Proglib.academy | IT-курсы
3.67K subscribers
1.93K photos
56 videos
10 files
1.81K links
Онлайн-курсы для программистов от создателей «Библиотеки программиста».

По рекламе: @proglib_adv

Учиться у нас: https://proglib.io/w/9f60aed6

Для обратной связи: @proglibrary_feeedback_bot
Download Telegram
🐍 Подборка свежих книг по Python

🔸
Python-интенсив: 50 быстрых упражнений

Книга для тех, кто владеет базовой теорией языка Python. Внутри вас ждет: теоретическая выжимка, необходимая для успешного выполнения заданий, ссылки на разбор упражнений и полезные материалы, упражнения, которые помогут освоить основные структуры данных, функции, генераторы, ООП, итераторы.

🔸 Знакомьтесь, Python. Секреты профессии

Книга подойдет начинающим разработчикам на Python, джунам и тем, кто только входит в IT. Много полезного материала: Инструменты и библиотеки для программирования на Python, лайфхаки и геймификация, базовые знания об IT: с чего начать, как выбрать профессию, где прокачать скиллы и как подготовиться к собеседованию.

🔸 Сверхбыстрый Python (2023), Антао Тиаго

Книга охватывает различные методы и способы оптимизации кода, позволяя добиваться максимальной производительности. В книге рассмотрены тонкости работы с памятью, асинхронное программирование и многое другое.

🔸 Решение трудных и увлекательных задач на Python (2024), Изадха Хабиб


Книга призвана развить логическое и творческое мышление через решение 90 задач на python. Также представлены решения с комментариями, чтобы можно было проследить ход выполнения.

🔸 50 Python Concepts Every Developer Should Know (2024)

Эта книга содержит не только фундаментальные понятия, но и среднего уровня, а также продвинутые знания. Например, о мультипроцессинге.
👍1
✏️ Вопрос с реального собеседования по Data Science

Что вы знаете про биномиальное распределение? Зачем оно нужно в Data Science?

Биномиальное распределение в основном моделирует количество успешных исходов в фиксированном числе испытаний. В целом, позволяет характеризовать испытания с помощью двух параметров n и p, представляющих количество испытаний и вероятность успеха в одном испытании соответственно.

На практике биномиальное распределение можно использовать для определения вероятности определённого числа успехов, таких как продажи, за определённый период для нового продукта. Кроме того, биномиальное распределение помогает понять вероятностное распределение числа клиентов, обслуживаемых в течение временного интервала.

#собес_academy
👍32
Forwarded from Библиотека разработчика игр | Gamedev, Unity, Unreal Engine
🎮 Как зарабатывать на играх или зачем изучать игровую аналитику в 2024 году

Если вы решили заняться геймдевом всерьез, возникает вопрос выбора специализации. Сегодня мы поговорим о востребованной профессии игрового аналитика. Попробуем разобраться, зачем нужен такой специалист и как им стать.

👉 Статья
🎉2😁1😍1
🎓 Если вы вдруг давненько не заглядывали в Учебник по машинному обучению ШАДа, то спешим сообщить — там появились новые главы.

В частности:

▫️Обучение представлений и Дистилляция знаний
▫️Целый раздел про генеративные модели
▫️Раздел про рекомендательные системы
▫️Временные ряды
▫️Теория глубокого обучения
▫️Онлайн-обучение
▫️Новые главы в теормине: вероятностные распределения, параметрические оценки, энтропия и др.
👍2🎉1
🐍💻 PyCharm для Python: полное руководство по установке, настройке и использованию

PyCharm — это мощная и популярная интегрированная среда разработки (IDE) для Python, созданная компанией JetBrains. В этом подробном руководстве мы рассмотрим все аспекты работы с PyCharm: от установки и настройки до продвинутых функций и полезных плагинов. Независимо от того, новичок вы или опытный разработчик, эта статья поможет вам максимально эффективно использовать PyCharm в ваших Python-проектах.

👉 Читать статью
🤩3👍2
🔋Hard & Soft skills для дата-сайентиста

Рассмотрим необходимые скиллы для начинающего Data Science специалиста в карточках.👆

Ознакомьтесь со скиллами для Data Science, а также вы можете забрать наши курсы:
🔵 Базовые модели ML и приложения
🔵 Математика для Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3👏1
🗣️ Лучшие Python-библиотеки для машинного обучения

Собрали самые популярные и полезные библиотеки машинного обучения для Python.

TensorFlow — бэкенд-библиотека для разработки, обучения и развёртывания моделей глубокого обучения.

Keras — библиотека высокого уровня, которая работает поверх TensorFlow и других бэкендов, таких как Theano или Microsoft Cognitive Toolkit. Удобный интерфейс Keras позволяет разрабатывать и обучать модели глубокого обучения без ущерба для производительности.

Scikit-learn — одна из самых популярных библиотек машинного обучения в Python, потому что она предоставляет полный набор инструментов для предварительной обработки данных, выбора функций, обучения и оценки моделей.

NumPy — одна из универсальных библиотек для работы с массивами или большими коллекциями однородных данных.

Pandas — пакет, основанный на NumPy (поэтому для работы должны быть установлены оба пакета), но расширяющий его для одновременной работы с разными типами размеченных данных.

PyTorch — библиотека общего назначения для машинного обучения.

SciPy — библиотека для научных вычислений, которая содержит пакеты и модули для линейной алгебры, оптимизации изображений, интеграционной интерполяции, обработки сигналов и изображений, решения обыкновенных дифференциальных уравнений и других вычислительных задач.

Забирайте курс по Machine Learning:
🔵 Базовые модели ML и приложения
Please open Telegram to view this post
VIEW IN TELEGRAM
👏2🥰1
История выпускника нашего курса математика для Data Science

— Ежегодно меняет работу
— Хотел в ШАД

Поступайте в Proglib.academy и войдите в IT быстрее вместе с нами

Вас ждет:
Менторство на любом этапе
Делимся актуальными знаниями от действующих специалистов
Обратная связь по итогам занятий
47 уроков + практика
Курс поделен на две части: базовая математика/высшая математика

Забирайте тот самый курс👇
🔵 Математика для Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
✏️ Разбор задачи с экзамена ШАД

Условие: Подбрасываются 16 симметричных монет (вероятности орла и решки совпадают).
Найдите вероятность того, что:

1. На всех монетах выпадут орлы
2. На 6 монетах выпадут орлы, а на 10 — решки
3. Орлы выпадут хотя бы на двух монетах

Решение: Пусть 1️⃣ — число орлов после n бросков монет с вероятностью выпадения орла равной p. Тогда перед нами схема Бернулли с n=16, p=1/2. Имеем: 2️⃣

#задачи_шад
👍1
Что выведет этот код?
Anonymous Quiz
24%
1
18%
2
44%
3
14%
Error
1👍1
ШАД — кому это нужно

ШАД – полноценное обучение с нагрузкой по 30 часов в неделю. Обучение бесплатное, но сначала требуется пройти онлайн-тестирование, затем экзамен и собеседование в филиалах ШАД.

— Кому это нужно?

Во-первых, выпускники получают диплом о профессиональной переподготовке. Во-вторых, любовь к Data Science и желание глубоко-глубоко нырнуть в эту отрасль. При этом если вас интересует чистая научная теория, то место найдётся – регулярные семинары и различные исследовательские проекты.

В целом, целевую аудиторию можно описать так: хочется попасть в сферу Data Science, сделать это максимально эффективно и интересно. К тому же обучение проходит по вечерам.

ШАД подходит вам? Тогда забирайте наш курс по математике для Data Science:
🔵 Математика для Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
#дайджест #DataInternship

Подборка стажировок недели для Data специалистов


▪️ Data Analytics Engineering Trainee
Удалёнка, EРAM Systems
Подробнее

▪️ Стажер (Data Engineer)
Офис (Москва), Сбер
Подробнее

▪️ Стажер-аналитик в HR / Data Analyst Intern
Гибрид (Москва), Okkam
Подробнее

▪️ Junior Data Scientist (Стажер)
Офис (Санкт-Петербург), Центр финансовых технологий
Подробнее

▪️ Data Engineer/Дата инженер (стажер)
Офис (Санкт-Петербург, Казань, Ростов-на-Дону, Самара, Нижний Новгород) / Удалёнка, Aston
Подробнее

Понравились предложения о стажировке?
❤️ — да
🤔 — нет
1