Управление зависимостями в Python с Poetry
Сегодня расскажем о мощном инструменте для эффективного управления зависимостями в ваших Python-проектах - Poetry. Poetry представляет собой интуитивно понятный инструмент, который упрощает создание, управление и публикацию пакетов, делая процесс разработки более прозрачным и удобным.
Poetry - это инструмент для управления зависимостями и управления проектами в Python. Он предоставляет удобный способ определения зависимостей, настройки окружения и управления проектом с использованием файла pyproject.toml.
Преимущества использования Poetry:
- Простота: Poetry предоставляет простой и интуитивно понятный способ управления зависимостями, позволяя сосредоточиться на коде, а не на конфигурации.
- Управление версиями: Poetry автоматически создает файлы requirements.txt и Pipfile.lock, обеспечивая точное управление версиями зависимостей.
- Встроенная документация: Интегрированная поддержка документации и команд для упрощения публикации пакетов.
- Интеграция с проектами: Poetry легко интегрируется в процессы разработки и может использоваться вместе с такими инструментами, как VSCode, PyCharm и другими.
Как использовать Poetry?
Для начала работы установите Poetry с помощью следующей команды:
pip install poetry
Инициализируйте новый проект:
poetry new your_project
Добавьте зависимости:
poetry add package_name
И Poetry автоматически обновит ваш файл pyproject.toml и управит зависимостями.
#python#poetry#pyprojecttoml
ЗИНКА
1
Мы легли у разбитой ели.
Ждем, когда же начнет светлеть.
Под шинелью вдвоем теплее
На продрогшей, гнилой земле.
— Знаешь, Юлька, я — против грусти,
Но сегодня она не в счет.
Дома, в яблочном захолустье,
Мама, мамка моя живет.
У тебя есть друзья, любимый,
У меня — лишь она одна.
Пахнет в хате квашней и дымом,
За порогом бурлит весна.
Старой кажется: каждый кустик
Беспокойную дочку ждет…
Знаешь, Юлька, я — против грусти,
Но сегодня она не в счет.
Отогрелись мы еле-еле.
Вдруг приказ: «Выступать вперед!»
Снова рядом, в сырой шинели
Светлокосый солдат идет.
2
С каждым днем становилось горше.
Шли без митингов и знамен.
В окруженье попал под Оршей
Наш потрепанный батальон.
Зинка нас повела в атаку.
Мы пробились по черной ржи,
По воронкам и буеракам
Через смертные рубежи.
Мы не ждали посмертной славы.-
Мы хотели со славой жить.
…Почему же в бинтах кровавых
Светлокосый солдат лежит?
Ее тело своей шинелью
Укрывала я, зубы сжав…
Белорусские ветры пели
О рязанских глухих садах.
3
— Знаешь, Зинка, я против грусти,
Но сегодня она не в счет.
Где-то, в яблочном захолустье,
Мама, мамка твоя живет.
У меня есть друзья, любимый,
У нее ты была одна.
Пахнет в хате квашней и дымом,
За порогом стоит весна.
И старушка в цветастом платье
У иконы свечу зажгла.
…Я не знаю, как написать ей,
Чтоб тебя она не ждала?!
1944
#Друнина#ЮлияДрунина#поэты#поэзия#стихи#poetry#poems#русскаялитература#советскаялитература
1⃣0⃣1⃣ год назад родилась Юлия Друнина - поэт, участница Великой Отечественной войны. Автор знаменитого четверостишия, ставшего символом военной поэзии:
Я только раз видала рукопашный,
Раз наяву. И тысячу — во сне.
Кто говорит, что на войне не страшно,
Тот ничего не знает о войне.
Её военные стихи всегда пронзительны и в то же время глубоко лиричны. Стихотворение "Зинка" одно из таких. Его даже читать тяжело...
#Друнина#ЮлияДрунина#поэты#поэзия#стихи#poetry#poems#русскаялитература#советскаялитература
✨The STAR method is a powerful technique used to answer behavioral interview questions effectively.
It helps structure responses by focusing on Situation, Task, Action, and Result. For analytics professionals, using the STAR method ensures that you demonstrate your problem-solving abilities, technical skills, and business acumen in a clear and concise way.
Here’s how the STAR method works, tailored for an analytics interview:
📍 1. Situation
Describe the context or challenge you faced. For analysts, this might be related to data challenges, business processes, or system inefficiencies. Be specific about the setting, whether it was a project, a recurring task, or a special initiative.
Example: “At my previous role as a data analyst at XYZ Company, we were experiencing a high churn rate among our subscription customers. This was a critical issue because it directly impacted revenue.”*
📍 2. Task
Explain the responsibilities you had or the goals you needed to achieve in that situation. In analytics, this usually revolves around diagnosing the problem, designing experiments, or conducting data analysis.
Example: “I was tasked with identifying the factors contributing to customer churn and providing actionable insights to the marketing team to help them improve retention.”*
📍 3. Action
Detail the specific actions you took to address the problem. Be sure to mention any tools, software, or methodologies you used (e.g., SQL, Python, data #visualization tools, #statistical#models). This is your opportunity to showcase your technical expertise and approach to problem-solving.
Example: “I collected and analyzed customer data using #SQL to extract key trends. I then used #Python for data cleaning and statistical analysis, focusing on engagement metrics, product usage patterns, and customer feedback. I also collaborated with the marketing and product teams to understand business priorities.”*
📍 4. Result
Highlight the outcome of your actions, especially any measurable impact. Quantify your results if possible, as this demonstrates your effectiveness as an analyst. Show how your analysis directly influenced business decisions or outcomes.
Example: “As a result of my analysis, we discovered that customers were disengaging due to a lack of certain product features. My insights led to a targeted marketing campaign and product improvements, reducing churn by 15% over the next quarter.”*
Example STAR Answer for an Analytics Interview Question:
Question: *"Tell me about a time you used data to solve a business problem."*
Answer (STAR format):
🔻*S*: “At my previous company, our sales team was struggling with inconsistent performance, and management wasn’t sure which factors were driving the variance.”
🔻*T*: “I was assigned the task of conducting a detailed analysis to identify key drivers of sales performance and propose data-driven recommendations.”
🔻*A*: “I began by collecting sales data over the past year and segmented it by region, product line, and sales representative. I then used Python for #statistical#analysis and developed a regression model to determine the key factors influencing sales outcomes. I also visualized the data using #Tableau to present the findings to non-technical stakeholders.”
🔻*R*: “The analysis revealed that product mix and regional seasonality were significant contributors to the variability. Based on my findings, the company adjusted their sales strategy, leading to a 20% increase in sales efficiency in the next quarter.”
Hope this helps you 😊
***
Заметался пожар голубой,
Позабылись родимые дали.
В первый раз я запел про любовь,
В первый раз отрекаюсь скандалить.
Был я весь — как запущенный сад,
Был на женщин и зелие падкий.
Разонравилось пить и плясать
И терять свою жизнь без оглядки.
Мне бы только смотреть на тебя,
Видеть глаз злато-карий омут,
И чтоб, прошлое не любя,
Ты уйти не смогла к другому.
Поступь нежная, легкий стан,
Если б знала ты сердцем упорным,
Как умеет любить хулиган,
Как умеет он быть покорным.
Я б навеки забыл кабаки
И стихи бы писать забросил,
Только б тонко касаться руки
И волос твоих цветом в осень.
Я б навеки пошел за тобой
Хоть в свои, хоть в чужие дали...
В первый раз я запел про любовь,
В первый раз отрекаюсь скандалить.
1923
#Есенин#СергейЕсенин#Esenin#поэты#поэзия#стихи#poetry#poems#русскаялитература
Сегодня 1⃣3⃣0⃣ лет со дня рождения Сергея Есенина. Много можно сказать о нём, но лучше его поэзии не скажешь...
#Есенин#СергейЕсенин#Esenin#поэты#поэзия#стихи#poetry#poems#русскаялитература
ЭХ ВЫ, САНИ
Эх вы, сани! А кони, кони!
Видно, черт их на землю принес.
В залихватском степном разгоне
Колокольчик хохочет до слез.
Ни луны, ни собачьего лая
В далеке, в стороне, в пустыре.
Поддержись, моя жизнь удалая,
Я еще не навек постарел.
Пой, ямщик, вперекор этой ночи, —
Хочешь, сам я тебе подпою
Про лукавые девичьи очи,
Про веселую юность мою.
Эх, бывало, заломишь шапку,
Да заложишь в оглобли коня,
Да приляжешь на сена охапку, —
Вспоминай лишь, как звали меня.
И откуда бралась осанка,
А в полуночную тишину
Разговорчивая тальянка
Уговаривала не одну.
Все прошло. Поредел мой волос.
Конь издох, опустел наш двор.
Потеряла тальянка голос,
Разучившись вести разговор.
Но и все же душа не остыла,
Так приятны мне снег и мороз,
Потому что над всем, что было,
Колокольчик хохочет до слез.
1925
#Есенин#СергейЕсенин#Esenin#поэты#поэзия#стихи#poetry#poems#русскаялитература
#вакансия#python#cv#ml#fulltime#remote#удалённо#datascience
Python-разработчик (Computer Vision)
от 200 000 до 300 000 ₽ на руки
Требуемый опыт работы: 3–6 лет
Полная занятость, полный день
Мы в Megainsight разрабатываем коробочную систему рекомендаций на основе видеопотоков в реальном времени с различными алгоритмами обнаружения и распознавания для анализа автомобилей, людей и очередей в розничной торговле. Это продуктовое решение.
- Вам необходимо быстро погрузиться в текущий этап проекта системы видеоаналитики и взяться за реализацию блока бизнес-логики – обработки и синхронизации событий на основе видеоданных;
- Мы ожидаем от кандидата решения задач по интеграции бизнес-логики с блоком компьютерного зрения;
- Осуществлять проектирование и внедрение сервисов, их взаимодействие;
- Проектирование архитектуры и серверной реализации решения;
Требования:
- Язык программирования – Python;
- Опыт написания кода в коммерческой среде;
- Опыт межсервисного взаимодействия, знание механизмов синхронизации;
- Опыт работы с реляционными хранилищами данных (PostgreSQL, ClickHouse);
- Опыт работы с Linux, Docker и Git/Gitlab;
- Английский – чтение технической литературы и научных статей;
- Способность прогнозировать и балансировать долгосрочное стратегическое проектирование и краткосрочные тактические решения;
- Самоорганизованность и инициативность, опыт оформления проведенных экспериментов и результатов работы.
Будет преимуществом:
- Знакомство с фреймворками для задач компьютерного зрения: Pytorch/Keras/Tensorflow, OpenCV;
- Реализация проектов Computer Vision от сбора данных до внедрения в производство;
Перспективы и возможности:
- Наша компания активно развивает глобальное направления в Европе, Латинской Америке и на Ближнем Востоке. Это возможность для вас получить международный проектный опыт.
- Есть возможность релокации и работы в других странах.
- Работа предполагает удаленный формат, при этом мы гарантируем полное оформление в соответветствии с трудовым законодательсвом страны нахождения.
Контакты: Дмитрий Брунеткин, [email protected]
#python#llms#mlx
MLX LM is a Python tool that helps you run and fine-tune large language models (LLMs) efficiently on Apple Silicon Macs. It connects easily to thousands of models on Hugging Face, supports model quantization to save memory, and allows distributed training. You can generate text or chat with models via simple commands or Python code. It also offers features like prompt caching and memory optimization for handling long texts, making it faster and less resource-heavy. This means you can run powerful AI models locally on your Mac without needing expensive cloud services, saving cost and improving speed.
https://github.com/ml-explore/mlx-lm
#Python#dataScience#aporte
🐍
The Data Science Course: Complete data science 2023
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----