TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #303 · 27 дек.

Наверняка вы замечали, что в Python есть удобная функция для получения переменной окружения os.getenv(NAME) И её "сестра" для создания или изменения переменных окружения os.putenv(NAME, VALUE) Но почему-то putenv() не работает как должно. Энвайромент не обновляется! os.putenv('MYVAR', '1') print(os.getenv('MYVAR')) ... и ничего 😴 Почему так? На самом деле энвайромент обновляется, но это значение не добавляется в словарь os.environ. Откройте исходник функции os.getenv(). Это просто шорткат для os.environ.get() В то время как putenv() это built-in С-функция. Словарь os.environ (или точней класс из MutableMapping) создаётся из энвайромента в момент инициализации. Функция putenv() самостоятельно его не изменяет. В тоже время, когда вы создаёте или изменяете ключ в os.environ, автоматически вызывается putenv() в методе __setitem__(). То есть, технически putenv() всё делает верно, но в os.environ это не отражается. Можно проверить так: >>> os.putenv('MYVAR', '123') >>> os.system('python -c "import os;print(os.getenv(\'MYVAR\'))"') 123 Я объявил переменную в текущем процессе и вызвал дочерний процесс, который её унаследовал и получил в составе os.environ. Аналогично при удалении переменной вызывается еще одна built-in функция unsetenv(), удаляющая переменную из системы. Итого ▫️ Удобней всего явно обновлять переменные через os.environ ▫️ Есть способ неявно создать/удалить переменную через putenv/unsetenv, что не повлияет на os.environ но изменит энвайромент и передаст изменения сабпроцессам. Но так лучше не делать! ▫️os.environ это просто обертка для built-in функций putenv() и unsetenv(). #basic

Hashtags

Резултати

Пронајдени 2 слични објави

Пребарај: #scientist

当前筛选 #scientist清除筛选
Data Science Jobs

@datasciencejobs · Post #3048 · 26.11.2025 г., 16:04

#вакансия#data#scientist#ML#remote#удаленка Название компании: deeplay Формат работы: Удаленка Занятость: Полная Контакты: @hitommooo Мы разрабатываем роботов-аниматоров для интеллектуальных карточных игр: покер, бридж, маджонг, преферанс. Аниматоры создают активность на игровой платформе, привлекая пользователей 🎲🧩 Ищем сильного Middle Data Scientist 🎯 Что по задачам? - Разработка инструментов, автоматических отчётов и методов кластеризации данных и системы мониторинга работы ML-моделей - Контроль качества ML-моделей, обнаружение дата-дрифта и поддержание качества предсказаний на необходимом уровне - Аналитика данных, проверка гипотез, исследования данных и методов 🧑‍💻Наши ожидания - Коммерческий опыт работы в должности Data Scientist от 3х лет - Уверенное знание ML (опыт работы с полным ML-пайплайном) - Знание методов статистического анализа данных (EDA, LDA, MDS) - Знание методов кластеризации и её оценки, методов понижения размерности - Опыт программирования на Python - Знание различных видов визуализаций в python, любовь к графикам — приветствуется 🍪Мы предлагаем - Полностью удаленный формат работы - График работы с гибким началом и окончанием рабочего дня - Ежегодно проводим performance review, по итогу которых намечаем планы развития сотрудника - Частичная компенсация расходов на медицинские услуги, бассейн, массаж - Частичная компенсация расходов на спорт - Материальная помощь к важным событиям и в сложных жизненных ситуациях - Регулярные шаринги знаний, хакатоны, митапы, трансляции, турниры - Изучение английского языка для всех желающих 2 раза в неделю 📩 Контакты:@hitommooo

Data Science Jobs

@datasciencejobs · Post #1850 · 25.12.2023 г., 09:01

#вакансия#vacancy#senior#lead#data#scientist ✨Senior/Lead Data Scientist Компания: WILDBERRIES ЗП: по результатам собеседования Wildberries - это 9 млн заказов и 1 млрд поисковых запросов в сутки. Мы ищем Senior/Lead Data Scientist в команду FBO Wildberries. Наша команда управляет процессом с момента планирования поставки товара на склад Wildberries до момента, когда этот товар оказывается на месте хранения и становится доступен к продаже. Ключевые требования - Знание классического ML, DL. - Знание методов оптимизации, временных рядов. - Хорошее знание алгоритмов и структур данных. - Знание и умение применять для ML стек Python (Pandas, Sklearn, Numpy, Scipy, XGBoost/LightGBM/Catboost), а также SQL. - Опыт обучения моделей, которые работают в продуктах для массовой аудитории и приносят там пользу. - Для Lead опыт управления командой DS, внедрения корпоративных моделей данных. - Опыт работы – от 3 лет. Основные задачи Предстоит заниматься рекомендациями по завозу товаров, управлением потоком товаров по складам, а именно: - Прогнозирование спроса и предложений товара у покупателей для продавцов на Wildberrries. - Оптимизация потока завоза товаров на склады. - Динамическое тарификация для продавцов на склад, где цена будет меняться в зависимости от загрузки склада, длительности хранения и так далее. - Вместе с бэкендерами строить production pipeline. Компенсация/мотивационный пакет Мы предлагаем: - Оформление по ТК, ГПХ, ИП. - Гибридный формат работы: от офиса в Москве (с бесплатными завтраками, обедами и ужинами) до удаленки из любой точки мира. - Гибкое начало рабочего дня. - Возможность увидеть однозначные результаты работы, напрямую влияющие на бизнес с триллионами GMV. - Возможность брать 3 day-off в любой день. - Необходимое мощное железо и ПО. - Ежегодная 40%-ая скидка на покупку ноутбука или мобильного телефона. - Премии и бонусы по итогам работы. - Карьерный и профессиональный рост. Откликнуться: @yana_itrec Не забудьте уточнить, что вы из @datasciencejobs