Собрали в одном месте самые важные ссылки
читайте нас в Telegram
Python генератор документации. Скачать можно по ссылке: https://pypi.python.org/pypi/Sphinx/
(20.02.2017 - 26.02.2017)
В статье рассмотрены возможности Google Slider API для создания презентаций
Статья описывает как использовать Deep Learning техники для написания интеллектуальных ботов для игр
Обзорная статья про возможности разных CI систем
Приветствую тебя %username%. Прочитав статью о способах обхода sudo, решил тоже попробовать описать нечто подобное, но для языка Python. Спасибо root-me за такие задачки. Решая их, можно многое узнать о работе того или иного механизма. Прошу строго не судить, это моё первое творение.
Начнём!
Data Science — это совокупность понятий и методов, позволяющих придать смысл и понятный вид огромным объемам данных.
Каждая из глав этой книги посвящена одному из самых интересных аспектов анализа и обработки данных. Вы начнете с теоретических основ, затем перейдете к алгоритмам машинного обучения, работе с огромными массивами данных, NoSQL, потоковым данным, глубокому анализу текстов и визуализации информации. В многочисленных практических примерах использованы сценарии Python.
Мне выпала честь сделать первый пост, и я, пожалуй, отклонюсь от своей привычной нейросетевой тематики и сделаю пост о базовых понятиях машинного обучения на примере одной из самых простых и самых полезных моделей — линейной регрессии. Я буду использовать язык питон для демонстрации экспериментов и отрисовки графиков, все это вы с легкостью сможете повторить на своем компьютере. Поехали.
В пилотной части я рассказал о задаче как можно подробнее. Рассказ получился долгим и беспредметным — в нем не было ни одной строчки кода. Но без понимания задачи очень сложно заниматься оптимизацией. Конечно, некоторые техники можно применять, имея на руках только код. Например, кешировать вычисления, сокращать ветвления. Но мне кажется, что некоторые вещи без понимания задачи просто никогда не сделать. Это и отличает человека от оптимизирующего компилятора. Поэтому ручная оптимизация все еще играет огромную роль: у компилятора есть только код, а у человека есть понимание задачи. Компилятор не может принять решение, что значение "4" достаточно случайно, а человек может.
Короткая статья, которая поможет настроить Sublime Text для более-удобного написания Python кода
В статье рассматривается, как делать QuerySet'ы с фильтрами по времени.
Проект-платформа для извлечения информации из видео
Модуль для работы с многомерными массивами. Изменения описаны по ссылке https://allmychanges.com/p/python/numpy/#1.12.1. Скачать можно по ссылке: http://pypi.python.org/pypi/numpy/
http клиент/сервер для asyncio. Изменения описаны по ссылке https://allmychanges.com/p/python/aiohttp/#1.3.2. Скачать можно по ссылке: https://pypi.python.org/pypi/aiohttp
Проверка IFC моделей по требованиям IDS
Компилятор за выходные: синтаксический анализатор Уорли
Простые лайфхаки для автоматизации работы с помощью Python
Poetry vs UV: удобство или скорость?
Python Bytes: #420 90% Done in 50% of the Available Time
Инновации в тестировании САПР: путь к созданию автоматизированного решения для тестирования
Простыми словами о методе максимального правдоподобия и информации Фишера
Смогу ли я уложить оптимизирующий компилятор в тысячу строк питона? Прогон первый: mem2reg
Автомодерация изображений: как исправлять нарушения, сохраняя количество и качество контента
Сводка pythonz 09.02.2025 — 16.02.2025
Как создать скрипт-beautifier в Ghidra на Python?
Порядок работы с устареванием ML моделей. Шаг 2: Создание надежных и долговечных моделей