Автоматизация мобильных приложений с помощью uiautomator2
Сегодня мы поговорим о библиотеке uiautomator2, которая предоставляет мощные инструменты для автоматизации тестирования и взаимодействия с мобильными приложениями на платформе Android.
Эта библиотека может пригодиться для создания автотестов, скриптов для тестирования пользовательского интерфейса, и многих других задач, связанных с мобильной разработкой.
Что такое uiautomator2?
uiautomator2 - это Python-библиотека, предоставляющая возможность управления устройствами Android и взаимодействия с приложениями на них. Она основана на Google's Android Testing Support Library и является мощным инструментом для автоматизации действий на устройствах Android.
С uiautomator2, вы можете выполнять действия, такие как нажатие кнопок, ввод текста, чтение содержимого экрана устройства и многое другое, что делает ее полезной для автоматизации тестирования мобильных приложений.
#python#uiautomator2#автоматизация
🤖 В 2024 году 4,6% компаний направили инвестиции в проекты по глубокой роботизации и автоматизации, включая использование роботов и конвейеров в производстве и логистике. Однако, согласно исследованию консалтинговой компании «КСЛ», этот показатель вырастет почти вдвое — до 8,4% в 2025 году. Увеличение связано с дефицитом кадров и повышением операционных расходов, что побуждает бизнес переходить к более интенсивным методам развития.
📈 Дефицит линейного персонала стал основным стимулом для внедрения роботизации: 15,2% компаний рассматривают его как главное препятствие для роста. По прогнозам, в 2025 году всего 36% организаций планируют увеличить штат, тогда как 25% ожидают его сокращения. Компании сделали выбор в пользу автоматизации процессов, что позволит уменьшить зависимость от кадров и быстро реагировать на изменения спроса.
💼 Несмотря на планы, внедрение новых технологий сталкивается с трудностями. Для 25% респондентов основным ограничением остаются высокие инвестиции, 15% сообщают о необходимости пересмотра бизнес-процессов, а 13% — о длительных сроках окупаемости. Схожие проблемы наблюдаются и при цифровизации: 19% компаний приостанавливают расходы из-за незрелости процессов.
____
#ТисЛоджистик🦏
#Роботизация
#Автоматизация
#Инновации
📌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🖖
#вакансия # DataScientist #fulltime#удаленно#Python
👋Привет! Меня зовут Ирина. Я представляю группу компаний Top Selection.
🔥В данный момент мы в поисках DataScientist 🔥 Грейд: midlle+
Рейт: 200-230 К на руки
Формат работы: удаленка
Локация/Гражданство: только РФ
Срок привлечения: до конца 2026
Загрузка: fulltime
Оформление: как ИП
Сфера: ритейл
📝Задачи и обязанности:
• Развивать AI-помощника для сотрудников: улучшать качество ответов, разрабатывать дополнительные интеграции с внутренними базами и документами, разрабатывать новые фичи
• Определять структуру и качество данных для разработки новых фичей/продуктов
• Разрабатывать базовые AI-решения на уровне MVP: от обработки данных и настройки модели до простого интерфейса и интеграции с внутренними системами
• Тестировать, сравнивать и адаптировать различные ML-подходы (классификация, кластеризация, ранжирование) и новые рыночные решения для внутренних продуктов.
• Разрабатывать архитектуру AI-решений и писать чистый, эффективный и поддерживаемый кода на Python.
✅Требования:
• Опыт работы в Data Science от 3 лет
• Высшее образование: IT, техническое, математическое
• Уверенное знание Python, умение писать чистый, поддерживаемый продакшен-код.
• Практический опыт решения задач классического ML: классификация, регрессия, кластеризация.
• Глубокое владение основными библиотеками и фреймворками для анализа данных (scikit-learn, XGBoost/LightGBM, numpy, pandas, plotly/ matplotlib/ seaborn)
• Понимание feature engineering и методологий оценки качества моделей.
• Знание SQL, опыт работы с реляционными СУБД на уровне пользователя
• Умение работать с Git
• Опыт создания и сопровождения ML-сервисов на современных фреймворках (FastAPI, Flask).
• Понимание работы REST/gRPC API.
• Понимание микросервисной архитектуры и контейнеризации (Docker).
• Владение инструментами CI/CD и принципами MLOps для автоматизации развертывания моделей в Kubernetes-окружении
• Навыки настройки логирования и мониторинга для ML-компонентов.
• Знание архитектурных паттернов для LLM.
• Понимание концепций: transformer, механизмы внимания, GPT-архитектуры
• Методы тонкой настройки LLM: LoRA, QLoRA, адаптерные подходы
• Навыки работы с большими языковыми моделями (Hugging Face, vLLM),
• Опыт построения и оптимизации RAG-систем.
• Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами).
• Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, использование function calling и управление контекстом (contextual memory).
• Умение работать с неструктурированными данными
• Способность самостоятельно доводить решения до рабочего прототипа
• Готовность активно погружаться в быстро развивающийся стек LLM-технологий и внедрять их в рабочие продукты.
📲@irazhura87