TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #173 · 28 окт.

Для тех кто пишет расширения на PyQt/PySide для CG-софтов. Когда я только начинал писать тулзы под Maya (тогда еще версия 2010-2011) мне приходилось ручками ставить PyQt4 под Maya. Даже написал мануалы по установке на своём сайте. Но потом стал доступен из коробки PySide и позже он обновится до PySide2. Для некоторых систем была поддержка PyQt5. И как простому разработчику поддерживать этот зоопарк? Ведь хочется чтобы тул работал на любой версии (вы тоже делали модуль что-то типа import_qt.py?😁) На помощь приходит проект Qt.py который поставил себе цель унифицировать использование Qt-биндингов вне зависимости от среды где запускается код. Те, кто давно пишут на Qt, скорее всего знают этот проект. Он стал стандартом для CG-индустрии и используется в топовых студиях и проектах. Qt․py помогает запускать один и тот же код на разных платформах с разными вариантами Qt-библиотек. Это может быть как интеграция в CG-софт, так и переносимость стендалонов между разными платформами с разными версиями Python. Я решил рассказать о некоторых особенностях работы с этой библиотекой. Сегодня о том, как установить и использовать Qt․py и что это вам даёт. Установка pip install Qt.py Чтобы начать использовать Qt․py в коде достаточно заменить импорт вашего варианта Qt-биндинга на Qt․py from [PySide|PyQt4|PySide2|PyQt5] import QtWidgets => from Qt import QtWidgets Теперь ваш код будет поддерживать любой вариант биндинга Qt в Python. При этом не потребуется использовать if-else конструкции под разные версии. Все вызовы теперь одинаковы. Всё что нужно сделать, это написать его по правилам PySide2. Именно эта версия была взята за основу. Приоритет импорта такой: 1. PySide2 2. PyQt5 3. PySide 4. PyQt4 Что именно загрузилось можно посмотреть в переменной __binding__ >>> import Qt >>> Qt.__binding__ 'PySide2' Приоритет имопрта можно изменить через переменные QT_PREFERRED_BINDING и QT_PREFERRED_BINDING_JSON. Причем под каждый проект оверрайды можно настраивать индивидеально. #qt#libs

Hashtags

Резултати

Пронајдени 2 слични објави

Пребарај: #datasciense

当前筛选 #datasciense清除筛选
Data Science Jobs

@datasciencejobs · Post #2043 · 19.04.2024 г., 16:05

#вакансия#vacancy#job#timeseries #datasciense#remote Вакансия: Middle/ Senior Data Scientist Кадровое агентство: DevHunt ЗП: от 150.000 до 250.000 руб на руки Формат: удаленка Почему стоит выбрать именно эту позицию: - Удаленка с гибким началом рабочего дня - Свобода в принятии решений - Возможности для роста - Никакого тайм-трекинга - Неформальная атмосфера с минимальным числом бюрократии - Проекты не "в стол" - Плюшки IT-аккредитации - Годовые бонусы: х1, х1.5 - ДМС после испытательного срока Чек-лист идеального кандидата: - Опыт ML-разработки на Python от 3х лет - Опыт работы с Pandas, NumPy, SсiPy, scikit-learn, Keras/TensoFlow - Опыт работы с XGboost, LightGBM, Random Forest, линейными моделями, основными архитектурами нейронных сетей. Понимание механизмов их работы - Знание SQL на продвинутом уровне, опыт работы с реляционными СУБД (PostgreSQL, Oracle, MS SQL и пр.) Опыт работы с *nix системами - Навыки работы с Git и с Conda окружениями Будет плюсом: - Опыт разработки проектной документации в части подготовки разделов по предиктивному анализу - Опыт разработки архитектуры данных и структур баз данных - Знание и опыт работы с ETL/ELT инструментами Знание TimescaleDB, InfluxDB, AVEVA (OSIsoft) PI System - Понимание специфики работы IT-интегратора (outsource) - Опыт работы в нефтегазовой или смежной области Задачи: - Реализации проектов по предиктивной аналитике на промышленных предприятиях - Анализ и прогнозирование временных рядов - Анализ производственных процессов и выработка требований к сбору данных Выбор и обоснование моделей машинного обучения для решения бизнес-задач - Конструирование признаков для ML-моделей (feature engineering) Выбор и обоснование метрик для оценки моделей машинного обучения - Интерпретация результатов функционирования моделей машинного обучения - Разработка и автоматизация ML-пайплайнов Контакт:@barnes_recruiter

Data Science Jobs

@datasciencejobs · Post #1757 · 03.11.2023 г., 06:02

#вакансия#senior#python#ai#ml#ии#llm#datasciense ML-разработчик / Python-разработчик с опытом внедрения ИИ (Senior) ЗП: договорная, отталкиваемся от пожеланий кандидата Формат работы: full-time, удаленно, в офисе или гибрид Контакт:@pstarasov ❤️ О компанииЛайк: Мы EdTech компания, которая обладает уникальным доменным знанием в области бизнеса. Мы запускаем проект AI практически с нуля, поэтому в нем не будет раздражающего легаси, зато будет готовая инфраструктура и десятки разработчиков, которые могут воплотить в жизнь любые нужные тебе интерфейсы. Твоя задача – помогать в создании AI архитектуры внутри бизнеса, которая изменит рынок образования 🤔 Чем предстоит заниматься: • Создание архитектуры, на основе которой компания переедет на рельсы AI • Писать код руками. Мы ищем играющего тренера, который в будущем будет добирать команду, но основы должны быть заложены самостоятельно • У нас есть несколько направлений, которые мы успешно апробировали в формате MVP: – Продукт: верификация и генерация нового контента основываясь на базе знаний – Сервис-менеджмент: Q&A – Коммерция: технотрипваеры 👨‍💻Требования: • Опыт в Data Science от 2-х лет • Опыт работы с Python от 5-ти лет • Опыт работы с LLM и фреймворками (LangChain или аналоги) • Опыт дообучения моделей • Понимание принципов ООП, паттернов проектирования • Опыт работы с SQL, REST APIs • Будет плюсом опыт работы на уровне Deep Learning 👍 Мы предлагаем: • Возможность работать над интересными и сложными задачами в области ИИ • Удаленную работу из любой страны или работу в офисе в Москва-Сити • Конкурентоспособную зарплату • Работу в компании с IT-аккредитацией • Компенсацию 50% затрат на образовательные программы для сотрудников • Отпуск 28 календарных дней