Post #197
737
Channel Public Channel
PY Python 🐍 Work With Data
@python_powerbi
A collection of books and articles on Python and various data manipulation tools. Overview of architecture of business intelligence systems, design and development of BI Reports, data processing in Python Pandas.
- Subscribers
- 1.53K
- Photos
- 76
- Videos
- 13
- Links
- 441
Showing posts older than #198 · Back to latest
Older Posts 20 shown
Post #196
818
Post #195
729
Что такое корпоративное хранилище данных (DWH): основы Big Data
https://www.bigdataschool.ru/bigdata/lsa-data-warehouse-architecture.html
Курсы Big Data, Hadoop, Arenadata, Kafka и Spark Не Hadoop’ом единым: что такое КХД и как его связать с Big Data В этой статье мы расскажем, что такое корпоративное хранилище данных, зачем оно нужно и https://www.bigdataschool.ru/bigdata/lsa-data-warehouse-architecture.html
Post #194
651
Post #193
633
ETL процесс получения данных из электронной почты в Apache Airflow / Хабр
https://habr.com/ru/post/495676/
https://habr.com/ru/post/495676/
Post #192
581
Send Data Alert with Python SMTP - Towards Data Science
https://towardsdatascience.com/send-data-alert-with-python-smtp-efb9ee08077e
https://towardsdatascience.com/send-data-alert-with-python-smtp-efb9ee08077e
Post #191
674
Post #184
588
Перевод текста с помощью Google Translate API в Python
https://dev-gang.ru/article/perevod-teksta-s-pomosczu-google-translate-api-v-python-ahgm88wx1k/
dev-gang.ru Перевод текста с помощью Google Translate API в Python Если вы не прятались под скалой, вы, вероятно, много раз использовали Google Translate. Всякий раз, когда вы пытаетесь перевести слово или предложение с определенного языка на другой, именно API Google Translate предоставляет вам желаемые результаты в фоновом… https://dev-gang.ru/article/perevod-teksta-s-pomosczu-google-translate-api-v-python-ahgm88wx1k/
Post #183
559
Post #182
527
Post #181
532
Post #180
502
#пятница
Немного английского в ленту 🦠
Немного английского в ленту 🦠
Post #179
573
Post #178
549
Post #177
553
https://certification.mail.ru - это инструмент проверки знаний программистов. Тесты помогут определить уровень знаний для наиболее популярных сред разработки и языков программирования.
Post #175
551
Post #174
534
Post #155
546
Post #154
200
Forwarded from FEDOR BORSHEV
Чеклист: на что смотреть, когда затягиваешь в проект новую библиотеку
Зависимости — кошмар любого большого проекта: они приводят к уязвимостям, конфликтуют друг с другом, протухают и блокируют обновление фреймворка. Так получается потому, что добавить в проект зависимость не стоит ничего, а вот поддерживать её (или просто выпилить) — огромный труд.
Кроме очевидного способа минимизировать проблемы от зависимостей (поменьше их притаскивать, кек), есть ещё простая гигиена, которая помогает упростить жизнь. Прежде чем набрать npm install или что там у вас, найдите репозиторий зависимости в Гитхабе и проверьте его:
— Не смотрите на количество лайков.
— Есть ли тесты? Понятно ли написаны?
— Посмотрите 5 минут на код. Удаётся ли понять, как он работает?
— Были ли значимые (не «version bump») коммиты в последние полгода?
— Не смотрите на количество лайков.
— Растёт или падает количество скачиваний (можно найти в npm/pypi).
— Сколько висит неотвеченных пулл-реквестов?
— Какие issues обсуждают?
— Понятно ли написано ридми, много ли документации?
Ну и конечно, не смотрите на количество лайков — люди ставят их за громкие названия и красивые ридми, а не за код, который решает проблемы без геморроя.
Есть что добавить в чек-лист? Напишите на fedor@borshev.com
Зависимости — кошмар любого большого проекта: они приводят к уязвимостям, конфликтуют друг с другом, протухают и блокируют обновление фреймворка. Так получается потому, что добавить в проект зависимость не стоит ничего, а вот поддерживать её (или просто выпилить) — огромный труд.
Кроме очевидного способа минимизировать проблемы от зависимостей (поменьше их притаскивать, кек), есть ещё простая гигиена, которая помогает упростить жизнь. Прежде чем набрать npm install или что там у вас, найдите репозиторий зависимости в Гитхабе и проверьте его:
— Не смотрите на количество лайков.
— Есть ли тесты? Понятно ли написаны?
— Посмотрите 5 минут на код. Удаётся ли понять, как он работает?
— Были ли значимые (не «version bump») коммиты в последние полгода?
— Не смотрите на количество лайков.
— Растёт или падает количество скачиваний (можно найти в npm/pypi).
— Сколько висит неотвеченных пулл-реквестов?
— Какие issues обсуждают?
— Понятно ли написано ридми, много ли документации?
Ну и конечно, не смотрите на количество лайков — люди ставят их за громкие названия и красивые ридми, а не за код, который решает проблемы без геморроя.
Есть что добавить в чек-лист? Напишите на fedor@borshev.com
Post #153
576
Data_analysis_with_Python_a_modern_approach_by_Taieb,_David.epub26.5 MB
Data analysis with Python a modern approach by Taieb, David.epub
Key Features
+ Bridge your data analysis with the power of programming, complex algorithms, and AI
+ Use Python and its extensive libraries to power your way to new levels of data insight
+ Work with AI algorithms, TensorFlow, graph algorithms, NLP, and financial time series
+ Explore this modern approach across with key industry case studies and hands-on projects
What you will learn
+ A new toolset that has been carefully crafted to meet for your data analysis challenges
+ Full and detailed case studies of the toolset across several of today's key industry contexts
+ Become super productive with a new toolset across Python and Jupyter Notebook
+ Look into the future of data science and which directions to develop your skills next
Key Features
+ Bridge your data analysis with the power of programming, complex algorithms, and AI
+ Use Python and its extensive libraries to power your way to new levels of data insight
+ Work with AI algorithms, TensorFlow, graph algorithms, NLP, and financial time series
+ Explore this modern approach across with key industry case studies and hands-on projects
What you will learn
+ A new toolset that has been carefully crafted to meet for your data analysis challenges
+ Full and detailed case studies of the toolset across several of today's key industry contexts
+ Become super productive with a new toolset across Python and Jupyter Notebook
+ Look into the future of data science and which directions to develop your skills next