​​🐍Кратко про Nameko Python

В этой статье автор расскажет о фреймворке Nameko для Python, который предлагает удобные инструменты для создания микросервисов, ориентированных на сообщения и события.

Читать...

​​🫥Алгоритмы AdaBoost (SAMME & R2). Принцип работы и реализация с нуля на Python

В этой статье вы узнаете о принципе работы алгоритма AdaBoost, основанного на концепции бустинга.

Читать...

​​🐻‍❄️Быстрее Pandas в 10 раз: Polars – высокопроизводительная библиотека для анализа больших данных на Python

В этой статье автор расскажет о библиотеке Polars, которая является высокопроизводительной альтернативой библиотеке Pandas для анализа больших данных на Python.

Читать...

​​📊Основные типы распределений вероятностей в примерах

Из этой статьи вы узнаете об основных типах распределений вероятностей, их примерах и способах генерации на Python.

Читать...

​​🤖Предварительная обработка данных для машинного обучения

В данной статье рассмотрим пример предобработки данных для дальнейшего исследования, например, использование метода кластеризации.

Читать...

​​🌎Open Source спутниковая интерферометрия PyGMTSAR (Python InSAR)

В этой статье автор расскажет о PyGMTSAR - открытая платформа для спутниковой интерферометрии, реализованная на Python.

Читать...

​​🤖Как создать память для вашего чат-бота на Python с помощью графов знаний

Из этой статьи вы узнаете, как создать память для чат-бота на Python с помощью графов знаний, что такое узлы, ребра, типы узлов и связей, веса связей, а также как использовать графы знаний для улучшения работы чат-бота.

Читать...

​​🎩Hatchet: новый король распределения задач, который затмит Celery

В этой статье автор расскажет о новой системе распределения задач под названием Hatchet, которая предлагает эффективную альтернативу устаревшим менеджерам очередей, таким как Celery.

Читать...

​​🚀Niquests: новый стандарт HTTP-клиентов в Python, превосходящий Requests

В этой статье вы узнаете о новой библиотеке для HTTP-запросов в Python, называемой Niquests, которая превосходит Requests по производительности, безопасности и удобству использования.

Читать...

​​🛡Как сделать Flask-приложение неуязвимым: полное руководство по защите от хакерских атак

В этом руководстве мы собрали самые важные советы по защите ваших Flask-приложений от потенциальных брешей, включая способы реализации CSRF-защиты.

Читать...

​​⛓ Цепи Маркова: генерирование читабельной бессмыслицы за 20 строк на Python

В этой статье научимся генерировать осмысленные, но в то же время абсурдные фразы и предложения с помощью цепи Маркова.

Читать...

​​🌳Дерево решений (CART). От теоретических основ до продвинутых техник и реализации с нуля на Python

В этой статье вы узнаете о том, как проводится процесс обрезки деревьев для улучшения их обобщающей способности.

Читать...

​​💻Универсальные типы в python

В этой статье я рассмотрю различные примеры использования универсальных типов, а также постараюсь доступно описать в чем разница между инвариантностью, ковариантностью и контравариантностью.

Читать...

​​🤔Как перезапускать PySpark-приложение и зачем это может понадобиться

В этой статье я поделюсь способом, с помощью которого можно снизить потребление ресурсов кластера за счёт перезапуска PySpark-приложений между выполняемыми Spark-задачами, и расскажу, как это делать правильно.

Читать...

​​👾Введение в нейросети: что, зачем и как?

В этой статье вы узнаете основы работы нейронных сетей, процесс прямого и обратного распространения ошибки, роль функций активации, применение нейронных сетей для распознавания цифр на изображениях, использование библиотеки numpy для реализации нейронной сети на Python, подготовку данных для обучения, оптимизацию параметров обучения и оценку точности работы нейронной сети.

Читать...

​​👤Propensity score matching: как оценивать маркетинговые кампании, если невозможно провести A/B тесты

В этой статье я расскажу, как оценивать маркетинговые кампании, если провести A/B-тесты нельзя.

Читать...

​​💾Синтетическое генерирование данных (SMOTE)

В этой статье вы узнаете о методе синтетического генерирования данных с использованием алгоритма SMOTE, который помогает решать проблему несбалансированных классов в обучающих данных.

Читать...

​​🧐Разница между pool.map и pool.map_async в Python

В этой статье автор расскажет о различии между методами pool.map и pool.map_async модуля multiprocessing.Pool в Python, их особенностях и примерах использования.

Читать...

Научитесь эффективно использовать нейросети в своей работе. Приглашаем на бесплатный мини-курс Skillbox «Data Science с нуля: пробуем профессии на практике за 5 дней». Окунитесь в сферу IT и решите, какая специальность вам ближе.

🎁 Регистрация по ссылке: https://epic.st/5qhiM_?erid=2VtzqxNWRzf

Чем займётесь на мини-курсе? Узнаете, где востребована наука о данных, и разберётесь в различиях её основных направлений. Освоите азы главного языка Data Science — Python, а также визуализируете с помощью него данные. Изучите базовые конструкции языка SQL и наконец поймёте, как же работают нейросети.

В знакомстве с профессиями вас будет сопровождать Анастасия Борнева — руководитель направления по исследованию данных в «Сбере». В финале мини-курса в прямом эфире она разберёт практические задания и ответит на все вопросы.

🎉 Все участники получат крутые бонусы и подарки!

Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880

​​✍️ Как написать отличную документацию: 2 впечатляющих примера с открытым исходным кодом

В этой статье мы рассмотрим два open-source проекта с образцовой документацией, на которые стоит равняться каждому разработчику.

Читать...