@awesomeopensource · Post #147 · 25/07/2018, 14:38
dvc 为机器学习实验设计的版本控制,可以兼容任何git存储库。用于管理实验数据和代码,可以重现实验过程和结果。(视频很有意思) Tags:#machinelearning#versioncontrol#tools Languages:#python
TGINSIGHT SIMILAR POSTS
Canal fuente @python_academy · Post #2172 · 16 sept
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
Búsqueda global general
@awesomeopensource · Post #147 · 25/07/2018, 14:38
dvc 为机器学习实验设计的版本控制,可以兼容任何git存储库。用于管理实验数据和代码,可以重现实验过程和结果。(视频很有意思) Tags:#machinelearning#versioncontrol#tools Languages:#python
@ai_machinelearning_big_data · Post #9289 · 22/12/2025, 07:14
💀NeuroSploit v2 - продвинутый AI-фреймворк для тестирования на проникновение (пентеста). NeuroSploit v2 использует большие языковые модели, чтобы автоматизировать и усилить offensive security. Фреймворк помогает анализировать цели, находить уязвимости, планировать эксплуатацию и поддерживать защитные меры, сохраняя фокус на этике и операционной безопасности. Основные возможности: • Агентная архитектура Специализированные AI-агенты под разные роли: Red Team, Blue Team, Bug Bounty Hunter, Malware Analyst. • Гибкая интеграция LLM Поддержка Gemini, Claude, GPT (OpenAI) и Ollama с настройкой через профили. • Тонкая настройка моделей Отдельные LLM-профили для каждой роли: выбор модели, температура, лимиты токенов, кэш и контекст. • Markdown-промпты Динамические шаблоны промптов, адаптирующиеся под задачу и контекст. • Расширяемые инструменты Интеграция Nmap, Metasploit, Subfinder, Nuclei и других security-инструментов через конфигурацию. • Структурированные отчёты JSON-результаты кампаний и удобные HTML-отчёты. • Интерактивный CLI Командная строка для прямого управления агентами и сценариями. NeuroSploit v2 - пример того, как agentic AI превращает пентест из ручной работы в управляемую автоматизацию. git clone https://github.com/CyberSecurityUP/NeuroSploitv2.git cd NeuroSploitv2 ▪Github: https://github.com/CyberSecurityUP/NeuroSploit @ai_machinelearning_big_data #python#Penetrationtesting#llm#mlops#Cybersecurity
@githubtrending · Post #15131 · 09/09/2025, 12:00
#python#agent#llms AutoAgent lets you create and use powerful AI agents easily by just using natural language—no coding needed. It supports many large language models (LLMs) like OpenAI and Anthropic, and performs as well as top research AI systems on benchmarks. You can build tools, agents, and workflows quickly, manage data efficiently with its built-in vector database, and interact flexibly through different modes. It’s lightweight, customizable, and cost-effective, making it a personal AI assistant that helps automate complex tasks simply and efficiently. This saves you time and technical effort while giving you advanced AI capabilities. https://github.com/HKUDS/AutoAgent
@AboutRss · Post #731 · 27/07/2020, 01:00
#Kinss : A Reabble-like RSS Reader & Client for Kindle Browser Kinss 是一个 #开源#Python 程序,可本地运行、局域网访问,用以在 #Kindle 浏览器中进行 RSS 订阅。 #RSS阅读器 https://github.com/xizeyoupan/kinss
@repo_science · Post #4217 · 02/10/2024, 01:56
#book#python#r ⚽️ Football Analytics with Python & R. ✍️Eric A. Eager; Richard A. Erickson ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----
@repo_science · Post #3749 · 21/11/2023, 23:28
#Python#ML#book 📚 Python for Machine Learning (2023) ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@repo_science · Post #3685 · 01/11/2023, 20:40
#Python#ML#book 📚 Synthetic Data for Machine Learning (2023) ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@repo_science · Post #3585 · 14/09/2023, 03:50
#python#book#ML 📚 Architecting Data and Machine Learning Platforms (2023) 🔗Link ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@R4marketing · Post #1000 · 23/04/2022, 09:00
Добро пожаловать в мир главного ит тренда - машинного обучения: @machinelearning_ru В канале вы найдете : 📃Статьи , 📚Книги 👨💻Код 🔗Ссылки 🦾Вакансии и много другой полезной информации #ArtificialIntelligence#DeepLearning #MachineLearning#DataScience #Python 1 канал вместо тысячи учебников и курсов 👇👇👇 🤖@machinelearning_ru
@R4marketing · Post #906 · 08/12/2021, 07:34
Добро пожаловать в мир главного ит тренда - машинного обучения: @machinelearning_ru В канале вы найдет : 📃Статьи , 📚Книги 👨💻Код 🔗Ссылки и много другой полезной информации #ArtificialIntelligence#DeepLearning #MachineLearning#DataScience #Python 1 канал вместо тысячиучебников и курсов👇👇👇 🤖@machinelearning_ru
@repo_science · Post #3706 · 11/11/2023, 23:48
#Python#DL 📚 Deep Learning (2023) ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@datainthecity · Post #278 · 06/08/2025, 07:41
Геоаналитик в Яндекс Карты Яндекс Карты разрабатывают инструменты и обучают ML-модели на основе геоданных, которые помогают решать задачи в реальном мире. Наши проекты — крутая возможность использовать большие данные и продвинутую аналитику для решения широкого спектра задач. Мы разрабатываем инструменты как для внешних коммерческих клиентов, так и для внутренних клиентов в Яндексе. Ищем геоаналитика в нашу команду. Какие задачи вас ждут Прогнозирование посещаемости магазинов на основе геоданных Вы будете строить ML-модели, прогнозирующие посещаемость точек интереса на основе географических и пользовательских данных из Яндекс Карт, работать с большими данными, проводить EDA, подготавливать фичи, интерпретировать результаты и визуализировать их для клиентов и внутренних продуктов. Выбор оптимальной локации для открытия новых точек Вам нужно будет анализировать потенциальные локации для открытия магазинов, учитывая географические, демографические и поведенческие данные, разрабатывать методики и инструменты для автоматического подбора локаций, создавать дашборды с картами, сравнивать варианты и помогать клиентам принимать обоснованные решения. Анализ городской среды Вам предстоит анализировать поведение пользователей в городской среде и предлагать решения, которые помогут улучшать инфраструктуру. Помимо этого, вы будете работать с географическими и поведенческими данными, создавать визуализации и использовать аналитические подходы для поддержки решений в урбанистике и развитии городов. Мы ждём, что вы • Работали с большими данными и применяли продвинутую аналитику • Знаете SQL, Python, BI-инструменты (DataLens, Grafana) • Понимаете основы ML • Можете анализировать поведение пользователей и строить метрики взаимодействия с картографическими объектами Что мы предлагаем С нами легко развиваться. Если для рабочих задач вам нужно подтянуть язык — организуем обучение и оплатим 50% стоимости. Это не все бонусы — полный список тут https://yandex.ru/jobs/pages/benefits. #карты#BI#sql#python#аналитика#ML тг для связи: @koroskotoh