🧑💻 Статьи для IT: как объяснять и распространять значимые идеи
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
👍7
👍 Эффективная работа с JSON Lines в Python: сравнение библиотек
JSON — популярный формат для обмена данными, но его обработка в data science и data engineering может быть сложной. Часто данные представлены в виде JSON Lines (NDJSON), и первый шаг — преобразование их в dataframe.
В статье от Nvidia сравнивают производительность и функциональность Python-библиотек:
✅ pandas
✅ DuckDB
✅ pyarrow
✅ RAPIDS cuDF pandas Accelerator Mode
Результаты:
📊 cuDF.pandas показывает отличное масштабирование и высокую пропускную способность, особенно для сложных данных.
🔧 Широкий набор опций JSON-ридера в cuDF повышает совместимость с Apache Spark и упрощает обработку аномалий в JSON.
Статья: https://clc.to/m8Lsog
JSON — популярный формат для обмена данными, но его обработка в data science и data engineering может быть сложной. Часто данные представлены в виде JSON Lines (NDJSON), и первый шаг — преобразование их в dataframe.
В статье от Nvidia сравнивают производительность и функциональность Python-библиотек:
✅ pandas
✅ DuckDB
✅ pyarrow
✅ RAPIDS cuDF pandas Accelerator Mode
Результаты:
📊 cuDF.pandas показывает отличное масштабирование и высокую пропускную способность, особенно для сложных данных.
🔧 Широкий набор опций JSON-ридера в cuDF повышает совместимость с Apache Spark и упрощает обработку аномалий в JSON.
Статья: https://clc.to/m8Lsog
👍12❤3🔥1
🤔 Основы математики в Machine Learning / Deep Learning
🗓 6 марта приглашаем вас на прямой эфир, где мы подробно разберем ряд Тейлора, собственные векторы и другие ключевые понятия в ML.
(ссылка)
🌟 Спикер: *Мария Горденко* – Старший преподаватель ФКН НИУ ВШЭ, НИТУ МИСИС, аспирант департамента анализа данных и искусственного интеллекта ФКН НИУ ВШЭ, а также преподаватель на курсе Алгоритмы и структуры данных в proglib academy.
Место работы: Инженер-программист, ведущий эксперт НИУ ВШЭ, цифровой ассистент и цифровой консультант НИУ ВШЭ.
😮 На вебинаре вы узнаете:
🔵 Теорию вероятностей: обсудим случайные величины, вероятность, математическое ожидание и дисперсию.
🔵 Линейную алгебру: изучим векторы, матрицы, собственные векторы и собственные значения.
🔵 Математический анализ: разберем производные и разложение функций в ряд Тейлора.
🔵 Практику: применим полученные знания на реальных кейсах из области Machine Learning и Deep Learning.
🎯 Почему это важно?
Понимание математических основ помогает глубже разобраться в работающих под капотом алгоритмах ML/DL и эффективно применять их на практике.
👉 Присоединяйтесь к нам и совершенствуйте свои навыки в машинном обучении!
📌 Регистрация по ссылке: https://proglib.io/w/25a0a8c9
🗓 6 марта приглашаем вас на прямой эфир, где мы подробно разберем ряд Тейлора, собственные векторы и другие ключевые понятия в ML.
(ссылка)
🌟 Спикер: *Мария Горденко* – Старший преподаватель ФКН НИУ ВШЭ, НИТУ МИСИС, аспирант департамента анализа данных и искусственного интеллекта ФКН НИУ ВШЭ, а также преподаватель на курсе Алгоритмы и структуры данных в proglib academy.
Место работы: Инженер-программист, ведущий эксперт НИУ ВШЭ, цифровой ассистент и цифровой консультант НИУ ВШЭ.
😮 На вебинаре вы узнаете:
🔵 Теорию вероятностей: обсудим случайные величины, вероятность, математическое ожидание и дисперсию.
🔵 Линейную алгебру: изучим векторы, матрицы, собственные векторы и собственные значения.
🔵 Математический анализ: разберем производные и разложение функций в ряд Тейлора.
🔵 Практику: применим полученные знания на реальных кейсах из области Machine Learning и Deep Learning.
🎯 Почему это важно?
Понимание математических основ помогает глубже разобраться в работающих под капотом алгоритмах ML/DL и эффективно применять их на практике.
👉 Присоединяйтесь к нам и совершенствуйте свои навыки в машинном обучении!
📌 Регистрация по ссылке: https://proglib.io/w/25a0a8c9
❤3👍3
5 распространённых ошибок в Django
1️⃣ Не использование
❌ Ошибка: Неоптимизированные запросы к базе данных при работе с внешними ключами и многими ко многим, что приводит к неэффективным запросам (проблема N+1).
2️⃣ Недооценка возможностей Django Admin
❌ Ошибка: Недостаточное использование мощных функций интерфейса администрирования Django.
3️⃣ Обращение с QuerySets как с обычными списками
❌ Ошибка: Неправильное понимание работы QuerySets, что приводит к лишним запросам к базе данных.
4️⃣ Неверное обслуживание статических и медиа-файлов
❌ Ошибка: Использование Django для обслуживания статических и медиа-файлов в продакшене.
5️⃣ Использование `
❌ Ошибка: Использование
1️⃣ Не использование
select_related и prefetch_related для FK и M2M запросов❌ Ошибка: Неоптимизированные запросы к базе данных при работе с внешними ключами и многими ко многим, что приводит к неэффективным запросам (проблема N+1).
2️⃣ Недооценка возможностей Django Admin
❌ Ошибка: Недостаточное использование мощных функций интерфейса администрирования Django.
3️⃣ Обращение с QuerySets как с обычными списками
❌ Ошибка: Неправильное понимание работы QuerySets, что приводит к лишним запросам к базе данных.
4️⃣ Неверное обслуживание статических и медиа-файлов
❌ Ошибка: Использование Django для обслуживания статических и медиа-файлов в продакшене.
5️⃣ Использование `
.all() с большими или неупорядоченными наборами данных❌ Ошибка: Использование
.all() на моделях без дефолтного порядка или с большими наборами данных, что приводит к проблемам с производительностью.👍8❤2🔥1
Философия разработки: советы для разработчиков
В своей статье старший разработчик делится важными принципами, которые помогут избежать распространенных ошибок:
👍 Избегайте переписывания с нуля — распознавайте сложности заранее.
👍 Автоматизируйте хорошие практики — автоматические тесты помогут поддерживать стандарты и предотвратить ошибки.
👍 Учитывайте патологичные данные — ваш код должен справляться с любыми ситуациями, даже с самыми необычными входными данными.
👍 Ищите более простые решения — улучшайте код и ищите более элегантные способы решения задач.
👍 Пишите тестируемый код — минимизируйте побочные эффекты и обеспечьте чистоту интерфейсов.
Статья с деталями: https://clc.to/wSVV0A
В своей статье старший разработчик делится важными принципами, которые помогут избежать распространенных ошибок:
👍 Избегайте переписывания с нуля — распознавайте сложности заранее.
👍 Автоматизируйте хорошие практики — автоматические тесты помогут поддерживать стандарты и предотвратить ошибки.
👍 Учитывайте патологичные данные — ваш код должен справляться с любыми ситуациями, даже с самыми необычными входными данными.
👍 Ищите более простые решения — улучшайте код и ищите более элегантные способы решения задач.
👍 Пишите тестируемый код — минимизируйте побочные эффекты и обеспечьте чистоту интерфейсов.
Статья с деталями: https://clc.to/wSVV0A
👍12😁2🔥1
Forwarded from Библиотека девопса | DevOps, SRE, Sysadmin
🧠 Твоя БД скоро станет умнее тебя: 5 трендов open-source баз данных 2025
БД перестают быть просто хранилищем — теперь они оптимизируют запросы, автоматически анализируют данные и даже используют AI для прогнозов.
Какие фичи перевернут мир open-source БД в 2025? Узнайте в статье👇
🫢 Прочитать статью
🐸 Библиотека devops'a
БД перестают быть просто хранилищем — теперь они оптимизируют запросы, автоматически анализируют данные и даже используют AI для прогнозов.
Какие фичи перевернут мир open-source БД в 2025? Узнайте в статье👇
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍3🤩1
Полезный инструмент в Python — wraps из модуля functools.
✅ Это декоратор, который помогает сохранить имя и документацию функций, когда вы их декорируете.
👍 На первый взгляд, звучит как мелочь, но если вы пишете API или код, который будут использовать другие, это может сыграть важную роль.
✅ Это декоратор, который помогает сохранить имя и документацию функций, когда вы их декорируете.
👍 На первый взгляд, звучит как мелочь, но если вы пишете API или код, который будут использовать другие, это может сыграть важную роль.
👍10👏9❤4🥰1👾1
Визуализация пакетов PyPi — новый способ поиска библиотек
Если вы разрабатываете на Python, то наверняка используете PyPi. Мы нашли интересную визуализацию пакетов, которая делает процесс их изучения и поиска более удобным и наглядным.
✅ Графическая карта пакетов
✅ Удобный поиск и исследование зависимостей
✅ Возможность находить новые полезные библиотеки
📂 Исходный код и инструкции для воспроизведения тоже доступны.
Ссылка на проект: https://clc.to/uxDWGg
Если вы разрабатываете на Python, то наверняка используете PyPi. Мы нашли интересную визуализацию пакетов, которая делает процесс их изучения и поиска более удобным и наглядным.
✅ Графическая карта пакетов
✅ Удобный поиск и исследование зависимостей
✅ Возможность находить новые полезные библиотеки
📂 Исходный код и инструкции для воспроизведения тоже доступны.
Ссылка на проект: https://clc.to/uxDWGg
👍7❤2🔥1
Msgspec vs DataClasses: битва за лучшую сериализацию в Python
Msgspec и DataClasses — два популярных способа структурирования данных в Python.
В разборе:
⚡ Чем отличаются Msgspec и DataClasses?
⚡ Какой из них эффективнее?
⚡ Где лучше применять каждый?
📖 Читать статью: https://clc.to/MP1VxA
Msgspec и DataClasses — два популярных способа структурирования данных в Python.
В разборе:
⚡ Чем отличаются Msgspec и DataClasses?
⚡ Какой из них эффективнее?
⚡ Где лучше применять каждый?
📖 Читать статью: https://clc.to/MP1VxA
❤8👍1🔥1
Copier — инструмент для работы с шаблонами проектов
🔹 Что умеет Copier?
1. Работает с локальными путями и Git-репозиториями.
2. Позволяет динамически заменять значения в любых текстовых файлах.
3. Генерирует чистый вывод.
4. Безопасно обновляет файлы без перезаписи, если это не указано явно.
🔥 Готов к работе с Gitpod, CI, PyPI и Codecov.
Ссылка на проект: https://clc.to/55Ixlg
🔹 Что умеет Copier?
1. Работает с локальными путями и Git-репозиториями.
2. Позволяет динамически заменять значения в любых текстовых файлах.
3. Генерирует чистый вывод.
4. Безопасно обновляет файлы без перезаписи, если это не указано явно.
🔥 Готов к работе с Gitpod, CI, PyPI и Codecov.
Ссылка на проект: https://clc.to/55Ixlg
❤5👍3🔥1