Что выведет код?
Anonymous Quiz
15%
{'Y', 'b', 'X', set(['SPAM', 'd'])}
48%
{'Y', 'b', 'X', 'SPAM', 'd'}
4%
{}
33%
Error
❤7
yt-dlg представляет собой кроссплатформенную программу с графическим интерфейсом для работы с загрузчиком медиа youtube-dl, разработанную на языке Python.
Приложение поддерживает скачивание видео и аудиофайлов с большинства известных видеохостингов. Оно также предоставляет возможность задавать минимальные и максимальные размеры загружаемых файлов, выбирать диапазон дат для загрузки видео, а также возобновлять прерванные загрузки. Кроме того, программа обладает множеством других полезных функций.
Подробнее о проекте можно узнать на GitHub: https://github.com/oleksis/youtube-dl-gui.
Приложение поддерживает скачивание видео и аудиофайлов с большинства известных видеохостингов. Оно также предоставляет возможность задавать минимальные и максимальные размеры загружаемых файлов, выбирать диапазон дат для загрузки видео, а также возобновлять прерванные загрузки. Кроме того, программа обладает множеством других полезных функций.
Подробнее о проекте можно узнать на GitHub: https://github.com/oleksis/youtube-dl-gui.
GitHub
GitHub - oleksis/youtube-dl-gui: A cross platform front-end GUI of the popular youtube-dl written in wxPython.
A cross platform front-end GUI of the popular youtube-dl written in wxPython. - oleksis/youtube-dl-gui
👍3❤1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
1. Основы Python
Изучите:
- Переменные и типы данных
- Условные операторы и циклы
- Функции
2. Основные структуры данных
Практика:
- Списки, множества, словари
- Стек, очередь, связанный список
- Алгоритмы сортировки и поиска
3. Погружение в объектно-ориентированное программирование (ООП)
Понять:
- Классы и объекты
- Наследование
- Инкапсуляция и полиморфизм
4. Изучение веб-фреймворков
Начните с:
- Flask (для начинающих)
- Django (для опытных разработчиков)
5. Разработка API с использованием Flask/Django
Ключевые концепции:
- Операции CRUD
- Аутентификация
- Работа с данными JSON
6. Интеграция баз данных с Python
- Базы данных SQL: SQLite, PostgreSQL
- NoSQL базы данных: MongoDB
7. Тестирование кода на Python
Основные инструменты:
- Модульное тестирование (unittest, pytest)
- Отладка (pdb)
8. Продвинутые темы Python
Глубокое погружение:
- Декораторы
- Генераторы
- Менеджеры контекста
9. Развёртывание приложений Python
Методы развёртывания:
- Разворачивание на Heroku
- Контейнеризация с помощью Docker
10. Создание и развёртывание проектов
Реализуйте проекты:
- Веб-приложения (Flask/Django)
- Сервисы API
- Проекты анализа данных
#doc #python #roadmap
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤6🔥4👎2
This media is not supported in your browser
VIEW IN TELEGRAM
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤3
"time.sleep()",
так как это заблокирует основной цикл.Вместо этого используйте
`async.sleep()`.
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
😁10👍6
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤1🔥1
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2❤1
Forwarded from Machinelearning
Boltz-1 - первая доступная модель с открытым исходным кодом, которая достигает точности AlphaFold3 в прогнозировании 3D-структур белков, РНК, ДНК и небольших молекул. Boltz-1 основана на архитектуре AlphaFold3, но включает ряд модификаций, повышающих точность и общую эффективность модели.
Архитектура состоит из модуля множественного выравнивания последовательностей (MSA), модуля PairFormer и диффузионной модели, работающую на двух уровнях разрешения: тяжелые атомы и токены. Токены представляют собой аминокислоты для белков, основания для РНК и ДНК, а также отдельные тяжелые атомы для других молекул.
Boltz-1 использует диффузионную модель, аналогичную AlphaFold3, но Boltz-1 использует жесткое выравнивание с помощью алгоритма Кабша после каждого шага процедуры вывода, чтобы гарантировать, что интерполированная структура более похожа на очищенную от шума выборку. Это уменьшает дисперсию потерь денойзинга и предотвращает переобучение модели.
Обучение модели проводилось на структурных данных из PDB, выпущенных до 30 сентября 2021 года, с разрешением не менее 9Å. Чтобы ускорить обучение, разработчики Boltz-1 применили алгоритм сопряжения MSA с использованием таксономической информации, унифицированный алгоритм кадрирования и алгоритм определения кармана связывания. Обучение модели заняло 68 тысяч шагов с размером пакета 128, что меньше, чем у AlphaFold3.
Оценка Boltz-1 была выполнена на датасете CASP15 и на наборе PDB, специально созданном разработчиками для тестирования.
Результаты показали, что Boltz-1 сопоставима по точности с Chai-1, закрытой репликацией AlphaFold3. Обе модели демонстрируют схожие показатели среднего LDDT и среднего TM-score.
Boltz-1 продемонстрировала преимущество в предсказании взаимодействия белок-лиганд на наборе данных CASP15.
Прикладная реализация инференса, доступная в репозитории на Github, может принимать на вход форматы:
Подробные инструкции для процесса прогнозирования и дообучения опубликованы в репозитории с кодом.
# Install boltz with PyPI
pip install boltz
# run inference
boltz predict input_path
@ai_machinelearning_big_data
#AI #ML #Diffusion #3D #Biomolecular
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2
This media is not supported in your browser
VIEW IN TELEGRAM
Rio интегрирует компоненты в стиле React прямо в Python. Вы можете выбирать из множества готовых элементов и комбинировать их для создания полноценных приложений. Приложения, разработанные с использованием Rio, могут запускаться как локально, так и в сети.
Установка:
pip install rio-ui
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤2🔥1🤔1
@pro_python_code
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥2🥰1
Выпущена версия Flask 3.1.0
https://flask.palletsprojects.com/en/stable/changes/#version-3-1-0
@pro_python_code
https://flask.palletsprojects.com/en/stable/changes/#version-3-1-0
@pro_python_code
👍1
Полный гайд по обработке ошибок в Python 🐍✍️
Мигель Гринберг, известный автор мега-туториалов по Flask, создал подробный гайд о том, как правильно обрабатывать ошибки в Python. В нем рассматриваются следующие темы:
- Два подхода к обработке ошибок: LBYL («Посмотри перед прыжком») и EAFP («Проще попросить прощения, чем разрешения»);
- Классификация ошибок;
- Способы обработки ошибок.
Ссылки для чтения:
🔗 Оригинал
🔗 Перевод
@pro_python_code
Мигель Гринберг, известный автор мега-туториалов по Flask, создал подробный гайд о том, как правильно обрабатывать ошибки в Python. В нем рассматриваются следующие темы:
- Два подхода к обработке ошибок: LBYL («Посмотри перед прыжком») и EAFP («Проще попросить прощения, чем разрешения»);
- Классификация ошибок;
- Способы обработки ошибок.
Ссылки для чтения:
🔗 Оригинал
🔗 Перевод
@pro_python_code
👍5❤2
Forwarded from Machinelearning
Anthropic разработала новый открытый стандарт Model Context Protocol (MCP) для подключения ИИ-ассистентов к системам хранения данных. MCP позволяет моделям ИИ, независимо от разработчика, получать данные из различных источников, включая бизнес-инструменты, репозитории контента и среды разработки приложений. Это позволит моделям генерировать более качественные и релевантные ответы на запросы пользователей.
Anthropic утверждает, что MCP решает проблему разрозненности данных, предоставляя разработчикам протокол для создания двусторонних соединений между источниками данных и ИИ-приложениями. MCP уже интегрирован компаниями Block и Apollo и платформами Replit, Codeium и Sourcegraph.
techcrunch.com
Согласно исследованию Google Workspace и The Harris Poll, 82% представителей Gen Z уже используют инструменты ИИ в своей работе. Практически все опрошенные (98%) ожидают, что ИИ окажет влияние на их отрасль или рабочее место в течение следующих 5 лет. Более 50% пользователей ИИ регулярно делятся своим опытом и знаниями с коллегами, а 75% рекомендуют инструменты генеративного ИИ своим коллегам.
Z-поколение использует ИИ для написания электронных писем, преодоления языковых барьеров и повышения эффективности в коммуникациях. 88% респондентов считают, что ИИ может помочь им начать работу над сложной задачей, а 87% полагают, что ИИ сделает их более уверенными в онлайн-встречах.
googlecloudpresscorner.com
Fugatto — это новая генеративная модель, которая позволяет создавать, изменять и комбинировать любые звуки, музыку и голоса с помощью текстовых промптов и аудиофайлов.
Модель мультиязычна, основана на Transformers и использует 2,5 млрд. параметров. Fugatto обладает уникальной способностью сочетать различные инструкции и интерполировать между ними, предоставляя тонкий контроль над генерируемым звуком. Модель может изменять акценты и эмоции в голосе, создавать новые звуки, которых никогда не было, и даже заставлять музыкальные инструменты издавать нехарактерные для них звуки. Демо видео, техотчет.
blogs.nvidia.com
iRacing объединилась с Microsoft Research для разработки продвинутых моделей ИИ - Large Action Models (LAM). Цель сотрудничества - улучшить ИИ-пилотов, создать системы коучинга на базе ИИ и внедрить другие функции с использованием ИИ.
LAM будут обучаться на основе данных iRacing, чтобы предоставлять гонщикам обратную связь в режиме реального времени, улучшать качество игры и помогать им совершенствовать свои навыки. iRacing и Microsoft Research планируют опубликовать результаты своих исследований, чтобы разработчики могли внедрять технологии в свои продукты. В проекте также участвует бывший гонщик INDYCAR Ориоль Сервиа в качестве эксперта.
iracing.com
DynaSaur - это платформа агентов LLM, разработанная совместно Университетом Мэриленда и Adobe, которая позволяет агентам динамически создавать и компоновать действия в режиме реального времени.
В отличие от традиционных LLM-агентов, которые руководствуются предопределенными наборами действий, DynaSaur генерирует, выполнет и совершенствует новые функции Python, когда существующие функции оказываются недостаточными. Агент ведет растущую библиотеку повторно используемых функций, наращивая способность реагировать на различные сценарии.
В тестах на платформе GAIA DynaSaur превзошел базовые показатели, достигнув средней точности 38,21% с использованием GPT-4. Кода пока нет.
arxiv.org
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤1🔥1
Forwarded from Анализ данных (Data analysis)
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥1