Навигация:

Книги на русском языке: #RU
Книги на английском языке: #Eng
Программа для чтения книг: #Librera

Полезные репозитории: #GitHub
Полезные статьи: #Теория
Обобщенный материал: #Статья
Полезные уроки: #Урок
Полезные курсы: #Курс
Различные роадмапы: #Roadmap
Проверка Ваших знаний: #Опрос
Обучающий видеоматериал: #Видео


Базы данных и Python: #PostgreSQL
Python и библиотека OpenCV: #OpenCV
Изучение фреймворка Flask: #Flask
Изучение фреймворка Django: #Django
Изучение библиотеки PyTorch: #PyTorch
Изучение библиотеки pandas: #pandas
Искусственный интеллект и Python: #ИИ
Создание и разработка игр: #Игры
Материал на тему парсинга: #Парсинг
Всё что связано с блокчейн: #Blockchain
Изучение библиотеки для создания Telegram-ботов: #aiogram
Изучение библиотеки asyncio: #asyncio

📓 Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch. 2022.

• The book is divided into three sections. The first section introduces you to number crunching and data analysis tools using Python with in-depth explanation on environment configuration, data loading, numerical processing, data analysis, and visualizations. The second section covers machine learning basics and Scikit-learn library. It also explains supervised learning, unsupervised learning, implementation, and classification of regression algorithms, and ensemble learning methods in an easy manner with theoretical and practical lessons. The third section explains complex neural network architectures with details on internal working and implementation of convolutional neural networks. The final chapter contains a detailed end-to-end solution with neural networks in Pytorch.

#ENG #PyTorch

Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch.
2022 #ENG #PyTorch || Бесплатный софт для чтения книг.

Знакомство с PyTorch. Глубокое обучение при обработке естественного языка.
2020 #RU #PyTorch || Бесплатный софт для чтения книг.

​​Выпуск Nuitka 1.1, компилятора для языка Python.

• Доступен выпуск проекта Nuitka 1.1, развивающего компилятор для трансляции скриптов на языке Python в представление на языке C, которое затем можно скомпилировать в исполняемый файл, использующий libpython для обеспечения максимальной совместимости с CPython (используются штатные средства CPython для управления объектами). Обеспечена полная совместимость с актуальными выпусками Python 2.6, 2.7, 3.3 - 3.10. По сравнению с CPython скомпилированные скрипты демонстрируют в тестах pystone повышение производительности на 335%. Код проекта распространяется под лицензией Apache.

Среди изменений в новой версии:

• Расширены возможности по заданию конфигурации в формате Yaml.
• Внесены оптимизации, связанные с исключением неиспользуемых компонентов стандартной библиотеки (zoneinfo, concurrent, asyncio и т.п.), которые позволили добиться уменьшения размера результирующих исполняемых файлов.
• Добавлена поддержка альтернативного синтаксиса ("|") в сопоставлениях с образцом на основе оператора "match" появившегося в ветке Python 3.10.
• Обеспечена совместимость с jinja2.PackageLoader.
• Реализована возможность изменения размера атрибута __defaults__.
• Добавлена поддержка функций importlib.metadata.distribution, importlib_metadata.distribution, importlib.metadata.metadata и importlib_metadata.metadata.
• В режим компиляции в один файл (Onefile) добавлена поддержка включения в основной исполняемый файл дополнительных бинарных файлов.
• В скомпилированных модулях реализована возможность использования функции importlib.resources.files.
• В опции "--include-package-data" разрешено указание масок файлов, например, "--include-package-data=package_name=*.txt".
• Для macOS реализована поддержка заверения исполняемых файлов цифровой подписью.
• Для плагинов предоставлен метод для переопределения функций для исполняемого файла.
• Расширены возможности плагина anti-bloat который теперь может применяться для уменьшения числа пакетов при использовании библиотек rich, pyrect и #pytorch. Реализована возможность использования регулярных выражений в правилах замены.
• Устранены регрессивные изменения, ставшие следствием значительных оптимизаций, реализованных в прошлом выпуске.