Типизация в Python с использованием модуля typing
В Python модуль typing предоставляет возможность добавлять подсказки типов для переменных, функций и классов, что делает код более явным и понятным.
Зачем использовать типизацию?
1. Ясность и понятность кода: Добавление аннотаций типов помогает читателям быстро понять, какие данные ожидаются и какие типы переменных возвращаются из функций.
2. Предотвращение ошибок: Статические анализаторы кода, такие как mypy, могут обнаруживать потенциальные ошибки до выполнения программы, что уменьшает количество багов.
3. Документация кода: Подсказки типов могут служить формой документации, особенно полезной при совместной разработке. Разработчики могут быстро понимать интерфейсы функций и классов.
Пример использования типизации для переменных и функций:
from typing import List, Tuple
def multiply(a: int, b: int) -> int:
return a * b
def process_list(data: List[int]) -> Tuple[int, int]:
sum_values = sum(data)
average = sum_values / len(data)
return sum_values, average
# Пример использования
result1 = multiply(5, 3)# Ожидается int
data_list = [1, 2, 3, 4, 5]
result2 = process_list(data_list)# Ожидается Tuple[int, int]
Здесь a: int и b: int указывают на типы аргументов функции, а -> int и -> Tuple[int, int] - на типы возвращаемых значений. Это помогает читателям кода лучше понимать ожидаемую структуру данных и типы переменных.
Типизация делает ваш код более структурированным, улучшает его читабельность и может служить документацией, облегчая разработку.
#python#typing
#python#video#gif
⌨️ Python dasturlash tilida videoni GIF ga aylantirishni bilaridingiz?
from moviepy.editor import VideoFileClip
videoClip = VideoFileClip("my-life.mp4")
videoClip.write_gif("my-life.gif")
💻@dasturlash_hayoti— dasturchilar va dasturlash hayotini yoritib boradigan loyiha!
I needed some automatic docker reverse_proxy but didn't understand jwilder/docker-proxy's templating language, because go templates are strange.
Welp, I made a python version:
https://github.com/luckydonald/auto_proxy/
#nginx#docker#reverse_proxy#python
#Python#chatGPT
😎
Automate with Python with ChatGPT Code Interpreter (No Code)
Through this course, you will acquire fundamental knowledge in areas such as:
File and Data Automations: Generate Text and Word Files, File Renaming in Bulk, Bulk Edit of Files, Converting File Types, Mass Management of Excel Spreadsheet Processing, Automate Creating Pivot Tables
Extracting Data from PDFs and Websites
Data Analysis and Visualization: Analyze Data and Statistics, Generate Plots and Graphs, Contraints of the Code Interpreter
Video Editing: Merging Videos, Extracting Audio, Face Tracking, Creating GIFs
Editing Images: Convert to Greyscale, Resizing, Detecting Faces, Adding Watermarks, Creating Collages
Web Scraping with Code Interpreter
Generate QR Codes
⚖️760MB
🔗Link
-----
Main channel:@repo_science
Coupons: @freecoupons_reposcience
-----
#вакансии#job#работа#datascience#python
Позиция: Senior Prompt Engineer
🦔Компания: Smart Education
🏢Формат работы: part time/full time, удаленно
💰 Зарплатная вилка 2000-2500$(part time) 3500-4000$(full time)
Smart Education – инновационная образовательная компания, которая с помощью AI-помощников предоставляет онлайн-обучение на платформе с LMS. Наша миссия – использовать силу искусственного интеллекта для создания интуитивно понятных и эффективных образовательных инструментов.
📍Основные обязанности:
- Разработка и оптимизация промптов для интеграции с языковыми моделями, такими как GPT-3 и GPT-4, для генерации образовательного контента.
- Работа с текстовыми данными, включая индексацию, анализ и обработку информации из различных источников.
- Разработка и внедрение решений для автоматической обработки и анализа документов PDF, используемых в образовательных материалах.
- Сотрудничество с командами разработчиков и контент-менеджеров для создания персонализированного образовательного контента.
- Руководство проектами по интеграции AI-технологий в LMS, включая автоматизацию контента и разработку интеллектуальных помощников для студентов и преподавателей.
📍Требования:
- Более 3 лет опыта работы в области разработки и оптимизации промптов, желательно с опытом работы в образовательной сфере.
- Знание и опыт работы с языковыми моделями, включая GPT-3 и GPT-4.
- Опыт работы с текстовыми данными, включая индексацию и обработку документов PDF.
- Опыт работы с NLP-библиоткеками
- Опыт подготовки и индексации текстовых материалов для взаимодействия с LLM
- Опыт работы с различными LLM(Claude, Gemini,..)
- Навыки программирования на Python и знание соответствующих библиотек (например, PyPDF2, PDFMiner).
- Высшее образование в области компьютерных наук, информатики или смежных дисциплин.
- Способность к самостоятельной работе и ведению проектов, а также отличные коммуникативные навыки.
📍Мы предлагаем:
- Конкурентоспособную заработную плату.
- Гибкий график работы, удаленная работа
- Работу в динамично развивающейся компании на переднем крае образовательных технологий.
- Возможности для профессионального роста и развития.
✅ Для отклика отправьте резюме на @cyberabraham
Не забудьте уточнить, что вы из @datasciencejobs
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