TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #396 · 22.06
Попробовал Github Copilot. Это проект, в рамках которого Гитхаб обучил нейросеть на миллионах строк программного кода, загруженного людьми, и теперь она вроде как способна предлагать автоматическое дополнение к тому, что вы пишете. В теории, если вы напишете название функции, например public int Fibonacci(int n), то она сразу предложит вам автоматически подставить всё остальное. Конкретно с этим примером система действительно справляется, но в целом впечатления у меня от неё смешанные, и на мой взгляд она пока что не стоит тех $10 в месяц, которые за неё просят после тестового двухмесячного периода. Я уже писал ранее о своём отношении к нейросетям. В задачах дополнения данных они работают средненько: значимый процент решений будет с ошибками. Вот и здесь — сначала я подумал, что Copilot сможет за меня копипастить популярные однотипные куски кода из интернета. Например, я не помню алгоритм Вагнера-Фишера, постоянно его копирую из своих других проектов, часть из которых выложена на Github и наверняка была передана в обучение Copilot. Я предложил нейросетям мне этот алгоритм написать, они написали что-то отдалённо похожее. Внешне выглядело убедительно и даже компилировалось, но работало неправильно, и при ближайшем рассмотрении оказалось, что там просто случайно надёрганные строчки из настоящего алгоритма. Некоторые проверки по 2 раза, а часть нужной логики упущено совсем. Об оформлении кода вообще говорить не стоит: пока всё, что мне выдавалось, оформлено плохо, и на ревью я бы написал разработчику несколько замечаний. Однако, в других местах работает, как задумано. Если у вас есть дуальные функции, оно умеет предлагать дописать остаток (пример на скриншоте ниже). Но из того, что я попробовал, только процентов 20 случаев реально были полезны. Остальные 80% или вообще неверный код, или правильный, но такой неаккуратный, что лучше самому написать. Есть ещё проблема: массовый копипаст довольно опасен, потому что легко пропустить какую-то мелочь. В идеале нужно весь вставленный код проверять построчно, но по когнитивной нагрузке это близко к тому, чтобы создать его самостоятельно. И человеческое внимание совершенно точно будет расслабляться и размываться при работе с такими средствами автодополнения, а, значит, неизбежны ошибки. На месте чувствительной к багам энтерпрайз-разработки я бы вообще запрещал бы своим сотрудникам применять Copilot. С другой стороны, возможно, подобная утилита хорошо зайдёт для прототипирования, на хакатонах, на стримах с демонстрацией разработки чего-нибудь. У меня будет возможность проверить на соревновании через месяц, но в работе скорее всего отключу. #dev
Hashtags
Търсене: #apis
@repo_science · Post #3160 · 10.05.2023 г., 21:54
#Python#Flask#APIs 🐍 REST APIs with Flask and Python in 2023 Build professional REST APIs with Python, Flask, Docker, Flask-Smorest, and Flask-SQLAlchemy 🗣️ Jose Salvatierra, Teclado by Jose Salvatierra 🌟 4.6 - 20097 votes 🔗Link ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@repo_science · Post #3383 · 03.07.2023 г., 15:15
#public#APIs Public APIs A collective list of free APIs for use in software and web development 🔍#github 🔗Link ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@djangoproject · Post #437 · 11.09.2017 г., 19:13
https://httpie.org/ #HTTPie consists of a single http command designed for painless debugging and interaction with HTTP #servers, #RESTful#APIs, and web services: Sensible defaults Expressive and intuitive command syntax Colorized and formatted terminal output Built-in JSON support Persistent sessions Forms and file uploads HTTPS, proxies, and authentication support Support for arbitrary request data and headers Wget-like downloads Extensions Linux, Mac OSX, and Windows support And more…
@djangoproject · Post #264 · 18.02.2017 г., 06:23
https://blog.miguelgrinberg.com/post/designing-a-restful-api-with-python-and-flask In recent years #REST (REpresentational State Transfer) has emerged as the standard architectural design for #web services and web #APIs. In this article I'm going to show you how easy it is to create a RESTful web service using Python and the Flask microframework. What is REST? The characteristics of a REST system are defined by six design rules: Client-Server: There should be a separation between the #server that offers a service, and the #client that consumes it. Stateless: Each request from a client must contain all the information required by the server to carry out the #request. In other words, the server cannot store information provided by the client in one request and use it in another request. Cacheable: The server must indicate to the client if requests can be cached or not. Layered System: Communication between a client and a server should be standardized in such a way that allows intermediaries to respond to requests instead of the end server, without the client having to do anything different. Uniform Interface: The method of communication between a client and a server must be uniform. Code on demand: Servers can provide executable code or scripts for clients to execute in their context. This constraint is the only one that is optional.
@djangoproject · Post #118 · 08.08.2016 г., 11:44
https://docs.python.org/3/library/multiprocessing.html multiprocessing is a package that supports spawning processes using an API similar to the threading module. The multiprocessing package offers both local and remote concurrency, effectively side-stepping the Global Interpreter Lock by using subprocesses instead of threads. Due to this, the multiprocessing module allows the programmer to fully leverage multiple processors on a given machine. It runs on both Unix and Windows. The #multiprocessing module also introduces #APIs which do not have analogs in the #threading#module. A prime example of this is the Pool object which offers a convenient means of parallelizing the execution of a function across multiple input values, distributing the input data across processes (data #parallelism). The following example demonstrates the common practice of defining such functions in a module so that child processes can successfully import that module. This basic example of data parallelism using Pool,
@djangoproject · Post #589 · 29.03.2018 г., 06:38
http://books.agiliq.com/projects/django-api-polls-tutorial/en/latest/ Building #APIs with #Django and #Django_Rest_Framework(#DRF) Introductions Setup, Models and Admin A simple API with pure Django #Serializing and Deserializing Data Views and Generic Views More views and viewsets #Access_Control #Testing and Continuous Integeration Testing and Using API with Postman Documenting APIs (with Swagger and more)
@CryptoM · Post #64595 · 09.04.2026 г., 09:46
🚀 Gobi Partners Invests in Transak to Expand Asian Market Presence Gobi Partners has announced its investment in Transak. According to ChainCatcher, Transak, established in 2019, offers financial institutions a single API for seamless fiat and digital asset exchanges, handling KYC, AML, risk monitoring, and local payment integration. The investment aims to support Transak's expansion into the Asian market. Transak has already established its Asia-Pacific headquarters in Hong Kong and plans to enhance integration with payment networks and banking partners in the ASEAN region. #GobiPartners#Transak#Investment#AsiaMarketExpansion#Fintech#DigitalAssets#KYC#AML#RiskMonitoring#APIs#PaymentIntegration#ASEAN#HongKong#FinancialInstitutions