Парсинг JSON в Python с библиотекой ujson
Сегодня мы поговорим о библиотеке ujson, которая предоставляет эффективные инструменты для работы с данными в формате JSON в Python.
JSON (JavaScript Object Notation) - это популярный формат для обмена данными между приложениями, и ujson позволяет эффективно парсить JSON-данные и создавать JSON-объекты.
Что такое ujson?
ujson - это модуль Python, который предоставляет более быструю альтернативу стандартному модулю json в стандартной библиотеке Python. Благодаря оптимизациям, ujson может значительно ускорить парсинг и создание JSON-данных.
Преимущества ujson перед обычным json:
1. Скорость:ujson известен своей высокой производительностью, что делает его отличным выбором для приложений, где важна скорость обработки JSON-данных.
2. Легкость использования: Интерфейс библиотеки очень похож на стандартный модуль json, поэтому переключение на ujson не требует больших изменений в коде.
3. Совместимость:ujson совместим с большинством современных версий Python.
4. Эффективность: Парсер ujson создан с акцентом на эффективность и оптимизацию, что позволяет экономить ресурсы при обработке JSON-данных.
P.S. Автор этого поста вдохновился идеей, предложенной одним из наших подписчиков. Если и у вас есть свои предложения, не стесняйтесь делиться ими в комментариях!
#python#ujson#json#библиотеки
В рамках нацпроекта «Культура» в 2024 году в Коми появятся еще две модельные библиотеки 📚
Об этом рассказала и.о. министра культуры и архивного дела Республики Коми Мария Балмастова на рабочем совещании по рассмотрению госпрограммы в Государственном совете региона. Среди победителей конкурсного отбора Министерства культуры РФ – библиотеки в Усть-Куломе и Аджероме. На их модернизацию из федерального бюджета будет выделено 22 миллиона рублей.
«У жителей в муниципалитетах есть потребность проводить досуг с пользой, делиться результатами своих увлечений и получать новые знания в современных условиях. Библиотеки нового поколения дают такую прекрасную возможность, именно поэтому Республика Коми продолжает активную работу по привлечению федеральных средств на модернизацию библиотечной системы», – прокомментировала руководитель ведомства.
🔹Подробнее — https://clck.ru/36Wdxt
#минкультурыкоми#коми#культура11#НацпроектКультура#нацпроект#национальныйпроект#нацпроектыкоми#библиотеки
📌ThinkSound: новыйvideo-to-sound инструмент
ThinkSound — духовный наследник mmAudio — который способен генерировать звук к видео с высокой точностью.
▪ Поддерживает chain-of-thoughtпромпты: позволяет по шагам объяснить, как должен звучать объект (например: «это металл, он падает на плитку, должно звучать звонкой эхо»)
▪ Учитывает контекст сцены, физику движения объектов, состав материалов и многое другое
▪ Работает с видео как reasoning-модель, а не просто визуально-аудиофильтр
В демках можно послушать звук шагов на песке, звон разбитого стекла, шум дождя — всё сгенерировано на лету, без записанных сэмплов.
Из минусов - сложно подобрать промпт, но когда получается, то модель выдает годноту.
🟡Github: https://github.com/FunAudioLLM/ThinkSound
🟡Демо: https://thinksound-project.github.io/
🟡Статья: https://arxiv.org/pdf/2506.21448
🟡Проект: https://ThinkSound-Demo.github.io
@ai_machinelearning_big_data
#python#videotosound
👥>>> telegram.Bot()
This group is for questions, answers and discussions around the python-telegram-bot library and, to some extent, Telegram bots in general.
#bot#python#programming#group
#вакансия#Python#Fulltime#remote
◾️Компания: Аккредитованная ИТ компания Devim - FinTech, 9+ лет на рынке
◾️Вакансия: Data Engineer (python)
🌏Формат работы: удаленка откуда угодно (офис по желанию в СПБ, м. Старая деревня), главное - иметь РФ счет для ЗП
💳 Вилка: очень примерная - 250 000-400 000 руб NET, готовы отталкиваться от ожиданий кандидатов
🙏Пожелания к кандидату: 3+ лет опыта с данными в качестве Data Engineer; понимание принципов построения DWH и ETL процесса
➕Как плюс: опыт с оркестрацией ETL на Airflow или аналогах, опыт вывода моделей в прод
🪄Стек: Python, Airflow, PostgreSQL, Clickhouse, Docker, k8s
📍Задачи: строить хранилище данных для DS команды и продуктового офиса, разрабатывать инфраструктуру обработки данных и ML (MLFlow, DBT, Superset). Проект на начальной стадии, нет легаси, только новые фичи и можно будет собрать data фреймворк под себя
🧠 Этапы: всего 2 - тех интервью и финальная встреча с CPO
📬 Кидать резюме сюда: @k_shvt🖖