TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #984 · 22.05
Посмотрел у Rozetked краткую выжимку с презентации Google IO, где они 90% времени хвалили свою нейросетку Gemini. И что подумал: задач для просто болтовни с ИИ в чате не так много. А вот научить робота делать за тебя всякую рутину это уже гораздо интереснее. И тут огромное преимущество Гугла над OpenAI — у Гугла уже полно очень популярных сервисов, на которые можно навесить ИИ-функциональность. В презентации так и показывали, например почта с нейросеткой — Gemini залезает в каждое ваше письмо и даже читает вложения, а затем, например, может вам сказать, сколько вы денег (по чекам в почте) потратили на определённую категорию товаров за какое-то время. Ну, пример немного вырожденный, но если нейросетки за нас научат надёжно пользоваться веб-сервисами и приложениями, это будет по-настоящему полезным применением. Я бы хотел рассказать экселю обычным человеческим языком, какая мне нужна таблица, и чтобы он её сделал. Ребята из GigaChat, тем временем, показали мне function calling — как раз попытку поженить машинный интерфейс и языковой процессор. И мне даже хочется попробовать сделать что-то простое. Можете накидать идей в комментах. Нужен какой-то сервис с API, который я смогу вызывать, либо другая формализованная машинная работа. И к ней какая-то рутинная задача, которая может быть создана из текстового запроса на естественном языке. Что бы это могло быть? #dev
Hashtags
Търсене: #array
@djangoproject · Post #316 · 28.04.2017 г., 06:09
https://github.com/blissnd/easyxls Convert any #spreadsheet into a Python internal #dict/#array data structure, for easy processing. Can also handle pivot tables. For pivot table usage, header_row_start & header_col_start need to be set equal to the top left corner of the pivot table => header_row_start=8, header_col_start='c' in the included example. Column IDs must always be lowercase chars in quotes, e.g. 'a'.
Hashtags
@djangoproject · Post #129 · 31.08.2016 г., 15:36
https://pypi.python.org/pypi/numpy #NumPy is a general-purpose #array-processing package designed to efficiently manipulate large #multi-dimensional arrays of arbitrary records without sacrificing too much speed for small multi-dimensional #arrays. NumPy is built on the #Numeric code base and adds features introduced by #numarray as well as an extended #C-API and the ability to create arrays of arbitrary type which also makes NumPy suitable for interfacing with general-purpose #data-base applications.