-learn.
https://towardsdatascience.com/how-to-use-scikit-learn-for-machine-learning-c7e805fa5527 — статья на Towards Data Science, предлагающая введение в использование Scikit-learn для машинного обучения.

Примеры и проекты:
https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ — книга от Aurélien Géron, содержащая практические примеры и проекты с использованием Scikit-learn.
https://www.kaggle.com/learn/scikit-learn — курс на платформе Kaggle, который поможет вам освоить Scikit-learn на практике через интерактивные задачи.

Сообщество и форумы:
https://stackoverflow.com/questions/tagged/scikit-learn — раздел форума Stack Overflow, где обсуждаются вопросы и проблемы, связанные с использованием Scikit-learn.
https://github.com/scikit-learn/scikit-learn — репозиторий на GitHub, где вы можете найти исходный код, проблемы и новые функции, а также получить помощь от разработчиков и сообщества.

Scikit-learn — это мощный инструмент для любого, кто хочет заняться машинным обучением на Python. С множеством доступных ресурсов, этот инструмент становится простым и доступным даже для новичков в данной области.

@pythonpythonjobs

🚀Odoo — большая платформа на Python с открытым исходным кодом для управления бизнес-процессами, включающую множество модулей для управления продажами, складом, бухгалтерией, проектами, CRM и другими аспектами! Odoo разработан как ERP-система, которую можно расширять и адаптировать под различные бизнес-потребности.

✅Лицензия: LGPLv3

🌐Github

@pythonpythonjobs

🚀DocETL — это инструмент на Python для создания и выполнения конвейеров обработки данных, особенно подходящий для сложных задач обработки документов.

🦾Он применяет подходы с минимальным кодом и YAML для упрощенного управления потоками данных, обеспечивая модульность и возможность повторных попыток обработки данных при сбоях

✅ Лицензия: MIT

🌐Github

@pythonpythonjobs