TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #183 · 23 ное.

Python + bash Если вам часто требуется запускать shell команды из Python-кода, какой способ вы используете? Самый низкоуровневый это функция os.system(), либо os.popen(). Рекомендованный способ это subprocess.call(). Но это всё еще достаточно неудобно. Советую обратить своё внимание на очень крутую библиотеку sh. Что она умеет? 🔸 удобный синтаксис вызова команд как функций # os import os os.system("tar cvf demo.tar ~/") # subprocess import subprocess subprocess.call(['tar', 'cvf', 'demo.tar', '~/']) # sh import sh sh.tar('cvf', 'demo.tar', "~/") 🔸 простое создание функции-алиаса для длинной команды fn = sh.lsof.bake('-i', '-P', '-n') output = sh.grep(fn(), 'LISTEN') в этом примере также задействован пайпинг 🔸 удобный вызов команд от sudo with sh.contrib.sudo: print(ls("/root")) Такой запрос спросит пароль. Чтобы это работало нужно соответствующим способом настроить юзера. А вот вариант с вводом пароля через код. password = "secret" sudo = sh.sudo.bake("-S", _in=password+"\n") print(sudo.ls("/root")) Это не все фишки. Больше интересных примеров смотрите в документации. Специально для Windows💀 юзеров #libs#linux

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #headofdatascience

当前筛选 #headofdatascience清除筛选
Data Science Jobs

@datasciencejobs · Post #2926 · 16.09.2025 г., 09:10

#vacancy#fulltime#hybrid#moscow #headofdatascience#datascience#RecSys Head of Data Science (RecSys) Мы ищем опытного Head of Data Science, специализирующегося на Dating/Video сервисах. Если у вас есть экспертиза в создании рекомендательных систем для видеоконтента и вы готовы возглавить весь цикл разработки, мы будем рады рассмотреть вашу кандидатуру. Чем предстоит заниматься: - Отвечать за весь процесс разработки рекомендательных систем для видеосервисов. - Разрабатывать, обучать и внедрять модели машинного обучения. - Оценивать эффективность моделей и находить пути для их улучшения. - Развивать и поддерживать автоматизированные процессы обучения и прогнозирования. - Интегрировать модели в рабочие системы (через API, ETL-процессы). - Тесно взаимодействовать с командами аналитики, инженерами данных и бизнес-менеджерами. - Выявлять скрытые закономерности и тренды в данных для повышения качества рекомендаций. Требования: - Опыт работы от 3 лет в сфере video/streaming. - Успешный опыт разработки рекомендательных систем для видеоплатформ и таргетирования видеоконтента. - Опыт взаимодействия с бизнесом для сбора и формализации требований. - Уверенное владение SQL. - Отличное знание Python и библиотек для анализа данных (pandas, scikit-learn, xgboost). - Глубокое понимание основ теории вероятностей, математической статистики и машинного обучения. Мы предлагаем: - Трудоустройство по ИП РФ. - Конкурентную заработную плату от 450.000 до 600.000 р - Гибридный формат работы в Москве. Резюме направлять: @sourserXP