TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #60 · 31 мар.

Вторая по частоте future-функция, которую я использовал, это абсолютный импорт from __future__ import absolute_import Что она делает? Изменения, которые вносит эта инъекция описаны в PEP328 Покажу простой пример. Допустим, есть такой пакет: /my_package /__init__.py /main.py /string.py Смотрим код в my_package/main.py # main.py import string Простой пример готов) Вопрос в том, какой модуль импортируется в данном случае? Есть два варианта: 1. модуль в моём пакете my_package.string 2. стандартный модуль string И вот тут вступает в дело приоритет импортов. В Python2 порядок следующий: помимо иных источников, раньше ищется модуль внутри текущего пакета, а потом в стандартных библиотеках. Таким образом мы импортнём my_package.string. Но в Python3 это поведение изменилось. Если мы указываем просто имя пакета, то ищется именно такой модуль, игнорируя имена в текущем пакете. Если мы хотим импортнуть именно подмодуль из нашего пакета то, мы должны теперь явно это указывать. from my_package import string или относительный импорт, но с указанием пути относительно текущего модуля main from . import string Еще одной неоднозначностью меньше 😎 Подробней про импорты здесь: https://docs.python.org/3/tutorial/modules.html #2to3#pep#basic

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