View NumPy & Pandas Data Instantly in Excel with xlwings!
Хотите быстро просмотреть массивы NumPy или фреймы данных Pandas прямо в Excel? В этом видео я покажу вам самый быстрый и простой способ сделать это с помощью xlwings — всего одной строкой кода на Python.
📺 YouTube
Clean Code & Мах
Хотите быстро просмотреть массивы NumPy или фреймы данных Pandas прямо в Excel? В этом видео я покажу вам самый быстрый и простой способ сделать это с помощью xlwings — всего одной строкой кода на Python.
📺 YouTube
Clean Code & Мах
YouTube
View NumPy & Pandas Data Instantly in Excel with xlwings!
Want to quickly preview your NumPy arrays or Pandas DataFrames directly inside Excel? In this video, I’ll show you the fastest and easiest way to do it using xlwings — with just one line of Python code.
You’ll learn how to:
- Send NumPy arrays straight…
You’ll learn how to:
- Send NumPy arrays straight…
📑 Ответ
Anonymous Quiz
38%
array_reduce
9%
reduce_array
30%
function_aggregate
23%
aggregate_function
Почему PostgreSQL захватил мир баз данных?
Рассказываем про PostgreSQL: как эта база появилась, как незаметно захватила мир БД, почему на неё все бегут с MySQL и почему она может легко заменить кучу других баз
📺 YouTube
Clean Code & Мах
Рассказываем про PostgreSQL: как эта база появилась, как незаметно захватила мир БД, почему на неё все бегут с MySQL и почему она может легко заменить кучу других баз
📺 YouTube
Clean Code & Мах
YouTube
Почему PostgreSQL захватил мир баз данных?
🚀 Бесплатные уроки Merion Academy:
https://wiki.merionet.ru/merion-academy/courses?utm_source=YT&utm_medium=own&utm_campaign=postgresql
Рассказываем про PostgreSQL: как эта база появилась, как незаметно захватила мир БД, почему на неё все бегут с MySQL и…
https://wiki.merionet.ru/merion-academy/courses?utm_source=YT&utm_medium=own&utm_campaign=postgresql
Рассказываем про PostgreSQL: как эта база появилась, как незаметно захватила мир БД, почему на неё все бегут с MySQL и…
Размышляй данными при разработке игры! Главная архитектурная ошибка
В этом видео разберем одну из главных архитектурных ошибок при разработке игры - думать логикой, а не данными. Когда ты пытаешься описывать код игры, опираясь на логические умозаключения, то постоянно возникают проблемы с рассинхроном игровой логики, появлением непонятных багов и усложнением разработки. Опираясь же на действительные данные - ты всегда можешь быть уверен в том, что игра будет работать как надо. Возьми что угодно: анимация, UI, условия победы, механики и тд. - все либо оперирует данными, либо данные отображает пользователю. Именно поэтому так важно научиться разработке с ориентированием на данные, а не на различные логические условия и деревья умозаключений
📺 YouTube
Clean Code & Мах
В этом видео разберем одну из главных архитектурных ошибок при разработке игры - думать логикой, а не данными. Когда ты пытаешься описывать код игры, опираясь на логические умозаключения, то постоянно возникают проблемы с рассинхроном игровой логики, появлением непонятных багов и усложнением разработки. Опираясь же на действительные данные - ты всегда можешь быть уверен в том, что игра будет работать как надо. Возьми что угодно: анимация, UI, условия победы, механики и тд. - все либо оперирует данными, либо данные отображает пользователю. Именно поэтому так важно научиться разработке с ориентированием на данные, а не на различные логические условия и деревья умозаключений
📺 YouTube
Clean Code & Мах
YouTube
Поменяй мышление на данные при разработке игры! Главная архитектурная ошибка
⚡️⚡️⚡️ Полезные ссылки ⚡️⚡️⚡️
🔎 https://xn--r1a.website/yakovlev_gamedev - основной telegram канал
📝 В этом видео разберем одну из главных архитектурных ошибок при разработке игры - думать логикой, а не данными. Когда ты пытаешься описывать код игры, опираясь на логические…
🔎 https://xn--r1a.website/yakovlev_gamedev - основной telegram канал
📝 В этом видео разберем одну из главных архитектурных ошибок при разработке игры - думать логикой, а не данными. Когда ты пытаешься описывать код игры, опираясь на логические…
📖Principles of Soft Computing Using Python Programming
🖋Nandi Gypsy | 2024
Мягкие вычисления — это подход к вычислениям, призванный воспроизвести уникальную способность человеческого разума учитывать неопределенность и неточность в своих рассуждениях. Он идеально подходит для вычислительных операций, в которых жесткие аналитические модели не учитывают разнообразие и неоднозначность возможных решений. По мере того как машинное обучение и искусственный интеллект становятся все более распространенными в сфере вычислений, возможности мягких вычислений по преобразованию вычислительной техники становятся все более значительными.
💾 Скачать книгу
Clean Code | #книги #Python & Мах
🖋Nandi Gypsy | 2024
Мягкие вычисления — это подход к вычислениям, призванный воспроизвести уникальную способность человеческого разума учитывать неопределенность и неточность в своих рассуждениях. Он идеально подходит для вычислительных операций, в которых жесткие аналитические модели не учитывают разнообразие и неоднозначность возможных решений. По мере того как машинное обучение и искусственный интеллект становятся все более распространенными в сфере вычислений, возможности мягких вычислений по преобразованию вычислительной техники становятся все более значительными.
💾 Скачать книгу
Clean Code | #книги #Python & Мах
📖Mastering Go Network Automation
🖋Taylor Ian | 2023
В книге подробно рассматриваются такие важные темы, как развертывание контроллеров входящего трафика и внедрение service mesh с помощью Linkerd. Читатели узнают о контейнерных хранилищах, управлении контейнерными хранилищами с помощью Docker, а также об автоматизированных SSL-сертификатах, настройке брандмауэра и сетевых политиках. В книге также рассказывается о мониторинге и оптимизации производительности, в том числе о том, как отслеживать производительность контейнеров и автоматически развертывать обновления. В книге рассматриваются различные стратегии тестирования производительности, такие как нагрузочное, стресс-тестирование и тестирование масштабируемости. В ней рассказывается, как с помощью таких инструментов, как Vegeta и Apache JMeter, на реальных примерах найти узкие места в производительности и оптимизировать сеть.
💾 Скачать книгу
Clean Code | #книги #Go & Мах
🖋Taylor Ian | 2023
В книге подробно рассматриваются такие важные темы, как развертывание контроллеров входящего трафика и внедрение service mesh с помощью Linkerd. Читатели узнают о контейнерных хранилищах, управлении контейнерными хранилищами с помощью Docker, а также об автоматизированных SSL-сертификатах, настройке брандмауэра и сетевых политиках. В книге также рассказывается о мониторинге и оптимизации производительности, в том числе о том, как отслеживать производительность контейнеров и автоматически развертывать обновления. В книге рассматриваются различные стратегии тестирования производительности, такие как нагрузочное, стресс-тестирование и тестирование масштабируемости. В ней рассказывается, как с помощью таких инструментов, как Vegeta и Apache JMeter, на реальных примерах найти узкие места в производительности и оптимизировать сеть.
💾 Скачать книгу
Clean Code | #книги #Go & Мах
Реальное собеседование на Аналитика Данных. Разбор и правильные ответы.
Сейчас вы увидите запись реального собеседования на Junior Analytica данных. Вопросы будут непростые и те же самые вопросы могут спокойно задать на позицию middle и выше. Запомните, все вопросы на всех собеседованиях повторяются, поэтому смотрите это видео очень внимательно, ставьте видео на паузу и пытайтесь сами отвечать на вопросы, которые задают кандидаты, после чего уже смотрите правильный ответ.
📺 YouTube
Clean Code & Мах
Сейчас вы увидите запись реального собеседования на Junior Analytica данных. Вопросы будут непростые и те же самые вопросы могут спокойно задать на позицию middle и выше. Запомните, все вопросы на всех собеседованиях повторяются, поэтому смотрите это видео очень внимательно, ставьте видео на паузу и пытайтесь сами отвечать на вопросы, которые задают кандидаты, после чего уже смотрите правильный ответ.
📺 YouTube
Clean Code & Мах
YouTube
Реальное собеседование на Аналитика Данных. Разбор и правильные ответы.
Сейчас вы увидите запись реального собеседования на Junior Analytica данных. Вопросы будут непростые и те же самые вопросы могут спокойно задать на позицию middle и выше. Запомните, все вопросы на всех собеседованиях повторяются, поэтому смотрите это видео…
This media is not supported in your browser
VIEW IN TELEGRAM
Нейросети уже заменяют носителей языка.
В Telegram быстро набирает популярность ИИ-девушка Chatty, с которой можно голосом практиковать живой разговорный английский и ещё 12 языков на основе новейших моделей искусственного интеллекта. Попробовать можно бесплатно.
🇬🇧 Английский: @ChattyTutorBot
🇩🇪 Немецкий: @ChattyGermanBot
🇪🇸 Испанский: @ChattySpanishBot
🇫🇷 Французский: @ChattyFrenchBot
🇮🇹 Итальянский: @ChattyItalianBot
🇵🇹 Португальский: @ChattyPortugueseBot
🇨🇳 Китайский: @ChattyChineseBot
🇯🇵 Японский: @ChattyJapaneseBot
🇰🇷 Корейский: @ChattyKoreanBot
🇸🇦 Арабский: @ChattyArabicBot
🇹🇷 Турецкий: @ChattyTurkishBot
🇷🇺 Русский: @ChattyRussianBot
🇵🇱 Польский: @ChattyPolandBot
В Telegram быстро набирает популярность ИИ-девушка Chatty, с которой можно голосом практиковать живой разговорный английский и ещё 12 языков на основе новейших моделей искусственного интеллекта. Попробовать можно бесплатно.
🇬🇧 Английский: @ChattyTutorBot
🇩🇪 Немецкий: @ChattyGermanBot
🇪🇸 Испанский: @ChattySpanishBot
🇫🇷 Французский: @ChattyFrenchBot
🇮🇹 Итальянский: @ChattyItalianBot
🇵🇹 Португальский: @ChattyPortugueseBot
🇨🇳 Китайский: @ChattyChineseBot
🇯🇵 Японский: @ChattyJapaneseBot
🇰🇷 Корейский: @ChattyKoreanBot
🇸🇦 Арабский: @ChattyArabicBot
🇹🇷 Турецкий: @ChattyTurkishBot
🇷🇺 Русский: @ChattyRussianBot
🇵🇱 Польский: @ChattyPolandBot
Encoder vs Decoder | Главные отличия на собеседовании NLP инженера
Плюс практический кейс из индустрии и много чего еще в этом видео:
– Зачем делить на sqrt(d) перед softmax?
– Как работает multi-head attention?
– Главное отличие Encoder от Decoder?
– Зачем матрицы K и Q, почему бы не заменить их на одну?
– Как работает FFN блок?
– Зачем нужен Residual Connections?
– Как работает LayerNorm?
– Почему размер decoder модели порядка миллиарда, а encoder – миллиона?
– Что делать, если модель не помещается на карточку?
– Какой размер модели во время обучения и что мы на самом деле храним?
– Как работает Mixed-Precission во время обучения?
📺 YouTube
Clean Code & Мах
Плюс практический кейс из индустрии и много чего еще в этом видео:
– Зачем делить на sqrt(d) перед softmax?
– Как работает multi-head attention?
– Главное отличие Encoder от Decoder?
– Зачем матрицы K и Q, почему бы не заменить их на одну?
– Как работает FFN блок?
– Зачем нужен Residual Connections?
– Как работает LayerNorm?
– Почему размер decoder модели порядка миллиарда, а encoder – миллиона?
– Что делать, если модель не помещается на карточку?
– Какой размер модели во время обучения и что мы на самом деле храним?
– Как работает Mixed-Precission во время обучения?
📺 YouTube
Clean Code & Мах
YouTube
Encoder vs Decoder | Главные отличия на собеседовании NLP инженера
Хватит пысаться от упоминания слова "ML собеседование" – не так уже тут все и страшно (или нет?)
На собеседовании разобрали как работает сердце трансформера – механизм внимания (Attention)
Этот вопрос задают на каждом NLP–собеседовании, если ты его не знаешь…
На собеседовании разобрали как работает сердце трансформера – механизм внимания (Attention)
Этот вопрос задают на каждом NLP–собеседовании, если ты его не знаешь…
📑 Ответ
Anonymous Quiz
40%
Task.Canceled
43%
Task.CanceledTask
15%
Task.CompletedTask
2%
Task.Faulted
Топ вопросов NLP собеседований | трансформер, механизм внимания, берт
Секрет успешного трудоустройства - в дотошной подготовке к собеседованиям!
Знание механизма внимания и трансформеров - база любых собеседований на все грейды в NLP!
📺 YouTube
Clean Code & Мах
Секрет успешного трудоустройства - в дотошной подготовке к собеседованиям!
Знание механизма внимания и трансформеров - база любых собеседований на все грейды в NLP!
📺 YouTube
Clean Code & Мах
YouTube
Топ вопросов NLP собеседований | трансформер, механизм внимания, берт | Часть 1
Секрет успешного трудоустройства - в дотошной подготовке к собеседованиям!
Знание механизма внимания и трансформеров - база любых собеседований на все грейды в NLP!
Содержание:
- Архитектура трансформера
- Механизм внимания
- Позиционные эмбеддинги
- Токенизация…
Знание механизма внимания и трансформеров - база любых собеседований на все грейды в NLP!
Содержание:
- Архитектура трансформера
- Механизм внимания
- Позиционные эмбеддинги
- Токенизация…
Зачем нужны JS фреймворки на самом деле?
В этом видео попробуем провести мысленный эксперимент и построить современное SPA-приложение на чистом JavaScript. Поговорим о роутинге, реактивности, компонентах, обновлении DOM, batching и других задачах, которые приходится решать практически в любом интерфейсе.
📺 YouTube
Clean Code & Мах
В этом видео попробуем провести мысленный эксперимент и построить современное SPA-приложение на чистом JavaScript. Поговорим о роутинге, реактивности, компонентах, обновлении DOM, batching и других задачах, которые приходится решать практически в любом интерфейсе.
📺 YouTube
Clean Code & Мах
YouTube
Зачем нужны JS фреймворки на самом деле?
Недавно Тимур Шемсединов высказал мысль, что современные фронтенд-фреймворки больше не нужны. И действительно: браузеры сегодня умеют гораздо больше, чем 10 лет назад.
Но что произойдет, если прямо сейчас забрать у вас React, Vue, Angular, Svelte и любые…
Но что произойдет, если прямо сейчас забрать у вас React, Vue, Angular, Svelte и любые…