Buscar contenido similar

GeoAI: Искусственный интеллект для пространственных данных GeoAI — пакет Python для применения методов искусственного интеллекта в анализе и визуализации пространственных данных. 🤖 GeoAI содержит инструменты для обработки, анализа и визуализации пространственных данных с помощью передовых методов машинного обучения. Как сказано в документации: “Независимо от того, работаете ли вы со спутниковыми снимками, облаками точек лидара или векторными данными, GeoAI предлагает интуитивно понятные интерфейс для применения передовых моделей ИИ.” 📖Документация GeoAI Среди возможностей GeoAI: 📊 Визуализация пространственных данных ● Интерактивная многослойная визуализация векторных, растровых и облачных данных ● Настраиваемые стили и символика ● Возможности визуализации временных рядов данных 🛠 Подготовка и обработка данных ● Упрощенный доступ к спутниковым и аэрофотоснимкам Sentinel, Landsat, NAIP и другим открытым данных ● Инструменты для загрузки, создания мозаик и предварительной обработки данных дистанционного зондирования ● Автоматизированная генерация обучающих датасетов с чипами изображений (image chips) и соответствующими метками ● Утилиты преобразования векторных данных в растровые и наоборот, оптимизированные для рабочих процессов ИИ ● Методы дополнения (augmentation) данных, специфичные для пространственных данных ● Поддержка интеграции данных Overture Maps и других открытых данных для обучения и проверки 🖼 Сегментация изображений ● Интеграция с моделью Segment Anything Model (SAM) компании Meta для автоматического извлечения признаков ● Специализированные алгоритмы сегментации, оптимизированные для спутниковых и аэрофотоснимков ● Оптимизированные рабочие процессы для сегментации зданий, дорог, растительности и водных объектов ● Возможность экспорта в стандартные форматы геоданных: GeoJSON, Shapefile, GeoPackage, GeoParquet 🔍 Классификация изображений ● Предварительно обученные модели для классификации земного покрова и землепользования (land cover & land use) ● Утилиты трансферного обучения (transfer learning) для тонкой настройки моделей на основе собственных данных ● Поддержка разновременной классификации для обнаружения изменений (change detection) ● Инструменты оценки точности и валидации 🌍 Дополнительные возможности ● Анализ рельефа с извлечением признаков при помощи ИИ ● Классификация и сегментация облаков точек ● Обнаружение объектов на авиационных и спутниковых снимках ● Утилиты геопривязки для результатов ИИ-моделей Пакет разработан профессором Q. Wu. Для него мы завели на канале именной хештег: #wu 📹Руководства по GeoAI на YouTube #python#wu#софт#ИИ

pix2code 从界面截图自动生成代码。 支持ios，adnroid，web。准确度很高。 （快看，这就是AI写程序） 语言：#Python 分类：#深度学习#开发工具

• На хабре опубликован хороший материал с описанием auditd и Python-скрипта, благодаря которым мы можем автоматизировать сбор данных всех действий пользователя на сервере linux и настроить алерты в Telegram. • Проблемы, которые помогает решить auditd: ➡Несанкционированный доступ (кто и когда использовал, например, sudo); ➡Подозрительные команды (rm -rf, изменение прав, доступ к каким-либо файлам); ➡Расследование инцидентов (кто что натыкал перед падением сервера); ➡Соответствие корпоративным стандартам (логирование действий и контроль). ➡️https://habr.com/ru/articles/925962/ • Напомню, что auditd (сокращение от Linux Audit Daemon) — это нативная тулза, которая предназначена для мониторинга событий ОС и записи их в журналы событий, разрабатываемый и поддерживаемый компанией RedHat. Был создан для тесного взаимодействия с ядром операционной системы — во время своей работы наблюдает за системными вызовами и может записывать события — чтение, запись, выполнение, изменение прав - связанные с файлами ОС. Таким образом, с его помощью можно отслеживать практически любые события, происходящие в операционной системе. • По итогу имеем мощный инструмент, который, при грамотной настройке, может стать отличным дополнением в обеспечении информационной безопасности инфраструктуры. #Linux#auditd#DevOps#Python

#vacancy#dataengineer#de#python Вакансия: Senior Data Engineer Формат: офис/гибрид (Ереван), удалённый Локация: любая Занятость: полная Оплата: до 350 000 рублей Обязанности: - Проектирование и реализация систем для сбора и обработки данных. - Трансформация бизнес-требований в модели данных. - Обеспечение поддержки бизнес-требований через архитектуру данных. - Обеспечение безопасности данных. Требования: - 4+ лет опыта работы в области инженерии данных, ETL-процессов и управления сложными решениями по хранению данных - Подтвержденный коммерческий опыт создания и развертывания приложений с использованием Python и Apache Airflow - Практический опыт работы с облачной инфраструктурой AWS и управлением решениями для хранения и передачи данных в облачной среде - Продвинутое владение SQL (особенно PostgreSQL) и глубокое понимание различных решений по хранению данных, включая структурированные и неструктурированные данные - Желание изучать и экспериментировать с агентами ИИ совместно с командой Data Science, интегрировать ИИ-логику в архитектуру конвейеров данных - Отличные навыки решения проблем, способность справляться с неопределенностью и предлагать решения в сложных ситуациях - Уровень английского B2 или выше Технологии и языки: - Python - SQL - Облачная платформа AWS - Git - Pandas - Airflow - CI/CD, Jenkins Предпочтительно: - Опыт работы с векторными хранилищами и графовыми базами данных - Опыт работы с облачными платформами машинного обучения - Знание эффективных форматов данных (например, Parquet, Avro) для пакетной обработки в озерах данных или хранилищах данных, опыт работы с Apache Spark - Snowflake Data Warehouse - Docker - Linux + bash, ssh - Jupyter - Параллельные вычисления Будет плюсом: - Опыт работы с командами Data Science - Сертификация AWS Мы предлагаем: - Работу в динамичной международной команде - Возможность сотрудничества через ИП/самозанятость для коллег, находящихся за пределами РФ - Участие в иностранных и российских проектах - Оформление по ТК РФ, 100% оплата больничного и отпуска - ДМС со стоматологией - Необходимую для работы технику - Корпоративные обучающие программы - Широкие возможности для самореализации, профессионального и карьерного роста - Демократичный подход к процессам и плавающее начало рабочего дня - Опцию перемещения между нашими зарубежными офисами По всем вопросам и с резюме: @ananyancat

The ultimate list of Python YouTube channels. #tutorial#video#python @thedevs https://kutt.it/CzNA6p

​​youtube-dl youtube-dl 是一个命令行程序，用于从视频网站下载视频。支持非常多的网站，官网列出支持的网站就有1114个。网站由不同的提取器(extractor)支持，每个提取器的质量参差不齐，至少 youtube.com 是真的可以下载的。 Tags：#downloader#video Languages：#python

#python#aporte 🐍 Complete Python Bootcamp For Everyone From Zero to Hero 2023 Master Python Programming by building 100+ REAL PROJECTS . Learn OOP, Automation,GUI,REST and more to create your APPs. 🔗Link ----- Main channel:@repo_science Coupons: @freecoupons_reposcience -----

winslow: Name: Python爬虫高级开发工程师5期 Size: NGB Python高级开发工程师五期是一门专为有一定Python编程基础的学员设计的进阶课程。课程内容包括高级爬虫技术、数据解析与处理、反爬虫策略、分布式爬虫等方面的知识。通过本课程的学习，学员将能够掌握更加复杂和实用的爬虫技术，提升数据采集和处理能力，并了解如何应对各种反爬虫策略。同时，还将学习分布式爬虫的原理和应用，提高爬取效率。该课程注重实践操作，通过案例实战来巩固所学知识，培养学员独立解决问题的能力。建议先收藏保存，不定时失效。 Link: 👉Press me and click START to get the hidden link #学习#资源#课程#python#爬虫#Quark#求转存 ♾@gdsharing♾资源分享不易：欢迎点赞支持分享者

[$] Disabling Python's lazy imports from the command line Python 3.15 将于今年十月引入“显式惰性导入”功能，旨在提升性能，仅在需要时加载模块。然而，并非所有场景都适合此行为。社区曾因此前相关提案被拒而展开讨论，近期焦点转向了如何通过命令行接口来控制或禁用这一特性。 原文链接：https://lwn.net/Articles/1061112/ #Python#编程#性能优化 #AIGC Read more

​​FastPhotoStyle 英伟达“黑科技”。基于深度学习的图像风格转移，特征转换。需要 cuda 环境，谁可以试一试。 语言：#Python 分类：#机器学习#图像处理 感谢 @halyul 的投稿

#Apps MarkItDown —— 微软开源的文档转 Markdown 工具 🔗GitHub MarkItDown 是一个将各种文件格式转换为 Markdown 的实用工具（适用于索引、文本分析等场景）。 支持的文件格式 • PDF • PowerPoint • Word • Excel • 图片（EXIF 元数据和 OCR） • 音频（EXIF 元数据和语音转文字） • HTML • 文本格式（CSV、JSON、XML） • ZIP 文件（遍历内容） 安装 要安装 MarkItDown，可以： • 通过 pip 安装：pip install markitdown • 从源码安装：pip install -e . 开源许可证 MIT license。 #GitHub#OpenSource#Python#Markdown 📮 频道 @AppPie

#python#fstring#dasturlash_hayoti 🧑‍💻Python’da f-string — eng qulay formatlash usuli Ko‘pchilik dasturchilar matn ichida o‘zgaruvchi qo‘shish uchun + yoki .format() dan foydalanadi. Lekin f-string bilan buni juda oson qilish mumkin 👇 ism = "Ali" yosh = 20 print(f"Mening ismim {ism}, yoshim {yosh} da.") ✅Natija: Mening ismim Ali, yoshim 20 da. F-string afzalliklari: ◾️Sodda va tez yoziladi ◾️O‘qilishi ancha qulay ◾️To‘g‘ridan-to‘g‘ri ifoda ham yozsa bo‘ladi print(f"5 + 3 = {5+3}") ✅Natija: 5 + 3 = 8 😅 Endi + bilan stringlarni qo‘shib, matematika darsida o‘tirgandek qiynalmaysiz. ❓ Siz kodda qaysi usuldan foydalanasiz: +, .format() yoki f-string? Izohlarda yozib qoldiring 👇 💻@dasturlash_hayoti — kichik sirlar, katta foyda!😉