Forwarded from Python_Jobs
Python\GO разработчик (Рекламная платформа)
Компания: Сбер. ITСбер. IT
Зарплата: з/п не указана
Тип занятости: Полная занятость
Подробнее: https://telegra.ph/PythonGO-razrabotchik-Reklamnaya-platforma-09-14
#python #sql #git #javascript #docker
Компания: Сбер. ITСбер. IT
Зарплата: з/п не указана
Тип занятости: Полная занятость
Подробнее: https://telegra.ph/PythonGO-razrabotchik-Reklamnaya-platforma-09-14
#python #sql #git #javascript #docker
Telegraph
Python\GO разработчик (Рекламная платформа)
Мы - новая быстрорастущая команда, которая разрабатывает платформу для создания и управления рекламными коммуникациями на поверхностях Банка и Экосистемы. Это платформа, которая объединит в себе последние технологические решения AdTech и возможности больших…
👍4👎2
Forwarded from BZD • Книги для программистов
Coding_in_Python_A_Comprehensive_Beginners_Guide_to_Learn_the_Realms.pdf
1.2 MB
📔 Title: Coding in Python
#Book #python #eng
🌐 Lang.: English
🧔 Author: Robert C. Matthews
🕘 Year: 2020
📑 Pages: 161
#️⃣ ISBN: -
📝 Description: Эта книга для тех, кто готов сразу же приступить к работе над написанием собственных программ. Автор использует особый практикоориентированный подход, быстро объясняя основы языка Python.
@bzd_channel
#Book #python #eng
🌐 Lang.: English
🧔 Author: Robert C. Matthews
🕘 Year: 2020
📑 Pages: 161
#️⃣ ISBN: -
📝 Description: Эта книга для тех, кто готов сразу же приступить к работе над написанием собственных программ. Автор использует особый практикоориентированный подход, быстро объясняя основы языка Python.
@bzd_channel
👍1
Forwarded from BZD • Книги для программистов
Python_Sozdaem_programmy_i_igry.pdf
146.8 MB
📔 Title: Python: создаем программы и игры, 3-е изд.
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Кольцов Д. М.
🕘 Year: 2022
📑 Pages: 416
#️⃣ ISBN: 978-5-907592-01-8
📝 Description: Данная книга позволяет уже с первых шагов создавать свои программы на языке Python. Акцент сделан на написании компьютерных игр и небольших приложений. Лучший выбор для всех, кто хочет быстро и эффективно научиться писать программы на Python. Данная книга позволяет уже с первых шагов создавать свои программы на языке Python. Акцент сделан на написании компьютерных игр и небольших приложений. Есть краткий вводный курс в основы языка, который поможет лучше ориентироваться на практике. По ходу изложения даются все необходимые пояснения, приводятся примеры, а все листинги (коды программ) сопровождаются подробными комментариями. Лучший выбор для всех, кто хочет быстро и эффективно научиться писать программы на Python.
@bzd_channel
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Кольцов Д. М.
🕘 Year: 2022
📑 Pages: 416
#️⃣ ISBN: 978-5-907592-01-8
📝 Description: Данная книга позволяет уже с первых шагов создавать свои программы на языке Python. Акцент сделан на написании компьютерных игр и небольших приложений. Лучший выбор для всех, кто хочет быстро и эффективно научиться писать программы на Python. Данная книга позволяет уже с первых шагов создавать свои программы на языке Python. Акцент сделан на написании компьютерных игр и небольших приложений. Есть краткий вводный курс в основы языка, который поможет лучше ориентироваться на практике. По ходу изложения даются все необходимые пояснения, приводятся примеры, а все листинги (коды программ) сопровождаются подробными комментариями. Лучший выбор для всех, кто хочет быстро и эффективно научиться писать программы на Python.
@bzd_channel
👍8
Forwarded from BZD • Книги для программистов
Python Сборник упражнений.pdf
1.7 MB
📔 Title: Python. Сборник упражнений. Введение в язык Python с задачами и решениями
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Бен Стивенсон
🕘 Year: 2021
📑 Pages: 239
#️⃣ ISBN: 8-5-97060-916-3
📝 Description: Данный сборник упражнений призван расширить и углубить знания читателей в области программирования на Python путем решения практических задач разной степени сложности. В книге содержится 186 заданий, охватывающих самые разные учебные дисциплины и сферы жизнедеятельности. Для части упражнений в книге даны решения с описанием использованных техник и соответствующих синтаксических конструкций языка Python. Для того, чтобы справиться с предложенными заданиями, вам будет достаточно базовых знаний языка, полученных в любом курсе по Python.
К особенностям данной книги можно отнести то, что в ней используется простой и доступный стиль программирования, упражнения взяты как из области математики и информатики, так и из других дисциплин, и примерно на половину заданий даны решения. При этом сами задания характеризуются различной степенью сложности, а их решения подразумевают использование таких базовых техник программирования, как условные выражения, циклы, основные функции, списки, словари, рекурсия и работа с файлами.
@bzd_channel
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Бен Стивенсон
🕘 Year: 2021
📑 Pages: 239
#️⃣ ISBN: 8-5-97060-916-3
📝 Description: Данный сборник упражнений призван расширить и углубить знания читателей в области программирования на Python путем решения практических задач разной степени сложности. В книге содержится 186 заданий, охватывающих самые разные учебные дисциплины и сферы жизнедеятельности. Для части упражнений в книге даны решения с описанием использованных техник и соответствующих синтаксических конструкций языка Python. Для того, чтобы справиться с предложенными заданиями, вам будет достаточно базовых знаний языка, полученных в любом курсе по Python.
К особенностям данной книги можно отнести то, что в ней используется простой и доступный стиль программирования, упражнения взяты как из области математики и информатики, так и из других дисциплин, и примерно на половину заданий даны решения. При этом сами задания характеризуются различной степенью сложности, а их решения подразумевают использование таких базовых техник программирования, как условные выражения, циклы, основные функции, списки, словари, рекурсия и работа с файлами.
@bzd_channel
🔥10👍3
Forwarded from BZD • Книги для программистов
Легкий_способ_выучить_Python_3_еще_глубже.pdf
12.8 MB
📔 Title: Легкий способ выучить Python 3 еще глубже.
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Зед Шоу.
🕘 Year: 2020
📑 Pages: 274
#️⃣ ISBN: 978-5-04-093107-1
📝 Description: Зед Шоу — один из тех, кто по-настоящему разбирается в Python. Его советы помогли миллионам программистов по всему миру, помогут они и вам. От вас потребуются лишь
дисциплина, желание и упорство, все остальное вы найдете в книге «Легкий способ выучить Python 3 еще глубже». Это вторая часть «Легкого способа выучить Python 3», где Зед описывал базовые принципы программирования на Python 3. Вторая часть углубит ваши знания и поможет приобрести новые навыки с помощью 52 прекрасно составленных заданий.
@bzd_channel
#Book #Python #RU
🌐 Lang.: Russian
🧔 Author: Зед Шоу.
🕘 Year: 2020
📑 Pages: 274
#️⃣ ISBN: 978-5-04-093107-1
📝 Description: Зед Шоу — один из тех, кто по-настоящему разбирается в Python. Его советы помогли миллионам программистов по всему миру, помогут они и вам. От вас потребуются лишь
дисциплина, желание и упорство, все остальное вы найдете в книге «Легкий способ выучить Python 3 еще глубже». Это вторая часть «Легкого способа выучить Python 3», где Зед описывал базовые принципы программирования на Python 3. Вторая часть углубит ваши знания и поможет приобрести новые навыки с помощью 52 прекрасно составленных заданий.
@bzd_channel
👍6
Forwarded from BZD • Книги для программистов
Квантовая_химия_и_квантовые_вычисления_с_примерами_FgpuQC.pdf
23.5 MB
📔 Title: Квантовая химия и квантовые вычисления с примерами на Python
#book #Python #RU
🌐 Lang.: Russian
🧔 Author: Шарки К. Л., Чанс А.
🕘 Year: 2023
📑 Pages: 282
#️⃣ ISBN: 978-5-93700-162-7
📝 Description: Эта книга с помощью постулатов квантовой механики объясняет сложные связи квантовой химии и квантовых вычислений. Для этого используются код на языке Python и программные пакеты по химии с открытым исходным кодом, такие как Qiskit. На примерах расчетов реальных атомов и молекул показано, как квантовая химия и квантовые вычисления помогают решать задачи химической науки и промышленности. Вы научитесь: пониманию математического описания атомов и молекул как основных строительных блоков материи; расчету схемы квантового затвора; выполнению современных химических расчетов и моделированию; запуску блокнотов Jupyter Notebooks в облаке с помощью веб-браузера; пониманию стандартных приближений химического моделирования.
@bzd_channel
#book #Python #RU
🌐 Lang.: Russian
🧔 Author: Шарки К. Л., Чанс А.
🕘 Year: 2023
📑 Pages: 282
#️⃣ ISBN: 978-5-93700-162-7
📝 Description: Эта книга с помощью постулатов квантовой механики объясняет сложные связи квантовой химии и квантовых вычислений. Для этого используются код на языке Python и программные пакеты по химии с открытым исходным кодом, такие как Qiskit. На примерах расчетов реальных атомов и молекул показано, как квантовая химия и квантовые вычисления помогают решать задачи химической науки и промышленности. Вы научитесь: пониманию математического описания атомов и молекул как основных строительных блоков материи; расчету схемы квантового затвора; выполнению современных химических расчетов и моделированию; запуску блокнотов Jupyter Notebooks в облаке с помощью веб-браузера; пониманию стандартных приближений химического моделирования.
@bzd_channel
👍4
⭐️ Pandera — это библиотека на Python, которая облегчает валидацию датафреймов pandas.
Она также совместима с быстрой и легкой библиотекой Polars.
Используя Pandera, вы можете быть уверены, что ваши датафреймы Polars имеют правильную структуру и будут работать корректно.
Установить можно с помощью команды: pip install pandera
▪ Github (https://github.com/unionai-oss/pandera)
▪ Документация (https://pandera.readthedocs.io/)
#Pandera #python #opensource #Polars
@Python_Community_ru
Она также совместима с быстрой и легкой библиотекой Polars.
Используя Pandera, вы можете быть уверены, что ваши датафреймы Polars имеют правильную структуру и будут работать корректно.
Установить можно с помощью команды: pip install pandera
▪ Github (https://github.com/unionai-oss/pandera)
▪ Документация (https://pandera.readthedocs.io/)
#Pandera #python #opensource #Polars
@Python_Community_ru
🌟 Model2Vec: разработка компактных и быстрых моделей на основе Sentence Transformer.
Model2Vec - это библиотека, позволяющая создавать компактные и быстрые модели на основе предобученных моделей Sentence Transformer.
С помощью Model2Vec можно создавать эмбединг-модели для слов и предложений, которые значительно меньше по размеру, но при этом сопоставимы по производительности с исходными моделями Sentence Transformer.
Вот некоторые ключевые особенности:
🟢 Быстрая дистилляция, процесс создания модели занимает всего несколько минут.
🟢 Быстрый инференс, который в 500 раз быстрее на CPU по сравнению с оригинальной моделью.
🟢 Возможность использования любой модели Sentence Transformer с любым словарем (BYOM и BYOV).
🟢 Мультиязычность, требуется лишь мультиязычная модель в качестве источника.
🟢 Интеграция с Huggingface, поддержка загрузки и выгрузки моделей с использованием привычных методов from_pretrained и push_to_hub.
Пайплайн Model2Vec состоит из трех этапов. На первом этапе словарь проходит через модель Sentence Transformer для получения векторов эмбеддингов для каждого слова.
Затем размерность полученных эмбеддингов уменьшается с помощью метода главных компонент (PCA). В завершение применяется zipf-взвешивание для учета частоты слов в словаре.
Model2Vec работает в двух режимах:
🟠 Output, где модель функционирует как Sentence Transformer с использованием subword токенизации.
🟠 Vocab, где создается набор статических эмбеддингов слов, аналогично GloVe или Word2Vec.
Оценка производительности Model2Vec проводилась на наборе данных MTEB по задачам PEARL (оценка качества представления фраз) и WordSim (оценка семантической близости слов).
Результаты показывают, что Model2Vec превосходит GloVe и модели на основе WordLlama по всем задачам оценки.
▶️ Пример дистилляции:
from model2vec.distill import distill
# Выбор модели Sentence Transformer
model_name = "BAAI/bge-base-en-v1.5"
# Дистилляция модели
m2v_model = distill(model_name=model_name, pca_dims=256)
# Сохранение модели
m2v_model.save_pretrained("m2v_model")
▶️ Пример инференса:
from model2vec import StaticModel
# Загрузка модели из HuggingFace hub или локальной.
model_name = "minishlab/M2V_base_output"
# Можно передать токен, если загружаете приватную модель
model = StaticModel.from_pretrained(model_name, token=None)
# Создание эмбеддингов
embeddings = model.encode(["It's dangerous to go alone!", "It's a secret to everybody."])
📌 Лицензирование: MIT License.
▪ Набор моделей (https://huggingface.co/minishlab)
▪ GitHub (https://github.com/MinishLab/model2vec)
(https://t.iss.one/pythonl)
#AI #ML #LLM #Embedding #Model2Vec #python
@Python_Community_ru
Model2Vec - это библиотека, позволяющая создавать компактные и быстрые модели на основе предобученных моделей Sentence Transformer.
С помощью Model2Vec можно создавать эмбединг-модели для слов и предложений, которые значительно меньше по размеру, но при этом сопоставимы по производительности с исходными моделями Sentence Transformer.
Вот некоторые ключевые особенности:
🟢 Быстрая дистилляция, процесс создания модели занимает всего несколько минут.
🟢 Быстрый инференс, который в 500 раз быстрее на CPU по сравнению с оригинальной моделью.
🟢 Возможность использования любой модели Sentence Transformer с любым словарем (BYOM и BYOV).
🟢 Мультиязычность, требуется лишь мультиязычная модель в качестве источника.
🟢 Интеграция с Huggingface, поддержка загрузки и выгрузки моделей с использованием привычных методов from_pretrained и push_to_hub.
Пайплайн Model2Vec состоит из трех этапов. На первом этапе словарь проходит через модель Sentence Transformer для получения векторов эмбеддингов для каждого слова.
Затем размерность полученных эмбеддингов уменьшается с помощью метода главных компонент (PCA). В завершение применяется zipf-взвешивание для учета частоты слов в словаре.
Model2Vec работает в двух режимах:
🟠 Output, где модель функционирует как Sentence Transformer с использованием subword токенизации.
🟠 Vocab, где создается набор статических эмбеддингов слов, аналогично GloVe или Word2Vec.
Оценка производительности Model2Vec проводилась на наборе данных MTEB по задачам PEARL (оценка качества представления фраз) и WordSim (оценка семантической близости слов).
Результаты показывают, что Model2Vec превосходит GloVe и модели на основе WordLlama по всем задачам оценки.
▶️ Пример дистилляции:
from model2vec.distill import distill
# Выбор модели Sentence Transformer
model_name = "BAAI/bge-base-en-v1.5"
# Дистилляция модели
m2v_model = distill(model_name=model_name, pca_dims=256)
# Сохранение модели
m2v_model.save_pretrained("m2v_model")
▶️ Пример инференса:
from model2vec import StaticModel
# Загрузка модели из HuggingFace hub или локальной.
model_name = "minishlab/M2V_base_output"
# Можно передать токен, если загружаете приватную модель
model = StaticModel.from_pretrained(model_name, token=None)
# Создание эмбеддингов
embeddings = model.encode(["It's dangerous to go alone!", "It's a secret to everybody."])
📌 Лицензирование: MIT License.
▪ Набор моделей (https://huggingface.co/minishlab)
▪ GitHub (https://github.com/MinishLab/model2vec)
(https://t.iss.one/pythonl)
#AI #ML #LLM #Embedding #Model2Vec #python
@Python_Community_ru
«Ядро планеты Python» — это обширный интерактивный учебник по Python, который поддерживает сообщество.
Учебник затрагивает ключевые аспекты языка Python, излагая их кратко и информативно, чтобы подчеркнуть особенности, удобство, красоту и мощь этого языка.
В нем представлено множество примеров и небольших дорожных карт по каждой теме. Последние изменения были внесены менее недели назад: https://github.com/amaargiru/pycore
#python
@Python_Community_ru
Учебник затрагивает ключевые аспекты языка Python, излагая их кратко и информативно, чтобы подчеркнуть особенности, удобство, красоту и мощь этого языка.
В нем представлено множество примеров и небольших дорожных карт по каждой теме. Последние изменения были внесены менее недели назад: https://github.com/amaargiru/pycore
#python
@Python_Community_ru
👍4