Python RU

🖥 Обучаем нейросеть угадывать, что изображено на картинке при помощи TensorFlow

📌 Видео
📌 Код
📌 Урок

@pro_python_code

🔥 Дайджест полезных материалов из мира Python за неделю

Почитать:
— Как в 180 000 раз ускорить анализ данных с помощью Rust
— 5 лучших функций создания массивов в Numpy для начинающих
— Как мы заинжектили кнопку на Behance
— “Ну и долго мне ещё до магазина?” Или пара слов о геоинформационном анализе с помощью Python
— Борьба с несбалансированными данными
— Головоломки на Python: Увлекательный Путь к Мастерству в Программировании
— Celery: изучаем на реальных примерах ч.1
— Реализация консенсусного алгоритма Raft
— Как написать новостной Телеграм-канал если ты не программист. Часть первая
— Как получить полезную информацию из своих категориальных признаков?
— Что выбрать новичку: Python или Java?
— Exploring Random Number Generation with Different Distributions in Python
— Cryptocurrency exchange development
— What is Python Turtle Graphics?
— The Django Project Folder and Files Structure and Architecture 1
— ⚔️ Poetry vs Pip
— [Python] Project ideas for every level of advancement
— Something I Learned This Week: The dev.to API
— Placeholder Contributor!
— Placeholder Contributor!
— Beyond Observability: Modifying Syscall Behavior with eBPF - My Precious Secret Files

Посмотреть:
🌐 Прогнозирование цены биткоина при помощи VAR, XGBoost, FB Prophet (⏱ 20:29)
🌐 Django настройка админки (⏱ 06:55)
🌐 Задача на палиндром строки на C++ (⏱ 00:59)
🌐 Django расширяем функционал! (⏱ 07:03)
🌐 Задание 26 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:28)
🌐 Решаем СтатГрад от 24.10.2023 | ЕГЭ-2024 по информатике (⏱ 02:12:59)
🌐 ИСПОЛЬЗУЕМ CHATGPT БЕСПЛАТНО С PYTHON (⏱ 05:15)

Хорошего дня!

@pro_python_code

🖥 Django настройка админки

https://www.youtube.com/watch?v=AZPuziTI6HE

@pro_python_code

🐍 Совет #Python:

Хотите распечатать календарь на определенный месяц? Используйте встроенный в Python модуль календаря!

@pro_python_code

🖥 Django расширяем функционал!

https://www.youtube.com/watch?v=_NEbP5dOwsk

@pro_python_code

🔥 Дайджест полезных материалов из мира Python за неделю

Почитать:
— Событийное логирование для аналитики и мониторинга работы телеграм-бота
— Что расскажут на PiterPy 2023: много питонов и немного ржавчины
— Классификация текстов в spaCy: пошаговая инструкция
— Как создать черный список для токенов JWT в Django
— API от А до Я (теория и практика)
— Распознавание речи (транскрибация) по аудиозаписям диалогов. Whisper. Личный опыт
— Решение школьных задач по химии в Python
— Мне пожизненно забанили рекламу в Meta**. Потому что я преподаю Python
— Как Guidance выводит ИИ на новый уровень: инструмент для эффективного управления моделями
— Упрощаем подключение линтеров в пайплайны Gitlab CI
— Weekly Dev Findings 10
— How to Create a Django Project and Application.
— Setting Sail with a CMS called 'Wagtail'
— How-to Setup and Use Python with OBS on a Mac
— Beautiful is better than ugly, but my beginner code is horrible
— Consultation from Django experts
— I knew a boy who made all the wrong choices
— Your Face, Your Anime: Move Together 💫
— Elastic D&D - Week 9 - FastAPI
— Introduction to Quantum Computing

Посмотреть:
🌐 Пишем телеграм бота для скачивания #yotube видео (⏱ 20:41)
🌐 Django гайд по формам (⏱ 10:32)
🌐 【コラボ配信】当たり前の行動が禁止される！？狂った世界でPVPバトル！ゲスト：えばそんさん、帆立さん、mmmさん (⏱ 02:04:45)
🌐 Python для начинающих. Урок 13 | Кортежи (⏱ 20:30)
🌐 Python Selenium | Новая фича Selenium | Где брать драйвера | Selenium manager #shorts (⏱ 01:01)
🌐 Как стать крутым разработчиком за 1 месяц и зарабатывать много денег? #shortsfeed #shorts (⏱ 00:10)

Хорошего дня!

@pro_python_code

💸 Прогнозированию биткоина при помощи VAR (векторной авторегрессии), XGBoost и Facebook Prophet.

▪ Видео
▪ Код из видео

@pro_python_code

🖥 Google Drive Uploader Telegram Bot

Загружаем все файлы из мессенджера в облако.

Интересный бот на Python , который автоматически выгружает пересланные ему файлы в Google Drive.

git clone https://github.com/viperadnan-git/google-drive-telegram-bot

• Github

@pro_python_code

📒 GigaChat нового поколения.

Разработчики @gigachat_bot изменили подход к обучению модели, а потому практически все умения модели были улучшены. В частности, речь идет о сокращении текстов, ответов на вопросы и генерации идей.

Появился и бот GigaChat в социальной сети «ВКонтакте» — после активации, его можно использовать для самых разных целей: от создания текстов до генерации изображений (за счет интеграции с Kandinsky).

Число уникальных пользователей GigaChat достигло 1 млн.

• Попробовать

@data_analysis_ml

Парсинг на Python

1. Быстрый Парсинг с библиотекой Polars на Python
2. Продвинутый парсинг. Обход блокировки
3. Полный Гайд по парсингу на Python: от азов до продвинутых техниик,. Часть 1
4. Полный Гайд по парсингу на Python: Практика. Часть 2
5. Практика парсинга Python
6. Большой гайд по парсингу на Python. Часть 3 Работаем с selenium
7. Уроки Парсинга на Python Сравниваем Scrappy и bs4
8. Продвинутый парсинг на Python со сменой прокси
9. Многопоточный парсер на Python. ООП подход
10. Асинхронный парсинг сайтов на Python

#video #python

https://www.youtube.com/watch?v=dqEHY9zKc8M&list=PLysMDSbb9HcwWWhs1Cm9EF1sv0fo8kII5

@pro_python_code

📃 Генерация отчетов графовой аналитики в формате PDF с помощью Python

Создание отчетов графовой аналитики является важной частью работы многих проектов и бизнес-процессов.
Однако, процесс создания и настройки таких отчетов может быть сложным и требовать больших усилий.

Рассмотрим, как использование языка программирования Python и его библиотек может значительно упростить генерацию отчетов графовой аналитики в формате PDF.

Для работы с PDF в Python есть множество библиотек, самые популярные из них: PyPDF2, ReportLab, FPDF.

Сравнение основных библиотек: в изображении.

По совокупным критериям для дальнейшего разбора мной была выбрана библиотека ReportLab.

Одной из самых популярных библиотек для работы с графами в Python является NetworkX. Она предоставляет широкий набор инструментов для создания и анализа графов. Ее и буду использовать для создания графа и анализа данных.

В посте приведен код, необходимый для воспроизведения. Полный код доступен по ссылке.

Данные сгенерирую с помощью Python.
Пусть будет 500 операций, где будет информация об отправителе, получателе, сумме операции и флаг подозрительности операции.

df_dict = {}
count_operation = 500
for i in range(count_operation):
df_dict[i] = {'reciver' : random.randint(1, count_operation/2),
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}

Добавлю 100 переводов, где получателем будет клиент 1, а отправителем- любой другой клиент из основного датасета:

for i in range(100):
df_dict[i] = {'reciver' : 1,
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}
df = pd.DataFrame().from_dict(df_dict).T

Получится вот такой датасет:

Смотреть

🔵 Пишем телеграм бота для скачивания #yotube видео

📌Видео

• Папка отборных каналов для Python разработчиков -https://t.me/addlist/8vDUwYRGujRmZjFi
• Cсылка на бота: @Youtubedtg_bot
• Полный код бота: https://github.com/Develp10/telegramyoutubebot

@pro_python_code

🐍 Mastering Financial Engineering: От моделирования на Python к интерактивным приложениям

Финансовый инжиниринг включает в себя сложные вычисления и моделирование для анализа и решения финансовых проблем.

Независимо от того, являетесь ли вы студентом или начинающим специалистом в области финансов, очень важно не только понимать концепции, но и профессионально представлять свою работу.

В этой статье мы рассмотрим, как с помощью Python превратить простой код моделирования цены опциона Монте-Карло в развернутое приложение. Это не только улучшит ваше понимание, но и поможет эффективно донести финансовые концепции с помощью визуализаций и пользовательских приложений.

Предварительный вариант приложения, которое вы сможете создать к концу этого урока: в изображении.

1. Организуйте рабочее пространство
Шаг 1.1: Создание выделенной папки

Начните с создания специальной папки для вашего проекта по финансовой инженерии. Организация работы в структурированном виде необходима для эффективной разработки.

Далее

🔥 Дайджест полезных материалов из мира Python за неделю

Почитать:
— RestApi от мала до велика. А ты правильно проектируешь методы?
— Сравнение методов веб-скрепинга для данных Википедии: Beautiful Soup против WikipediaAPI
— Как я проектирую и разрабатываю расширения Python на Rust
— Построение ML-пайплайна для рекомендательной системы с помощью Google Cloud Platform
— Как PaaS решил проблемы стандартизации разработки сервиса одной утилитой
— Введение в библиотеку Diffusers и диффузионные модели
— «Консервируем» данные: сравниваем модуль pickle и альтернативные способы сериализации
— Сбер. Как некрасиво поступить на конкурсе красоты
— Что я понял на первой работе программистом / Мои советы Junior-разработчикам
— Swirl для анализа корпоративных данных: как мы использовали ИИ-поиск и что из этого вышло
— MLOps на примере прогноза движений акций с помощью MLRun
— Tuning Out Spotify: A Programmer’s Approach to Music Streaming
— Automating Python Deployments with GitHub Actions, AWS ECR, and AWS Lambda
— Weekly Dev Findings 9
— Infinite Scroll Pagination in Django with HTMX
— Reflex: 10 Minute Docs Audit
— Milvus Adventures | October 13, 2023
— Docker with Python for Dummies
— CS61A: Projeto HOG (Parte 1)
— Keep It Uplifting podcast. James “Uplifting” Edwards explores the intersection of lifestyle and success with Richard Blank.
— Testando testes no Python - Parte 3: Pytest dentro do Pytest

Посмотреть:
🌐 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python. (⏱ 05:23)
🌐 NLP практика. Определяем тональность текста при помощи NLTK и DL (⏱ 19:37)
🌐 Django шаблонизация и маршрутизация (⏱ 09:11)
🌐 Задача, которая очень часто встречается на собеседованиях #python (⏱ 00:59)
🌐 Решение непростой задачи с Leetcode, часто всплывает на собеседования #pythontutorial (⏱ 00:59)
🌐 Хитрая задача с собеседования #Python (⏱ 00:59)
🌐 Решаем вариант из сборника Л. Н. Евич | ЕГЭ-2024 по информатике (⏱ 01:48:21)
🌐 Задание 24 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 06:35)
🌐 Задание 25 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:44)
🌐 Linux для начинающих | Как загрузить файлы на или с сервера | Команда SCP (⏱ 04:35)

Хорошего дня!

@pro_python_code

🖥 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python

▪Video

@pro_python_code

🚀🧠**lru_cache**: отличная техника для эффективного кодинга!🚀🧠

В данном коде `lru_cache` используется в качестве декоратора для функции fibonacci. Поскольку последовательность Фибоначчи может быть вычислительно затратной для больших входных данных, кэширование результатов для каждого вызова может значительно ускорить последующие вызовы с теми же аргументами.

Однако декоратор кэширования не следует использовать в каждом конкретном случае. Для функций, результаты которых меняются даже при одинаковых входных данных, или для функций, выходными данными которых являются изменяемые объекты, кэширования следует избегать.

При первом вызове `fibonacci(35)` функция вычислит результат обычным способом, учитывая рекурсивный характер последовательности Фибоначчи. Это может занять много времени.

Однако при втором вызове `fibonacci(35)` вместо повторного вычисления функция просто найдет значение в кэше и вернет его. В результате время выполнения второго вызова будет значительно меньше, что свидетельствует о пользе кэширования.

Фактическое время выполнения на вашей машине будет зависеть от ее вычислительной мощности, но, скорее всего, вы увидите заметную разницу между двумя вызовами.

Помните, что lru_cache может ускорить только последующие вызовы с теми же параметрами. Если вызвать fibonacci(36) после fibonacci(35), то все равно придется вычислять значение. Однако вычисление будет происходить быстрее, чем без кэша, так как fibonacci(35) уже закешировано, и ему нужно только добавить к нему fibonacci(34).

@pro_python_code

🔥 Дайджест полезных материалов из мира Python за неделю

Почитать:
— Тестовые серверы Telegram: инструкция по эксплуатации
— Функциональное программирование в Python: ежедневные рецепты
— Откройте свое будущее: Изучите 15 бесплатных курсов IBM прямо сейчас
— Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI
— Пишем АПИ автотесты на Python по шагам
— Извлечение текста из файлов PDF при помощи Python
— Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов
— Преобразование markdown в pdf на Python
— Как «продать» OSS Framework? Propan -> FastStream
— FIFO очередь asyncio в Python
— Тестируем API в Таверне
— Comment ajouter des hyperliens aux documents Word avec Python
— EDA using Data Visualization techniques
— Becoming an AWS All Builders Welcome Grant Alumni Mentor: Empowering the Next Generation of Innovators
— New Features with Git Remotes
— Trabaje con sus datos en tiempo real usando Langchain
— TIL Remote in Git and TOMLLIB in Python
— Exploratory Data Analysis using Data Visualization Techniques.
— My First Pull Request in Hacktoberfest23
— documented: make docstrings in your exceptions work
— MongoDB Quick Start Guide 🍃⚡️

Посмотреть:
🌐 Разбор задачи с собеседования Data Science. Подготовка на практике (⏱ 26:12)
🌐 Cобеседование #Python топовый банк Goldman Sachs Associate на 12000 $ #задача #программирование (⏱ 01:00)
🌐 Django создание модели. Вывод даных на страницу (⏱ 13:01)
🌐 Решаем задачу с leetcode на #Golang (⏱ 00:37)
🌐 Facebook задача с собеседования на #Python на 120000 рублей #программирование #задача #код (⏱ 00:59)
🌐 Разбора задачи с собеседования #Golang (⏱ 00:22)
🌐 Задание 22 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:55)
🌐 Задание 23 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:50)

Хорошего дня!

@pro_python_code

🖥 Django создание модели. Вывод даных на страницу

https://www.youtube.com/watch?v=hjoh29epXXA

@pro_python_code

❤️ Парсер телеграм каналов на Python. Гайд по написанию мощного бота.

▪Видео

@pro_python_code