Building Recommendation Engines [2017]
═════════════════════
Описание:
═════════════════════
Understand your data and user preferences to make intelligent, accurate, and profitable decisions.
A recommendation engine (sometimes referred to as a recommender system) is a tool that lets algorithm developers predict what a user may or may not like among a list of given items. Recommender systems have become extremely common in recent years, and are applied in a variety of applications. The most popular ones are movies, music, news, books, research articles, search queries, social tags, and products in general.
The book starts with an introduction to recommendation systems and its applications. You will then start building recommendation engines straight away from the very basics. As you move along, you will learn to build recommender systems with popular frameworks such as R, Python, Spark, Neo4j, and Hadoop. You will get an insight into the pros and cons of each recommendation engine and when to use which recommendation to ensure each pick is the one that suits you the best.
During the course of the book, you will create simple recommendation engine, real-time recommendation engine, scalable recommendation engine, and more. You will familiarize yourselves with various techniques of recommender systems such as collaborative, content-based, and cross-recommendations before getting to know the best practices of building a recommender system towards the end of the book!
═════════════════════
What you will learn
═════════════════════
● Build your first recommendation engine
● Discover the tools needed to build recommendation engines
● Dive into the various techniques of recommender systems such as collaborative, content-based, and cross-recommendations
● Create efficient decision-making systems that will ease your work
● Familiarize yourself with machine learning algorithms in different frameworks
● Master different versions of recommendation engines from practical code examples
● Explore various recommender systems and implement them in popular techniques with R, Python, Spark, and others
#engine@physics_math
#программирование@physics_math
#python@physics_math
#spark@physics_math
#r@physics_math
#css@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Описание:
═════════════════════
Understand your data and user preferences to make intelligent, accurate, and profitable decisions.
A recommendation engine (sometimes referred to as a recommender system) is a tool that lets algorithm developers predict what a user may or may not like among a list of given items. Recommender systems have become extremely common in recent years, and are applied in a variety of applications. The most popular ones are movies, music, news, books, research articles, search queries, social tags, and products in general.
The book starts with an introduction to recommendation systems and its applications. You will then start building recommendation engines straight away from the very basics. As you move along, you will learn to build recommender systems with popular frameworks such as R, Python, Spark, Neo4j, and Hadoop. You will get an insight into the pros and cons of each recommendation engine and when to use which recommendation to ensure each pick is the one that suits you the best.
During the course of the book, you will create simple recommendation engine, real-time recommendation engine, scalable recommendation engine, and more. You will familiarize yourselves with various techniques of recommender systems such as collaborative, content-based, and cross-recommendations before getting to know the best practices of building a recommender system towards the end of the book!
═════════════════════
What you will learn
═════════════════════
● Build your first recommendation engine
● Discover the tools needed to build recommendation engines
● Dive into the various techniques of recommender systems such as collaborative, content-based, and cross-recommendations
● Create efficient decision-making systems that will ease your work
● Familiarize yourself with machine learning algorithms in different frameworks
● Master different versions of recommendation engines from practical code examples
● Explore various recommender systems and implement them in popular techniques with R, Python, Spark, and others
#engine@physics_math
#программирование@physics_math
#python@physics_math
#spark@physics_math
#r@physics_math
#css@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Привет, фанаты Django. Как думаете, Flask жив еще? А то тишина вокруг какая-то
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
[Из песочницы] Документируем и тестируем REST API с помощью SpringRestDocs
Добрый день, хочу затронуть тему документирования REST API. Сразу же оговорюсь, этот материал будет ориентирован на инженеров работающих в Spring экосистеме.
На нескольких последних проектах я использовал фреймворк SpringRestDocs, он успешно закрепился в портфолио, был показан знакомым, которые также начали успешно его применять и теперь я хочу поделиться с Вами в статье о его возможностях и преимуществах. Статья позволит разобраться с применением SpringRestDocs и начать его использовать. Читать дальше → https://goo.gl/a3iSif
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Добрый день, хочу затронуть тему документирования REST API. Сразу же оговорюсь, этот материал будет ориентирован на инженеров работающих в Spring экосистеме.
На нескольких последних проектах я использовал фреймворк SpringRestDocs, он успешно закрепился в портфолио, был показан знакомым, которые также начали успешно его применять и теперь я хочу поделиться с Вами в статье о его возможностях и преимуществах. Статья позволит разобраться с применением SpringRestDocs и начать его использовать. Читать дальше → https://goo.gl/a3iSif
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Habr
Документируем и тестируем REST API с помощью SpringRestDocs
Добрый день, хочу затронуть тему документирования REST API. Сразу же оговорюсь, этот материал будет ориентирован на инженеров работающих в Spring экосистеме. На нескольких последних проектах я...
Тестирование на проникновение с помощью Kali Linux 2.0 (2015)
═════════════════════
Описание:
═════════════════════
Kali Linux является передовым Linux дистрибутивом для проведения тестирования на проникновение и аудита безопасности. Информация в данной книге предназначена для ознакомления или тестирования на проникновение собственных сетей. Для тестирования сетей третьих лиц, получите письменное разрешение.
“Тестирование на проникновение (жарг. Пентест) — метод оценки безопасности компьютерных систем или сетей средствами моделирования атаки злоумышленника.” – WiKi.
Вся ответственность за реализацию действий, описанных в книге, лежит на вас. Помните, что за неправомерные действия предусмотрена ответственность, вплоть до уголовной.
Книга состоит из 8 частей, в которые входят 62 главы. Все подробно рассказывается с использованием примеров. В книге используется самая актуальная информация на сегодняшний день.
#взлом@physics_math
#безопасность@physics_math
#linux@physics_math
#kalilinux@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Описание:
═════════════════════
Kali Linux является передовым Linux дистрибутивом для проведения тестирования на проникновение и аудита безопасности. Информация в данной книге предназначена для ознакомления или тестирования на проникновение собственных сетей. Для тестирования сетей третьих лиц, получите письменное разрешение.
“Тестирование на проникновение (жарг. Пентест) — метод оценки безопасности компьютерных систем или сетей средствами моделирования атаки злоумышленника.” – WiKi.
Вся ответственность за реализацию действий, описанных в книге, лежит на вас. Помните, что за неправомерные действия предусмотрена ответственность, вплоть до уголовной.
Книга состоит из 8 частей, в которые входят 62 главы. Все подробно рассказывается с использованием примеров. В книге используется самая актуальная информация на сегодняшний день.
#взлом@physics_math
#безопасность@physics_math
#linux@physics_math
#kalilinux@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Для графика задаю много координат в plt.plot() с помощью большого количества циклов. Как сделать, чтобы не появлялось сообщение [<matplotlib.lines.Line2D object at .................>]. Это занимает много времени.
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Для графика задаю много координат в plt.plot() с помощью большого количества циклов. Как сделать, чтобы не появлялось сообщение [<matplotlib.lines.Line2D object at .................>]. Это занимает много времени.
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Kaspersky Industrial CTF 2017: семь часов, чтобы вырубить завод
На конференции GeekPWN в Шанхае мы провели финал соревнования по промышленной кибербезопасности Kaspersky Industrial CTF 2017. В отборочном туре участие приняли почти 700 команд. Преимущественно это были студенты из разных стран, изучающие информационные технологии вообще и кибербезопасность в частности. В финал вышли три команды: CyKor (Южная Корея), TokyoWesterns (Япония), Flappy Pig (Китай).
Наши эксперты соорудили для соревнований модель реально существующего нефтеперерабатывающего завода (какого именно — непринципиально). В модели используются те же PLC-контроллеры, что управляют давлением в резервуарах и контролируют объемы прокачиваемых насосами жидкостей на реальном заводе. Схема их подключения также взята из реальности. Плюс мы построили модель понижающей подстанции 110/10 кВ на стандартных контроллерах производства ABB и Siemens. Читать дальше → https://goo.gl/JXca7B
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
На конференции GeekPWN в Шанхае мы провели финал соревнования по промышленной кибербезопасности Kaspersky Industrial CTF 2017. В отборочном туре участие приняли почти 700 команд. Преимущественно это были студенты из разных стран, изучающие информационные технологии вообще и кибербезопасность в частности. В финал вышли три команды: CyKor (Южная Корея), TokyoWesterns (Япония), Flappy Pig (Китай).
Наши эксперты соорудили для соревнований модель реально существующего нефтеперерабатывающего завода (какого именно — непринципиально). В модели используются те же PLC-контроллеры, что управляют давлением в резервуарах и контролируют объемы прокачиваемых насосами жидкостей на реальном заводе. Схема их подключения также взята из реальности. Плюс мы построили модель понижающей подстанции 110/10 кВ на стандартных контроллерах производства ABB и Siemens. Читать дальше → https://goo.gl/JXca7B
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Python-джедай
#1 Введение
#2 Простые операции
#3 Работа со строками
#4 Типы данных, переменные
#5 Управляющие структуры
#6 Множественные условия, приоритетность операторов
#7 Циклы
#8 Списки
#9 Диапазоны, Обход списков
#10 Свои функции
#video #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#1 Введение
#2 Простые операции
#3 Работа со строками
#4 Типы данных, переменные
#5 Управляющие структуры
#6 Множественные условия, приоритетность операторов
#7 Циклы
#8 Списки
#9 Диапазоны, Обход списков
#10 Свои функции
#video #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
[Перевод] Управляем состоянием в Angular при помощи Mobx
Каждый разработчик знает, что управление состоянием довольно сложная штука. Постоянно отслеживать, что где и когда поменялось, это просто кошмар, особенно в больших приложениях.
В мире Angular есть несколько решений, которые могут сделать управление состоянием менее сложным, болезненным и хрупким.
Два наиболее популярных решения это ngrx/store, вдохновленной по большей части Redux, и Observable сервисы данных.
Лично мне очень нравится Redux, и он стоит каждой строчки бойлерплейт кода. Но, к сожалению, некоторе со мной могут не согласиться или Redux не особо применим в их приложениях.
Поэтому я решил поведать вам, как может пригодится Mobx, в решении проблемы управления состоянием. Идея заключается в том, чтобы объединить два мира, Redux и Mobx. Читать дальше → https://goo.gl/oZN9SK
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Каждый разработчик знает, что управление состоянием довольно сложная штука. Постоянно отслеживать, что где и когда поменялось, это просто кошмар, особенно в больших приложениях.
В мире Angular есть несколько решений, которые могут сделать управление состоянием менее сложным, болезненным и хрупким.
Два наиболее популярных решения это ngrx/store, вдохновленной по большей части Redux, и Observable сервисы данных.
Лично мне очень нравится Redux, и он стоит каждой строчки бойлерплейт кода. Но, к сожалению, некоторе со мной могут не согласиться или Redux не особо применим в их приложениях.
Поэтому я решил поведать вам, как может пригодится Mobx, в решении проблемы управления состоянием. Идея заключается в том, чтобы объединить два мира, Redux и Mobx. Читать дальше → https://goo.gl/oZN9SK
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Habr
Управляем состоянием в Angular при помощи Mobx
Каждый разработчик знает, что управление состоянием довольно сложная штука. Постоянно отслеживать, что где и когда поменялось, это просто кошмар, особенно в больших приложениях. В мире Angular есть...
Есть задача, но не представляю как реализовать:
Существует модель товара, у нее есть описание, название и т.д., а так же ТИП товара, который ссылается на другую модель.
Я создаю товар (iphone, и выбираю тип Телефон) Во время создания объекта модели type также необходимо создать n-ое количество "левых столбцов", которые будут относиться только к Телефонам (если я создам объект Компьютер, то у него уже будут свои "левые столбцы", которые я буду создавать прямо в нем) В итоге это должно выглядеть так: я захожу в админку, создаю товар, в нем выбираю тип и ко мне в объект подгружаются поля, именами, которых являются данные, которые я ввел в тип Телефон, я их заполняю и в итоге выходит так, как на картинке.
class Product(models.Model):
type = models.ForeignKey(
'EquipmentType',
on_delete=models.PROTECT,
verbose_name="Тип товара"
)
title = models.CharField(max_length=100, verbose_name="Название товара")
class EquipmentType(models.Model):
name = models.CharField(
primary_key=True,
max_length=50,
verbose_name='Тип товара'
)
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Существует модель товара, у нее есть описание, название и т.д., а так же ТИП товара, который ссылается на другую модель.
Я создаю товар (iphone, и выбираю тип Телефон) Во время создания объекта модели type также необходимо создать n-ое количество "левых столбцов", которые будут относиться только к Телефонам (если я создам объект Компьютер, то у него уже будут свои "левые столбцы", которые я буду создавать прямо в нем) В итоге это должно выглядеть так: я захожу в админку, создаю товар, в нем выбираю тип и ко мне в объект подгружаются поля, именами, которых являются данные, которые я ввел в тип Телефон, я их заполняю и в итоге выходит так, как на картинке.
class Product(models.Model):
type = models.ForeignKey(
'EquipmentType',
on_delete=models.PROTECT,
verbose_name="Тип товара"
)
title = models.CharField(max_length=100, verbose_name="Название товара")
class EquipmentType(models.Model):
name = models.CharField(
primary_key=True,
max_length=50,
verbose_name='Тип товара'
)
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Всем привет, есть такой вопрос.
Я сейчас прохожу модуль datetime.
C классом date все понятно, а вот с time пока ещё нет.
Есть у класса time метод, аналогичный вызову datetime.today()?
Если я сделаю вызов
current_date = datetime.date.today()
то получу текущую дату.
Если же я сделаю вызов
# current_time = datetime.time.today()
то это не сработает и выкинет ошибку.
Если сделать вызов
current_time = datetime.time()
то во всех полях результата будут нули.
Как решить эту проблему и получить объект класса time с полями, взятыми по текущему моменту?
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Я сейчас прохожу модуль datetime.
C классом date все понятно, а вот с time пока ещё нет.
Есть у класса time метод, аналогичный вызову datetime.today()?
Если я сделаю вызов
current_date = datetime.date.today()
то получу текущую дату.
Если же я сделаю вызов
# current_time = datetime.time.today()
то это не сработает и выкинет ошибку.
Если сделать вызов
current_time = datetime.time()
то во всех полях результата будут нули.
Как решить эту проблему и получить объект класса time с полями, взятыми по текущему моменту?
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
[Перевод] Нет, у меня нет сторонних проектов, чтобы вам показать
Я точно знаю момент, когда потерял шансы пройти собеседование в фирму по разработке шоппинг-приложения в центре Остина. Они хотели посмотреть примеры моего кода. Конечно, они понимали, что я не могу им показать код своего нынешнего или прошлых работодателей. Но это не должно быть проблемой. Ведь они разрешают показать код одного из моих многочисленных сторонних проектов, которые у меня без сомнения есть.
Но у меня нет сторонних проектов. У меня нет аккаунта на GitHub. У меня нет open-source проектов, которые я строгаю по вечерам. У меня ровно ноль пулл-реквестов в любой из последних модных проектов, в которых участвуют все крутые кодеры. Я не вожусь с упражнениями в Haskel. И я ненавижу хакатоны.
И когда я сказал, что не могу показать им сторонних проектов — для них это звучало так, что я не лучший. Я не увлечённый разработчик. Я не уделяю достаточно времени тому, чтобы поддерживать на высоком уровне своё образование и навыки. Программирование — это «просто работа». Читать дальше → https://goo.gl/QTXe75
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Я точно знаю момент, когда потерял шансы пройти собеседование в фирму по разработке шоппинг-приложения в центре Остина. Они хотели посмотреть примеры моего кода. Конечно, они понимали, что я не могу им показать код своего нынешнего или прошлых работодателей. Но это не должно быть проблемой. Ведь они разрешают показать код одного из моих многочисленных сторонних проектов, которые у меня без сомнения есть.
Но у меня нет сторонних проектов. У меня нет аккаунта на GitHub. У меня нет open-source проектов, которые я строгаю по вечерам. У меня ровно ноль пулл-реквестов в любой из последних модных проектов, в которых участвуют все крутые кодеры. Я не вожусь с упражнениями в Haskel. И я ненавижу хакатоны.
И когда я сказал, что не могу показать им сторонних проектов — для них это звучало так, что я не лучший. Я не увлечённый разработчик. Я не уделяю достаточно времени тому, чтобы поддерживать на высоком уровне своё образование и навыки. Программирование — это «просто работа». Читать дальше → https://goo.gl/QTXe75
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
habrahabr.ru
Нет, у меня нет сторонних проектов, чтобы вам показать
Я точно знаю момент, когда потерял шансы пройти собеседование в фирму по разработке шоппинг-приложения в центре Остина. Они хотели посмотреть примеры моего кода...
Добрые люди, посоветуйте хорошую книгу для изучения Python с примерами, на русском для начинающих чайников. Заранее благодарен всем кто откликнется!!!
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Как вам идея трёхдневных выходных? Кажется, то, что доктор прописал. ТОП-10 статей недели вышел хардкорным, тут есть, с чем поразбираться. А ещё можно порефлексировать, глядя на картинку с коротким смыслом — «жиза». Хотя у программистов вроде не всё так плохо. А вам удаётся находить время на жизнь или только работа, только хардкор? https://goo.gl/Cvdfkj
— Реализация «Тетриса» в игре «Жизнь» https://goo.gl/2Qj3nF
— Взлом Bitcoin по телевизору: обфускуй, не обфускуй, все равно получим QR https://goo.gl/D9BLZn
— Эволюция вредоносных расширений: от любительских поделок до стеганографии. Опыт команды Яндекс.Браузера https://goo.gl/EXvyRQ
— Как правильно оформить Open Source проект
— Нет, у меня нет сторонних проектов, чтобы вам показать https://goo.gl/AYABK3
— Tarantool: когда на сервис оповещения миллиона пользователей нужно 500 строк кода https://goo.gl/rtRddR
— Клуб анонимных Дедов Морозов 2017-2018 на Хабрахабре https://goo.gl/guEecj
— Transformer — новая архитектура нейросетей для работы с последовательностями https://goo.gl/ec8esS
— Perfect shuffle https://goo.gl/iCitHt
— Глубокое обучение с R и Keras на примере Carvana Image Masking Challenge https://goo.gl/4KEohN
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
— Реализация «Тетриса» в игре «Жизнь» https://goo.gl/2Qj3nF
— Взлом Bitcoin по телевизору: обфускуй, не обфускуй, все равно получим QR https://goo.gl/D9BLZn
— Эволюция вредоносных расширений: от любительских поделок до стеганографии. Опыт команды Яндекс.Браузера https://goo.gl/EXvyRQ
— Как правильно оформить Open Source проект
— Нет, у меня нет сторонних проектов, чтобы вам показать https://goo.gl/AYABK3
— Tarantool: когда на сервис оповещения миллиона пользователей нужно 500 строк кода https://goo.gl/rtRddR
— Клуб анонимных Дедов Морозов 2017-2018 на Хабрахабре https://goo.gl/guEecj
— Transformer — новая архитектура нейросетей для работы с последовательностями https://goo.gl/ec8esS
— Perfect shuffle https://goo.gl/iCitHt
— Глубокое обучение с R и Keras на примере Carvana Image Masking Challenge https://goo.gl/4KEohN
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Habr
Best of the week stream / Habr
Top of the last 7 days
#k0d #python
Доклад с #EuroPython 2016 о том, стоит ли переходить на #Golang
Golang от k0d: [club56780899|Golang k0d]
print("[club8056712|Python k0d]") # 🤓
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Доклад с #EuroPython 2016 о том, стоит ли переходить на #Golang
Golang от k0d: [club56780899|Golang k0d]
print("[club8056712|Python k0d]") # 🤓
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Гибкая система управления доступом на уровне объектов-записей
Привет всем!
В проектах, основанных на Джанго, часто хочется использовать гибкое управление доступом на уровне записей (объектов), когда разные пользователи имеют, или наоборот, не имеют доступ к отдельным объектам в рамках одной и той же модели.
Я хочу рассказать, какая именно политика доступа к данным требовалась в нашем проекте, почему не нашлось подходящей готовой системы и как появилась новая система управления доступом на уровне записей.
Для наиболее дотошных, далее приведены детали устройства системы, ее внутренней логики и порядка обращения с ней. Читать дальше → https://goo.gl/Mtvav4
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Привет всем!
В проектах, основанных на Джанго, часто хочется использовать гибкое управление доступом на уровне записей (объектов), когда разные пользователи имеют, или наоборот, не имеют доступ к отдельным объектам в рамках одной и той же модели.
Я хочу рассказать, какая именно политика доступа к данным требовалась в нашем проекте, почему не нашлось подходящей готовой системы и как появилась новая система управления доступом на уровне записей.
Для наиболее дотошных, далее приведены детали устройства системы, ее внутренней логики и порядка обращения с ней. Читать дальше → https://goo.gl/Mtvav4
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
habrahabr.ru
Гибкая система управления доступом на уровне объектов-записей
Привет всем! В проектах, основанных на Джанго, часто хочется использовать гибкое управление доступом на уровне записей (объектов), когда разные пользователи...
Коллеги, а с фреймворком Pyramid кто-нить работал? Может есть что-то наподобие хотя бы Лутца, но по пирамиде?
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #pydigest #pirsipy
Прошлая неделя в Python мире была насыщенная - прошел PiterPy, выложили видео с Moscow Python Conf. Но и это далеко не все.
Все самое свежее считайте в Python Дайджест.
В 202 выпуске вы найдете:
- [Видео] Доклады с Moscow Python Conf
- О разработке одного desktop-приложения на Python
- Народный мониторинг ESP8266 MQTT Micropython
- Телеграм-бот для домашнего видео-наблюдения из подручных материалов
- Строим свой blockchain. Часть 2 — синхронизация нод
- Строим 3D принтер с Python
- statically - компирилуем функцию в cython используя один декоратор
- Skulpt: client side Python
- Django bugfix release: 1.11.7
- Pandas 0.21
- PyCharm 2017.2.4
и еще много интересного
Заходите в гости - https://pythondigest.ru/issue/202/
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Прошлая неделя в Python мире была насыщенная - прошел PiterPy, выложили видео с Moscow Python Conf. Но и это далеко не все.
Все самое свежее считайте в Python Дайджест.
В 202 выпуске вы найдете:
- [Видео] Доклады с Moscow Python Conf
- О разработке одного desktop-приложения на Python
- Народный мониторинг ESP8266 MQTT Micropython
- Телеграм-бот для домашнего видео-наблюдения из подручных материалов
- Строим свой blockchain. Часть 2 — синхронизация нод
- Строим 3D принтер с Python
- statically - компирилуем функцию в cython используя один декоратор
- Skulpt: client side Python
- Django bugfix release: 1.11.7
- Pandas 0.21
- PyCharm 2017.2.4
и еще много интересного
Заходите в гости - https://pythondigest.ru/issue/202/
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
pythondigest.ru
Выпуск 202
Новый выпуск еженедельного дайджеста новостей о #python уже в эфире!
Подскажите, пожалуйста, пытаюсь создать большое количество объектов анимации ax.plot( ). Как сделать это, не задавая каждую анимацию отдельно, например ax1.plot(), ax2.plot(), ... , ax100.plot().
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
#python #pydigest
Прошлая неделя в Python мире была насыщенная - прошел PiterPy, выложили видео с Moscow Python Conf. Но и это далеко не все.
Все самое свежее считайте в Python Дайджест.
В 202 выпуске вы найдете:
- [Видео] Доклады с Moscow Python Conf
- О разработке одного desktop-приложения на Python
- Народный мониторинг ESP8266 MQTT Micropython
- Телеграм-бот для домашнего видео-наблюдения из подручных материалов
- Строим свой blockchain. Часть 2 — синхронизация нод
- Строим 3D принтер с Python
- statically - компирилуем функцию в cython используя один декоратор
- Skulpt: client side Python
- Django bugfix release: 1.11.7
- Pandas 0.21
- PyCharm 2017.2.4
и еще много интересного
Заходите в гости - https://pythondigest.ru/issue/202/
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Прошлая неделя в Python мире была насыщенная - прошел PiterPy, выложили видео с Moscow Python Conf. Но и это далеко не все.
Все самое свежее считайте в Python Дайджест.
В 202 выпуске вы найдете:
- [Видео] Доклады с Moscow Python Conf
- О разработке одного desktop-приложения на Python
- Народный мониторинг ESP8266 MQTT Micropython
- Телеграм-бот для домашнего видео-наблюдения из подручных материалов
- Строим свой blockchain. Часть 2 — синхронизация нод
- Строим 3D принтер с Python
- statically - компирилуем функцию в cython используя один декоратор
- Skulpt: client side Python
- Django bugfix release: 1.11.7
- Pandas 0.21
- PyCharm 2017.2.4
и еще много интересного
Заходите в гости - https://pythondigest.ru/issue/202/
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
pythondigest.ru
Выпуск 202
Новый выпуск еженедельного дайджеста новостей о #python уже в эфире!