Forwarded from Библиотека программиста | программирование, кодинг, разработка
📌 Git flow — стратегия ветвления, полезная для команд, у которых есть четкие процессы выпуска и необходимость поддерживать стабильность своих продакшн-окружений.
Однако зависимость от множества веток и правил добавляет много сложности к процессу. Это может быть непосильно для новых членов команды и может привести к конфликтам из-за несоблюдения принципов непрерывной интеграции.
📌 GitHub flow — легковесная стратегия ветвления, хорошо подходящая для команд, практикующих непрерывный деплой. Эта стратегия подчеркивает совместную работу, частые выпуски и упрощенный процесс разработки.
Учитывая ее простоту, GitHub flow лучше всего подходит для небольших команд и проектов. Однако по мере увеличения размера и сложности становится сложно управлять изменениями во всей кодовой базе.
📌 Trunk-based development — стратегия ветвления, при которой разработчики работают над кодом в одной ветке, называемой
trunk
. Она требует прямых пушей в trunk
и совместной работы разработчиков для поддержания стабильной ветки trunk
. Поскольку изменения непрерывно интегрируются в
trunk
, существует более высокий риск внесения изменений, которые могут повлиять на стабильность всей системы.📌 Space Git flow — стратегия ветвления от JetBrains, похожая на GitHub flow, но с бо́льшим акцентом на безопасность при внесении изменений в ветку
main
и возможностью масштабирования до крупных проектов и команд. 💬 Каждая стратегия имеет свои сильные и слабые стороны, и лучший выбор зависит от конкретных потребностей вашей команды, а также таких факторов, как размер команды, процесс разработки, частота деплоя и требования к качеству кода.
👉 Подробнее здесь и здесь
#советыдляразрабов
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
🦢Теорема о гадком утёнке
Эта теорема показывает, что классификация невозможна без некоторой степени предубеждения (bias). Допустим, у нас есть n объектов. Всего существует 2^n способов составить подмножества из этой выборки. Без каких-либо дополнительных условий каждый объект будет сгруппирован с каким-то объектом из выборки так же часто, как с любым другим объектом. Поэтому нужно выбрать некоторый вес для определённых свойств. То есть необходим bias (предубеждение), чтобы классификация приобрела смысл.
✔️ Теорема утверждает, что гадкий утёнок на самом деле настолько же близок к обычному птенцу лебедя, насколько два обычных птенца лебедя близки друг к другу (смотрите картинку выше). Всё зависит от bias.
Эта теорема показывает, что классификация невозможна без некоторой степени предубеждения (bias). Допустим, у нас есть n объектов. Всего существует 2^n способов составить подмножества из этой выборки. Без каких-либо дополнительных условий каждый объект будет сгруппирован с каким-то объектом из выборки так же часто, как с любым другим объектом. Поэтому нужно выбрать некоторый вес для определённых свойств. То есть необходим bias (предубеждение), чтобы классификация приобрела смысл.
✔️ Теорема утверждает, что гадкий утёнок на самом деле настолько же близок к обычному птенцу лебедя, насколько два обычных птенца лебедя близки друг к другу (смотрите картинку выше). Всё зависит от bias.
👍2
Ответьте на 3 вопроса, чтобы получить вводные занятия к курсу «Алгоритмы и структуры данных»
⚡️Получить занятия – https://proglib.io/w/18971db1
В вводной частичасти вас ждут:
1. Лекция «Производительность алгоритмов» от руководителя разработки Яндекс.Самокатов
2. Лекция «Итеративные сортировки и линейные сортировки» от аспирант департамента искусственного интеллекта ВШЭ
3. Практические задания после лекций
4. Ссылки на дополнительные материалы для самостоятельно изучения
Переходите и начинайте учиться уже сегодня!
⚡️Получить занятия – https://proglib.io/w/18971db1
В вводной частичасти вас ждут:
1. Лекция «Производительность алгоритмов» от руководителя разработки Яндекс.Самокатов
2. Лекция «Итеративные сортировки и линейные сортировки» от аспирант департамента искусственного интеллекта ВШЭ
3. Практические задания после лекций
4. Ссылки на дополнительные материалы для самостоятельно изучения
Переходите и начинайте учиться уже сегодня!
👍2🔥1
Forwarded from Библиотека питониста | Python, Django, Flask
🐍➰ Создаем игру «Виселица» на Python. Часть 2. Графический интерфейс на PySimpleGUI
В первой части мы написали код для получения и обработки вводимых игроком данных, создали некоторые компоненты и текстовый пользовательский интерфейс (TUI). Во второй части реализуем логику игры «Виселица» и создадим графический интерфейс с помощью PySimpleGUI.
🔗 Читать статью
В первой части мы написали код для получения и обработки вводимых игроком данных, создали некоторые компоненты и текстовый пользовательский интерфейс (TUI). Во второй части реализуем логику игры «Виселица» и создадим графический интерфейс с помощью PySimpleGUI.
🔗 Читать статью
This media is not supported in your browser
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
😁5
😈 Даркнет: как устроен теневой рынок труда
Рассказываем, как устроен теневой рынок даркнета, каких ИТ-специалистов там ищут и какую зарплату предлагают.
🔗 Читать статью
🔗 Зеркало
Рассказываем, как устроен теневой рынок даркнета, каких ИТ-специалистов там ищут и какую зарплату предлагают.
🔗 Читать статью
🔗 Зеркало
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
👩💻 Построй MLOps прямо в браузере
MLOps — это набор практик для автоматизации и упрощения рабочих процессов и развёртывания моделей машинного обучения. Сайт MyMLOps позволяет собрать полноценный MLOps по шаблону. Предлагается набор инструментов(о каждом из них можно узнать подробнее, просто кликнув на название) .
🔗 Зайти поиграться можно по этой ссылке
MLOps — это набор практик для автоматизации и упрощения рабочих процессов и развёртывания моделей машинного обучения. Сайт MyMLOps позволяет собрать полноценный MLOps по шаблону. Предлагается набор инструментов
🔗 Зайти поиграться можно по этой ссылке
👍1
🐍 У нас есть еженедельная email-рассылка, посвященная последним открытиям и тенденциям в мире Python.
В ней:
● Новые возможности в последних версиях Python
● Работа с базами данных и SQL в Python
● Веб-разработка на Django и Flask
● Машинное обучение и анализ данных с помощью Python
● Автоматизация и работа с API на Python
● Тестирование и отладка кода на Python
● Задачи для новичков с решениями
👉Подписаться👈
В ней:
● Новые возможности в последних версиях Python
● Работа с базами данных и SQL в Python
● Веб-разработка на Django и Flask
● Машинное обучение и анализ данных с помощью Python
● Автоматизация и работа с API на Python
● Тестирование и отладка кода на Python
● Задачи для новичков с решениями
👉Подписаться👈
👍1
🐻❄️ Быстрее Pandas в 10 раз: Polars — высокопроизводительная библиотека для анализа больших данных на Python
Разработанная с нуля на языке Rust библиотека Polars объединяет в себе скорость, гибкость и богатый инструментарий для анализа больших данных на Питоне, что позволяет считать её достойной заменой популярной библиотеке Pandas.
👉 Читайте о Polars подробнее в нашей статье 👈
Разработанная с нуля на языке Rust библиотека Polars объединяет в себе скорость, гибкость и богатый инструментарий для анализа больших данных на Питоне, что позволяет считать её достойной заменой популярной библиотеке Pandas.
👉 Читайте о Polars подробнее в нашей статье 👈
👍3
🔄 GitOps Workflow: упрощенное визуальное руководство от ByteByteGo (Alex Xu)
Методология GitOps привнесла изменения в способы управления кодом и инфраструктурой, сделав Git центральным узлом для управления и автоматизации всего жизненного цикла приложений. Она основана на принципах контроля версий, совместной работы и CI/CD.
📌 Ключевые особенности:
☑️ Централизация кода, конфигураций и инфраструктуры в Git для контроля совместной работы
☑️ Декларативная система
☑️ Автоматизированная доставка кода
☑️ Неизменяемая инфраструктура
☑️ Observability и обратная связь
☑️ Безопасность и комплаенс
Методология GitOps привнесла изменения в способы управления кодом и инфраструктурой, сделав Git центральным узлом для управления и автоматизации всего жизненного цикла приложений. Она основана на принципах контроля версий, совместной работы и CI/CD.
📌 Ключевые особенности:
☑️ Централизация кода, конфигураций и инфраструктуры в Git для контроля совместной работы
☑️ Декларативная система
☑️ Автоматизированная доставка кода
☑️ Неизменяемая инфраструктура
☑️ Observability и обратная связь
☑️ Безопасность и комплаенс
❤1
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
При обучении нейросети используется градиентный спуск, метод нахождения локального минимума или максимума функции. В градиентном спуске нужно выбрать начальную точку для спуска, то есть начальные значения весов. Обычно эта точка выбирается случайно. Но от неё существенно зависит успех градиентного спуска. Поэтому веса нужно инициализировать наиболее удачным образом.
✔️Хорошее начальное приближение
Начальные значения весов должны быть далеко от плато
Иначе на первых итерациях градиентного спуска мы столкнёмся с затуханием градиента.
В целом, нужно вывести такое правило: «генерировать начальные значения весов с помощью случайных чисел из интервала [a, b]». И вот эти a и b следует найти.
❔Как это сделать?
Например, когда нам нужно сгенерировать веса между парой полносвязных слоёв и каждый слой состоит из n нейронов, то вполне можно было бы выбрать диапазон [-1/n; 1/n].
Если же в слоях разное число нейронов, то в вышеприведённом интервале n можно заменить на среднее арифметическое числа нейронов в соседних слоях.
❗️Выше было упрощённо описано правило Xavier. В оригинале веса генерируются не из такого простого интервала [-1/n; 1/n], а с помощью равномерного распределения с дисперсией 1/n. Но суть примерно такая же. Подробнее работу Xavier можно прочесть здесь.
Можно пользоваться готовой функцией из PyTorch:
conv1 = torch.nn.Conv2d(...)
torch.nn.init.xavier_uniform(conv1.weight)
Также в случае с инициализацией Xavier стоит помнить, что этот способ подходит для симметричных относительно нуля функций активации (например гиперболический тангенс).
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
🐍🎸 Курс Django: Портфолио разработчика
Покажем, как сделать личный сайт с анимированным портфолио, сортировкой работ по категориям на фронтенде, контактной формой, резюме и отзывами работодателей.
👉 Читать новую статью
🔗 Зеркало
Предыдущие статьи курса:
Курс Django. Часть 1: Django — что это? Обзор и установка фреймворка, структура проекта
Курс Django: Веб-приложение на основе XLSX вместо базы данных
Курс Django. Часть 2: ORM и основы работы с базами данных
Покажем, как сделать личный сайт с анимированным портфолио, сортировкой работ по категориям на фронтенде, контактной формой, резюме и отзывами работодателей.
👉 Читать новую статью
🔗 Зеркало
Предыдущие статьи курса:
Курс Django. Часть 1: Django — что это? Обзор и установка фреймворка, структура проекта
Курс Django: Веб-приложение на основе XLSX вместо базы данных
Курс Django. Часть 2: ORM и основы работы с базами данных
👍1🔥1
Команда DevJobsScanner проанализировала около 500 тыс. фронтенд-вакансий за 14 месяцев. В качестве источников использовались Linkedin, Glassdoor, RemoteOk, Dice и многие другие.
📌 Что имеем по России: React (51%) ⏩ Angular (36%) ⏩ Vue (13%).
📌 В Бельгии, например, 60% занимает Vue.js и лишь 15% — React. А в Швейцарии Angular в 2 раза популярнее, чем React.
🤩 Остальные любопытные цифры и результаты исследования вакансий — под катом.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
🥇 Спортивная мотивация и мотивация в IT, что общего?
Рассказываем, как использовать психологические инструменты из спорта, чтобы увеличить внутреннюю мотивацию и повысить продуктивность.
👉 Читать статью
👉 Зеркало
Рассказываем, как использовать психологические инструменты из спорта, чтобы увеличить внутреннюю мотивацию и повысить продуктивность.
👉 Читать статью
👉 Зеркало
📈 Основанная на данных из GitHub статистика включает все репозитории, созданные за последние 100 дней, с недавней активностью и более чем десятью ⭐️.
💬 Как думаете, с чем связана такая популярность Python? Наверное, с тем, что студенты и многие другие используют данный язык в качестве первого языка для обучения.
👉 Источник
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
💙 С днем любви!
В этот день проявить любовь поможет подарок, который действительно нужен.
🌿 Курсы Proglib academy – это не только знания, топовые преподаватели из МГУ, спикеры Яндекса, Revolut и Тинькофф, но и возможность начать карьеру программиста на международном рынке.
Заходи на сайт, выбирай любой курс и дари его любимому человеку.
⚡️ А по промокоду PA2024SALES15 ты получишь скидку 15% на все курсы до конца недели – https://proglib.io/w/37e301bf
В этот день проявить любовь поможет подарок, который действительно нужен.
Заходи на сайт, выбирай любой курс и дари его любимому человеку.
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔2