TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #32 · 7 фев.
Скорее всего уже слышали, что складывать строки через + это плохая практика. Падение производительности, и всё такое. Без лишних слов, давайте измерять: from timeit import timeit def t1(): # складываем 10 строк через + из переменной t = 'text' for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t2(): # склеиваем список строк через метод join arr = ['text'] * 10 for _ in range(1000): s = ''.join(arr) def t3(): # складываем через + но не из переменной а непосредственно инлайн объекты for _ in range(1000): s = 'text' + 'text' + 'text' + ... # всего 10 раз Теперь каждую строку склейки запустим по 10М раз >>> timeit(t1, number=10000) 0.21951690399964718 >>> timeit(t2, number=10000) 1.4978306379998685 >>> timeit(t3, number=10000) 0.2213820789993406 Хм, а нам говорили что через "+" это плохо и медленно ))) 😁 Тут стоит учитывать, что речь идёт о склейке множества длинных строк. Давайте изменим условия: def t4(): t = 'text'*100 for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t5(): arr = ['text'*100] * 10 for _ in range(1000): s = ''.join(arr) def t6(): for _ in range(1000): s = 'text'*100 + 'text'*100 + ... # всего 10 раз >>> timeit(t4, number=10000) 12.795130728000004 >>> timeit(t5, number=10000) 2.642637542999182 >>> timeit(t6, number=10000) 0.2184546610005782 Вот, уже другой разговор, сразу видна разница, в среднем в 6 раз. Но погодите, почему последний тест t6() по скорости такой же как и t3()? Ведь строки теперь в 100 раз длиннее! Это вопросы оптимизации кода, какие простые изменения ускоряют или замедляют выполнение программы. Мы столкнулись с примером обхода обращения к переменной. Например, именно так работает директива #define в С++, во время компиляции подставляя значение переменной вместо ссылки на неё. В Python это тоже работает, но часто ли вы сможете встретить такой способ работы со строками? К сожалению, способ почти только теоретический. В целом, тесты показали то, что мы хотели. Делаем выводы самостоятельно. Полный листинг 🌍 #tricks
Пребарај: #mts
@moexdiv · Post #432 · 30.01.2025 г., 16:47
📱#MTS МТС будет неукоснительно придерживаться своей дивидендной политики, которая на 2024-2026гг предусматривает целевой показатель доходности не менее 35 руб/акц в течение каждого календарного года. @moexdiv
Hashtags
@ai_machinelearning_big_data · Post #9299 · 23.12.2025 г., 11:02
⚡️МТС Web Services запустила MWS Track Rails — таск-трекер с ИИ-агентами внутри платформы MWS DevRails. Решение автоматизирует ключевые этапы разработки: ИИ-агенты берут на себя до 50% рутинных задач и генерируют до 30% кода, снижая нагрузку на ИТ-команды. Как это работает: - AI Product Owner формирует бизнес-требования (−30% нагрузки на продакта); - AI Analytic декомпозирует требования в техзадачи; - AI Developer создает до 40% нового кода и собирает версии продукта; - AI QA-агенты описывают тесты и проводят проверки (−50% времени тестирования). 📌 В результате DevRails позволяет масштабировать разработку без найма новых специалистов, сокращает time-to-market в три раза и повышает продуктивность команд вдвое. @ai_machinelearning_big_data #AI#ML#DevTools#MTS
@laserfxru · Post #432 · 02.04.2023 г., 17:20
МТС платформа 48 лазер баров и 6 лазерных проектора 30w. Заказчик Structura Художник по свету : KBduke Тех директор Алексей Титов #mts#mtslive#mtsplatforma
Hashtags
@ai_machinelearning_big_data · Post #8105 · 21.07.2025 г., 14:12
MWS Cloud включается в игру: запускает Data Lakehouse Пока все обсуждают, как внедрять LLM, в MWS Cloud сделали ход: вышли с собственной платформой для хранения и обработки больших данных — MWS Data Lakehouse. Это уже не просто база или витрина, это полноценный фундамент для обучения, инференса и аналитики. Ключевая особенность — универсальность. Платформа работает с любыми типами данных: структурированными, неструктурированными, векторными. Поддержка Apache Parquet, Iceberg, Greenplum, Postgres, запуск в Kubernetes, объектное S3-хранилище. Всё, что нужно, чтобы компания могла: обучать ML/LLM модели, строить BI-отчёты, прогнозировать, сегментировать, оптимизировать. И всё это без копирования данных между системами. Главное — цифры. Платформа ускоряет обработку данных в 23 раза. Хранилище используется на 40% экономичнее. В 2,5 раза выше эффективность ИТ-персонала. Витрины данных считаются в 2 раза быстрее. То есть платформа не просто "поддерживает ИИ" — она позволяет его внедрять в реальных бизнес-процессах, а не в пилотах и презентациях. Безопасность и масштабируемость. Встроенные инструменты шифрования, маскирования, аудита, контроль доступа. Централизованное управление, масштабирование без простоев. Можно запускать кластеры под разные команды и сценарии параллельно — без дублирования данных. Контекст: рынок меняется. Компании всё активнее вкладываются в инструменты, которые позволяют работать с ИИ на проде, а не просто тестировать гипотезы. Lakehouse — архитектура, к которой уже перешли десятки тысяч компаний на Западе. MWS Cloud предлагает такую же модель — внутри российской облачной экосистемы. И да: MWS Data Lakehouse — часть экосистемы MWS Data, включающей 25+ сервисов для хранения, аналитики и AI. Почему это важно. ИИ уже давно не хобби айтишников. Это трансформация всей ИТ-архитектуры компаний. А без таких платформ запуск ИИ-проектов становится дорогим, медленным и уязвимым. Именно поэтому сейчас выигрывают не те, у кого «есть данные», а те, у кого есть инфраструктура, чтобы эти данные реально использовать. @ai_machinelearning_big_data #data#ai#ml#infrastructure#mts
Hashtags
@venturevillagewall · Post #4189 · 19.02.2025 г., 10:00
New Developments in Tech and Crypto 🔸 MTS warns of risks due to the Russian government's IP data collection project. Read more 🔸 In Irkutsk, household electricity consumption spikes due to gray miners amid a mining ban and rising Bitcoin prices. Read more 🔸 Russian streaming services reportedly revive talks with Hollywood for content return, but no confirmations yet. Read more 🔸 Latest Telegram update includes conference interface for iOS users. Read more 🔸 Ex-CTO of OpenAI, Mira Murati, launches new AI startup, Thinking Machines Lab, focused on user-friendly AI adaptation. Read more 🔸 Intel stocks surge 16% amid rumors of a possible company split. Read more 🔸 Niantic, creator of Pokemon Go, aims to sell gaming business for $3.5 billion due to lack of success in replicating previous hits. Read more 🔸 Bitcoin ownership shifts: Private investors sold 525,000 BTC while institutional investors increased holdings by 374,000 BTC. source 🔸 Controversy in crypto space: Solana faces reputation challenges as scandals arise. More info #MTS#IPPrivacy#Bitcoin#Telegram#AI#OpenAI#Intel#Niantic#Crypto#Solana#Investment#B2B#ETFs#DataAnalysis#Tech#Gaming#Ecosystem#MarketTrends#Startups#VentureCapital#VC#Innovation