07.09.2020       Выпуск 351 (07.09.2020 - 13.09.2020)       Статьи
     07.09.2020       Выпуск 351 (07.09.2020 - 13.09.2020)       Статьи

Подборка статей о машинном обучении: кейсы, гайды и исследования за август 2020

Продолжаем собирать для вас материалы из области ML. Как и всегда предпочтение отдаем проектам, которые содержат ссылки на непустые репозитории, или предоставляют высокоуровневые API.

     07.09.2020       Выпуск 351 (07.09.2020 - 13.09.2020)       Видео

Sufficiently Advanced Testing / Zac Hatfield-Dodds (Australian National University)

Writing tests is a great start - but property-based testing libraries like Hypothesis can help you find bugs you didn't know were possible! There are even more advanced techniques out there, like symbolic execution, fuzzing, metamorphic relations, and delta-debugging. Come find out how they work, why you'd use them, and change the way you think about testing!

     07.09.2020       Выпуск 351 (07.09.2020 - 13.09.2020)       Статьи

Внедрение зависимостей в Python

Перевод: Jan Giacomelli — Python Dependency Injection Написание чистого, поддерживаемого кода — сложная задача

     05.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Вопросы и обсуждения
     05.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Релизы
     05.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Релизы
     05.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Статьи
     05.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Статьи

Определение положения и скорости тележки мостового крана с помощью цифровой камеры и OpenCV

В компьютерном зрении существует метод измерения расстояния до объекта без использования датчиков глубинны и стереокамер. В данной работе метод используется для определения положения и скорости тележки мостового крана.

Благодаря тому, что тележка оснащена энкодерами, я смогу показать, насколько точно работает данный метод, основанный на подобие треугольников. В статье показано как измерить дистанцию с помощью одной камеры, и как это можно использовать в практических задачах.

Тема посвящена моей дипломной работе в магистратуре, которую я писал два года назад.

     04.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Статьи

Заметки Дата Сайентиста: на что обратить внимание при выборе модели машинного обучения — персональный топ-10

Мы снова в эфире и продолжаем цикл заметок Дата Сайентиста и сегодня представляю мой абсолютно субъективный чек-лист по выбору модели машинного обучения. Это топ-10 свойств задачи и просто пунктов (без порядка в них), с точки зрения которых я начинаю выбор модели и вообще моделирование задачи по анализу данных. Совсем не обязательно, что у вас он будет таким же — здесь все субъективно, но делюсь опытом из жизни.

     04.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Статьи

Пайплайны и частичное применения функций, зачем это в Python

Одно из главных достоинств Python — его выразительность. Функциональные средства языка позволяют лаконично описывать преобразования над данными. На мой взгляд в Python не хватает некоторых инструментов, которые помогли бы удобнее описывать преобразования данных и дополнить функциональную составляющую языка, в частности "пайплайны функций" и их частичное применение. Поэтому в этом посте я лью воду о возможности и необходимости данных средств с экспериментами по их реализации. Пришёл во многом за критикой. Приятного чтения!

     04.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Видео

Все возможности JupyterHub для более чем 20 студентов или R&D-команды / Петр Ермаков

Особенности и лайфхаки настройки JupyterHub для большой Data Science-команды. Как правильно организовать работу на общих серверах. Даже если команда состоит из одного человека, вы вынесете новые хитрости. Но что, если вы не один? Как ужиться на одной машине 20 студентам, изучающим ML, или R&D-;команде из 15? Готовые рецепты, рекомендации и собранные грабли.

     04.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Статьи

Немного Сythonа

Дошли руки до Cythona, спасибо самоизоляции. Проблема прозаична — как ускориться на python с минимальными потерями в синтаксисе. Один из подходов — использование Сython (сместь С и python). Не давала покоя публикация с громким названием отсюда — habr.com/ru/company/ruvds/blog/462487 Но из содержания публикации мало что можно вынести, так как формулы и результирующая таблица неверны. Попробуем дополнить картину, начатую авторами поста и расставим точки над и.

     03.09.2020       Выпуск 350 (31.08.2020 - 06.09.2020)       Вопросы и обсуждения




Разместим вашу рекламу

Пиши: mail@pythondigest.ru

Нашли опечатку?

Выделите фрагмент и отправьте нажатием Ctrl+Enter.

Система Orphus