Наш хороший друг нейросетевик в сфере NLP/speech, — 🏍 @chckdskeasfsd (Денис).
Написал пост на Хабре о проблеме омографов в ударениях.

А еще затронул важную проблему.
Почему в Open Source нет русских TTS с нормальными ударениями.
И вообще нет нормальных TTS.

🔗 Крч читаем, лайкаем, делимся: https://habr.com/ru/articles/767560/

UPD: Предлагаю набрать 1,000 🎉 в качестве поддержки

🎓 Задача по Python #44

Описание

Напишите программу, которая проверяет, является ли число числом Армстронга.

Число Армстронга — натуральное число, которое в данной системе счисления равно сумме своих цифр, возведённых в степень, равную количеству его цифр.

Пример:

3**3 + 7**3 + 1**3 = 371

Решение:

def armstrong_number(num):
sum = 0
length = len(str(num))
for digit in list(str(num)):
sum += int(digit)**length
return sum == num

Свой вариант решения в комментарии 💬

#задачи

☄️ TensorFlow - это библиотека с открытым исходным кодом, разработанная Google для создания и развёртывания моделей машинного обучения.

Это одна из самых популярных библиотек для искусственного интеллекта и машинного обучения, которая используется такими компаниями, как Airbnb, Intel и Twitter.

TensorFlow отлично подходит для построения нейронных сетей и моделей глубокого обучения, а также обладает широким спектром инструментов для построения и обучения моделей.

Как использовать TensorFlow для построения простой нейронной сети представлено на картинке.

🖤 Также у нас был часовой урок на ютубе про TensorFlow, — тык.

Ставится командой ⚙️ pip install tensorflow
Документация и примеры кода здесь

💖 Scikit-learn - это широко используемая библиотека для машинного обучения на Python. Она построена поверх NumPy и SciPy и предлагает широкий спектр инструментов для создания и оценки моделей машинного обучения. Scikit-learn отлично подходит для построения традиционных моделей машинного обучения, таких как линейная регрессия, деревья решений и кластеризация k-средних.

Как использовать scikit-learn, чтобы построить простую модель линейной регрессии представлено на картинке

Ставится командой ⚙️ pip install -U scikit-learn
Документация и примеры кода здесь

🎓 Задача по Python #45

Описание

Напишите программу, которая проверит, что две строки являются анаграммами.

Анаграмма - слово, которые получается путем перестановки букв другого слова.

Например:

мука - > кума

Решение:

def is_anagram(string1: str, string2: str):
return sorted(string1) == sorted(string2)

print(is_anagram('night', 'thing'))
print(is_anagram('cat', 'car'))

Свой вариант решения в комментарии 💬

#задачи

📌 Что такое асинхронное программирование в Python

Асинхронное программирование является подходом в разработке программного обеспечения, который позволяет одновременно выполнять несколько задач без блокирования основного потока выполнения. В Python это достигается с помощью асинхронной библиотеки asyncio и ключевых слов async и await.

Преимущества асинхронного программирования

Асинхронное программирование позволяет улучшить производительность приложения, особенно при работе с вводом-выводом (I/O), таким как чтение и запись файлов, обращение к базам данных и веб-сервисам.

Преимущества асинхронного программирования включают:

💖 Более эффективное использование ресурсов
💖 Улучшенная отзывчивость приложений
💖 Упрощение кода для параллельного выполнения задач

Основы асинхронного программирования в Python

Для использования асинхронного программирования в Python, необходимо знакомство с ключевыми словами async и await:

💖 async используется для объявления асинхронной функции. Это означает, что функция будет возвращать объект coroutine, который можно выполнить асинхронно.
💖 await используется внутри асинхронной функции для ожидания результата другой асинхронной операции. Это позволяет основному потоку продолжить выполнение других задач, пока ожидается результат.

🖥 Keras - это высокоуровневая библиотека нейронных сетей для Python.

Она создана поверх TensorFlow и предназначена для того, чтобы максимально упростить построение и обучение нейронных сетей.
Keras отлично подходит для построения моделей глубокого обучения и обладает широким спектром инструментов для построения и обучения моделей.

Как использовать Keras для построения простой нейронной сети представлено на картинке

Ставится командой ⚙️ pip install keras-core
Документация и примеры кода здесь

🐼 Pandas - это библиотека для обработки и анализа данных на Python.

Она широко используется для работы со структурированными данными и отлично подходит для очистки, преобразования и анализа данных. Pandas имеет широкий спектр инструментов для работы с данными, включая объекты dataframe и series, которые похожи на таблицы и столбцы в SQL.

Как использовать Pandas для загрузки и изучения набора данных представлены на фотографии

Ставится командой ⚙️ pip install cython
Документация и примеры кода здесь

⚡️ Что такое веб-скрапинг и как его использовать в Python

Изучите основы веб-скрапинга и примеры его использования в Python с помощью популярных библиотек BeautifulSoup и Scrapy.

Веб-скрапинг — это процесс извлечения данных из веб-страниц путем скачивания и анализа их содержимого. В Python для этого используются различные библиотеки, такие как BeautifulSoup и Scrapy. В этой статье мы рассмотрим основы веб-скрапинга и примеры его использования на языке Python.

Зачем нужен веб-скрапинг?

Веб-скрапинг может использоваться для различных целей, таких как:

💖сбор данных для анализа (например, статистика посещаемости сайтов)
💖мониторинг цен на товары и услуги
💖создание баз данных контента для исследований
💖автоматизация рутинных задач, связанных с работой в интернете

Основные библиотеки для веб-скрапинга в Python

💖BeautifulSoup: удобная библиотека для парсинга HTML и XML документов. Позволяет извлекать данные из веб-страницы с помощью селекторов, таких как CSS и XPath.
💖Scrapy: мощный фреймворк для веб-скрапинга, который позволяет создавать и настраивать «пауков» (специальные программы для автоматического обхода и скачивания веб-страниц).

Веб-скрапинг — это мощный инструмент для работы с данными в интернете. Python предлагает множество библиотек для упрощения этого процесса, таких как BeautifulSoup и Scrapy. Начните с изучения основ и постепенно переходите к более сложным задачам, чтобы стать опытным веб-скрапером.

В примере на картинке мы используем requests для скачивания HTML-кода страницы, затем передаем его в BeautifulSoup для парсинга. После этого мы находим все элементы <article> и извлекаем из них текст заголовка (элемент <h2>).

🎓 Задача по Python #46

Описание:

Напишите программу, которая проверит, что число является совершенным.
Совершенное число - натуральное число, равное сумме всех своих собственных делителей.
Например, число 6 равно сумме своих собственных делителей 1 + 2 + 3.

Примеры совершенных чисел:

6, 28, 496, 8128

Решение:

def get_divisors(num):
divisors = []
for i in range(1, num):
if num % i == 0:
divisors.append(i)
return divisors

def perfect_num(num):
divisors = get_divisors(num)
return num == sum(divisors)

print(perfect_num(6))
print(perfect_num(28))
print(perfect_num(496))
print(perfect_num(8128))

Свой вариант решения в комментарии 💬

#задачи

💖 Gensim - это библиотека для неконтролируемого тематического моделирования и анализа сходства документов на Python.

Она широко используется для таких задач, как обобщение текста, кластеризация документов и тематическое моделирование. Gensim обладает широким спектром инструментов для работы с текстовыми данными, включая word2vec и LDA (скрытое распределение Дирихле).

Как использовать Gensim для обучения модели word2vec представлено на фото

Ставится командой pip install --upgrade gensim
Документация и примеры кода здесь

Политота и до питона добралась :3

Теперь мы не питон, теперь мы бандеропитон 🐍

➡️Что такое регулярные выражения и как их использовать в Python

Регулярные выражения являются мощным инструментом для работы с текстом. Они позволяют искать, заменять и манипулировать строками на основе определенных шаблонов.

Некоторые основные символы и конструкции в регулярных выражениях:

▪️. (точка) — соответствует любому одному символу
▪️* (звездочка) — указывает, что предыдущий символ может повторяться 0 или более раз
▪️+ (плюс) — указывает, что предыдущий символ может повторяться 1 или более раз
▪️{n} — указывает, что предыдущий символ должен повториться ровно n раз
▪️[abc] — соответствует любому символу из указанных в квадратных скобках
▪️[^abc] — соответствует любому символу, кроме указанных в квадратных скобках
▪️\d — соответствует любой цифре
▪️\w — соответствует любому буквенно-цифровому символу
▪️\s — соответствует любому пробельному символу

Регулярные выражения (или regex) — это последовательность символов, которая определяет шаблон поиска в тексте. Они используются в различных языках программирования, включая Python.

В Python для работы с регулярными выражениями используется модуль re.
Вот некоторые основные функции этого модуля:

▪️re.search(pattern, string) — ищет в строке первое совпадение с шаблоном и возвращает объект Match или None, если совпадений нет
▪️re.findall(pattern, string) — возвращает список всех непересекающихся совпадений с шаблоном в строке
▪️re.sub(pattern, replacement, string) — заменяет все совпадения с шаблоном в строке на указанную замену