И что? Ты просто разметку страницы получил, это не парсер
@uproger5 сағат бұрын
уже писал, что полное видео на канале) заходите в гости
@uproger13 сағат бұрын
Хай! Это лучший сайт для излучения программирования с нуля! Ссылка на ТГ в профиле канала! Заходи и учись !
@DevOPSitsec15 сағат бұрын
Спасибо супер топ подборка !
@uproger15 сағат бұрын
Курсы по алгоритмам машинного обучения 📌 Алгоритмы Машинного обучения с нуля (stepik.org/course/68260/promo) В данном курсе Вы реализуете с нуля все основные алгоритмы классического машинного обучения на чистом Python, Pandas и NumPy. 📌 Machine Learning for Beginners - A Curriculum (github.com/microsoft/ML-For-Beginners) Свежий курс от Microsoft. Курс содержит 26 уроков и 52 упражнения. В нем раскрыты такие темы, как построение регрессионных моделей, обработка данных, методы кластеризации, введение в nlp. 📌 Свежий ИИ самоучитель Learn Anything Learn Anything (github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file) ИИ‑самоучитель Learn Anything - идеальный инструмент для освоения любых навыков. Нейронная сеть преобразует абстрактные желания и ваши запросы в структурированный учебный план, предоставляя статьи, руководства и видеоуроки. 📂 github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file 📌 Дизайн систем машинного обучения. Введение для начинающих. Основная цель курса - развить кругозор и «насмотренность» будущих создателей ML‑систем. Есть даже раздел про большие языковые модели. Курс содержит: 15 видеолекций, 14 семинаров, создание собственного проекта. 📂 ods.ai/tracks/ml-system-design-23 📌 Курс по машинному обучению «ИИ Старт» - продвинутый уровень stepik.org/course/134942/info Вы познакомитесь с важными аспектами машинного обучения: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram‑ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе. 📂 stepik.org/course/134942/info 📌 Введение в компьютерный интеллект. Машинное обучение. github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file Новоый спецкурса, посвященный классическим алгоритмам машинного обучения (теория + практика). 📂 github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file 📌 Новый бесплатный открытый курс по нейронауке для людей с бэкграундом в машинном обучении. (t.me/data_analysis_ml/1434) Хороший курс для углубления в вычислительную нейронауку. Курс состоит из 34 коротких видеороликов, начиная с вводных тем и заканчивая недавними открытиями, которые мы до сих пор до не изучены. Кроме того, в курсе есть практические упражнения в Google Colab. 📂 t.me/data_analysis_ml/1434 📌 DS Github github.com/matyushkin/ds/tree/main Обновляемая структурированная подборка бесплатных ресурсов по тематикам Data Science и Machine Learning: курсы, открытые базы данных и датасеты, источники информации и т. д. 📂 github.com/matyushkin/ds/tree/main 📌 Нейронные сети (stepik.org/course/401/promo) В рамках данного курса слушатели познакомятся с теоретическими и практическими основами искусственных нейронных сетей. Слушатели научатся применять нейронные сети для решения широкого круга задач из области анализа данных. Курсы по математике для аналитиков данных (stepik.org/course/401/promo) 📌 Прикладная математика для машинного обучения (teach-in.ru/course/applied-mathematics-for-machine-learning/about) Курс для студентов без математического бэкграунда. В курсе изложены основные понятия необходимые для понимания методов, на которых строится машинное обучение и модели нейронных сетей. Также целью курса является разъяснть как могут быть преобразованы и представлены данные для последующего обучения моделей на них. 📂 Курс (teach-in.ru/course/applied-mathematics-for-machine-learning/about) 📌 100 уроков математики от Алексея Савватеева! (stepik.org/course/195511/promo) Идея этого курса - рассказать про математику. Но не про школьную математику, а про математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно - то вам сюда! 📌 Linear Algebra Refresher Course (www.udacity.com/course/linear-algebra-refresher-course--ud953) Это бесплатный курс для изучения основ линейной алгебры. www.udacity.com/course/linear-algebra-refresher-course--ud953 📌 Seeing‑theory (seeing-theory.brown.edu/) Изучите основы теории вероятностей и статистики c Университетом Брауна. В курсе предоставлены наглядные, интерактивные визуализации, которые помогут вам в обучении. 📂 seeing-theory.brown.edu/ 📌 Статистическое мышление и анализ данных. (ocw.mit.edu/courses/15-075j-statistical-thinking-and-data-analysis-fall-2011/) Этот курс представляет собой введение в статистический анализ данных. Темы курса охватывают области прикладной вероятности, выборки, оценки, проверки гипотез, линейной регрессии, дисперсионного анализа, категориального анализа данных и многое другое. 📌 Вычисления и анализ данных. (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Этот предмет представляет собой введение в теорию вероятностей и анализ данных. Он предназначен для того, чтобы дать студентам знания и практический опыт, необходимые им для интерпретации данных. Основные понятия вероятности вводятся с самого начала, поскольку они обеспечивают систематический способ описания неопределенности. 📂 Курсы (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Полный список - t.me/ai_machinelearning_big_data/4292
@uproger15 сағат бұрын
Курсы по алгоритмам машинного обучения 📌 Алгоритмы Машинного обучения с нуля (stepik.org/course/68260/promo) В данном курсе Вы реализуете с нуля все основные алгоритмы классического машинного обучения на чистом Python, Pandas и NumPy. 📌 Machine Learning for Beginners - A Curriculum (github.com/microsoft/ML-For-Beginners) Свежий курс от Microsoft. Курс содержит 26 уроков и 52 упражнения. В нем раскрыты такие темы, как построение регрессионных моделей, обработка данных, методы кластеризации, введение в nlp. 📌 Свежий ИИ самоучитель Learn Anything Learn Anything (github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file) ИИ‑самоучитель Learn Anything - идеальный инструмент для освоения любых навыков. Нейронная сеть преобразует абстрактные желания и ваши запросы в структурированный учебный план, предоставляя статьи, руководства и видеоуроки. 📂 github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file 📌 Дизайн систем машинного обучения. Введение для начинающих. Основная цель курса - развить кругозор и «насмотренность» будущих создателей ML‑систем. Есть даже раздел про большие языковые модели. Курс содержит: 15 видеолекций, 14 семинаров, создание собственного проекта. 📂 ods.ai/tracks/ml-system-design-23 📌 Курс по машинному обучению «ИИ Старт» - продвинутый уровень stepik.org/course/134942/info Вы познакомитесь с важными аспектами машинного обучения: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram‑ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе. 📂 stepik.org/course/134942/info 📌 Введение в компьютерный интеллект. Машинное обучение. github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file Новоый спецкурса, посвященный классическим алгоритмам машинного обучения (теория + практика). 📂 github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file 📌 Новый бесплатный открытый курс по нейронауке для людей с бэкграундом в машинном обучении. (t.me/data_analysis_ml/1434) Хороший курс для углубления в вычислительную нейронауку. Курс состоит из 34 коротких видеороликов, начиная с вводных тем и заканчивая недавними открытиями, которые мы до сих пор до не изучены. Кроме того, в курсе есть практические упражнения в Google Colab. 📂 t.me/data_analysis_ml/1434 📌 DS Github github.com/matyushkin/ds/tree/main Обновляемая структурированная подборка бесплатных ресурсов по тематикам Data Science и Machine Learning: курсы, открытые базы данных и датасеты, источники информации и т. д. 📂 github.com/matyushkin/ds/tree/main 📌 Нейронные сети (stepik.org/course/401/promo) В рамках данного курса слушатели познакомятся с теоретическими и практическими основами искусственных нейронных сетей. Слушатели научатся применять нейронные сети для решения широкого круга задач из области анализа данных. Курсы по математике для аналитиков данных (stepik.org/course/401/promo) 📌 Прикладная математика для машинного обучения (teach-in.ru/course/applied-mathematics-for-machine-learning/about) Курс для студентов без математического бэкграунда. В курсе изложены основные понятия необходимые для понимания методов, на которых строится машинное обучение и модели нейронных сетей. Также целью курса является разъяснть как могут быть преобразованы и представлены данные для последующего обучения моделей на них. 📂 Курс (teach-in.ru/course/applied-mathematics-for-machine-learning/about) 📌 100 уроков математики от Алексея Савватеева! (stepik.org/course/195511/promo) Идея этого курса - рассказать про математику. Но не про школьную математику, а про математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно - то вам сюда! 📌 Linear Algebra Refresher Course (www.udacity.com/course/linear-algebra-refresher-course--ud953) Это бесплатный курс для изучения основ линейной алгебры. www.udacity.com/course/linear-algebra-refresher-course--ud953 📌 Seeing‑theory (seeing-theory.brown.edu/) Изучите основы теории вероятностей и статистики c Университетом Брауна. В курсе предоставлены наглядные, интерактивные визуализации, которые помогут вам в обучении. 📂 seeing-theory.brown.edu/ 📌 Статистическое мышление и анализ данных. (ocw.mit.edu/courses/15-075j-statistical-thinking-and-data-analysis-fall-2011/) Этот курс представляет собой введение в статистический анализ данных. Темы курса охватывают области прикладной вероятности, выборки, оценки, проверки гипотез, линейной регрессии, дисперсионного анализа, категориального анализа данных и многое другое. 📌 Вычисления и анализ данных. (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Этот предмет представляет собой введение в теорию вероятностей и анализ данных. Он предназначен для того, чтобы дать студентам знания и практический опыт, необходимые им для интерпретации данных. Основные понятия вероятности вводятся с самого начала, поскольку они обеспечивают систематический способ описания неопределенности. 📂 Курсы (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Полный список - t.me/ai_machinelearning_big_data/4292
@d1440015 сағат бұрын
А где статья?
@uproger15 сағат бұрын
⚡ habr.com/ru/articles/804251/ - все ссылки из видео
@uproger15 сағат бұрын
⚡t.me/ai_machinelearning_big_data - наш канал, для всех, кто любит машинное обучение и data science ⚡ habr.com/ru/articles/804251/ - все ссылки из видео ⚡ t.me/addlist/2Ls-snqEeytkMDgy а здесь целая папка крутых ресурсов для всех, кто любит и изучает машинное обучение, наслаждайтесь. ⚡t.me/+ANhw-uaOaYs1Mjky - это база с 1900 вопросами с собеседований по анализу данных, машинному обучению, sql. Задачи разбирают эксперты
@WindyFunPlus17 сағат бұрын
Спс за гайд!
@Tak_cebe17 сағат бұрын
Я делал всегда b = a[:]
@uproger17 сағат бұрын
Это же немного другое
@allay138Күн бұрын
Комент чтоб сохранить
@uprogerКүн бұрын
Подписывайтесь , у нас много полезного )
@user-mr3qp8qk4oКүн бұрын
Зачем такую ерунду снимаете? Даже рабочий код получение html страницы не смогли написать (((
@uprogerКүн бұрын
Это же превью к полному видео поо Парсинг, которое на канале
@infernal_patephoneКүн бұрын
Быстрее YOLOv8 из коробки? 👀
@user-qx8qc4bt6d19 сағат бұрын
Это библиотека валидации) и Да, валидирует быстрее yolo
@fish321Күн бұрын
Круто, новый быстрый стандарт расчета кокошных метрик!
@user-ux4df5wq6kКүн бұрын
Помадка спасет наши жалкие души!
@zvuagaweedeater3117Күн бұрын
❤поцелую помадку и пересмотрю еще пару раз
@svbxrКүн бұрын
Приветствую, какой курс лучше выбрать если переходишь с java?
@uprogerКүн бұрын
Этот t.me/Golang_google/1243
@svbxrКүн бұрын
@@uproger благодарю!
@paulthehuman547Күн бұрын
Не смотрел и не буду
@uproger5 сағат бұрын
посмотрите )
@uprogerКүн бұрын
Привет, кодер! Пост о SOILD от 21 марта под тегом #обучающиекурсы Ссылку на ТГ вы найдете в шапке профиля!
@DevOPSitsecКүн бұрын
топчик, полезно для собесов!
@paulthehuman547Күн бұрын
Все понимаю, но почему ютуб?? Тут никто не сидит, загружайте в мейлру клипы
@DevOPSitsecКүн бұрын
грузим на мейл ру "
@alexandrsmirnov8615Күн бұрын
Бот детектед. На ютубе никто не сидит??? Серьёзно? 😅
@uprogerКүн бұрын
🔥 t.me/+Wl7z_U34K5Y0NzYy - в моем тг канале куча гайдов, разбора кода, уроков по машинному обучению. 📌 t.me/data_analysis_ml - здесь мы занимаемся анализом данных на практике 📌 t.me/addlist/2Ls-snqEeytkMDgy - Супер полезная папка для всех, кто изучает Python и машинное обучение 📌github.com/MiXaiLL76/faster_coco_eval Библиотека В отличии от оригинальной реализации, библиотека faster-coco-eval отрезана от большинства зависимостей, таких как detectron2, pytorch, matplotlib.
@ManticoreRoko2 күн бұрын
Ролик как будто не из 2024. Джанго тут высокотехнологичный, хотя по факту он лишь догоняет по технологиям многие другие фреймворки. Ни слова про возможное будущее веб разработки на питоне - Esmerald и Litestar, хотя их упомянуть было бы ценнее чем почти мертвый Flask
@uproger2 күн бұрын
Замечание принято, в целом согласен. Единственное, что flask для Легкой и быстрой разработки веб сервиса все еще хорош
@uproger2 күн бұрын
Привет! В моей ТЕЛЕГЕ уроки по созданию сайта с нуля! Ссылка на ТГ в шапке профиля!
@paulthehuman5472 күн бұрын
ПРограммирование больше не нужно, ща в тренде огород
@DevOPSitsec2 күн бұрын
А игры На Python как то можно писать?
@neomrx2 күн бұрын
На pygame
@DevOPSitsec2 күн бұрын
@@neomrx есть ссылка ?
@dimasmir033 күн бұрын
Че за дерьмо
@DGTphoto3 күн бұрын
Засветил свой ключь авторизации.
@rufatnow3 күн бұрын
братан спасибо тебе, дай бог тебе здоровия
@uproger3 күн бұрын
Спасибо за высокую оценку )
@uproger3 күн бұрын
Привет! Ищи Пост в моем ТГ от 12 августа 2023 года Бесплатные курсы по Пентесту и Этичному хакингу! Ссылка на ТГ в шапке профиля!
@uproger3 күн бұрын
Хай! Ищи Пост вТГ от 12 августа 2023 года Бесплатном курс Гарвардского университета от Python. Ссылка на ТГ в шапке профиля! Тег #бесплатныекурсы
@sharingan13643 күн бұрын
ну первый вариант за линейную сложность, он и лучше
@segamegadrive663 күн бұрын
в чем разница между просто равно и copy()
@uproger3 күн бұрын
Модуль copy в Python позволяет создавать поверхностные и глубокие копии объектов. При работе с этим модулем важно учитывать, что поверхностное копирование не создает копии изменяемых вложенных объектов, в то время как глубокое копирование обеспечивает полное дублирование исходного объекта.
@serobrine4 күн бұрын
Гениально, сначала делают динамически типизированный язык, потом изобретают костыль
@glasderes4 күн бұрын
Вообще в начале стоит попробовать хоть какойто линукс, а уже затем можно определиться что вам нужно, вот мне сверх зашел дебиан на кде В целом мне как то гном не зашёл, когда пробовал федора тоже на кде пробовал
@uproger4 күн бұрын
Каким вы пользуетесь сейчас ?
@glasderes4 күн бұрын
@@uproger дебиан на кде плазм
@user-jc5ky2ei5l4 күн бұрын
Мда. Пайтонисты все такие недалекие?
@uproger4 күн бұрын
Хай ! Пост от 6 мая под тегом #вопросыссобесов Ссылка на ТГ в шапке профиля!
@user-vf1jm9rr8t4 күн бұрын
А где парсер?
@uproger4 күн бұрын
А что это если не парсер ?)
@evalinor3 күн бұрын
@@uproger Так по факту, ты получил ну 100% сырой html, вот то, что ты делать с ним дальше - это уже будет парсинг
@uproger3 күн бұрын
@@evalinor ну я же целое видео выложил на канал , а это шортс за 30 секунд )
@evalinor3 күн бұрын
@@uproger Ну так хотя бы чисто парсинг тега title, уже бы было по факту)
@uproger3 күн бұрын
@@evalinor сделаю ещё )
@uproger5 күн бұрын
Привет! Много крутых Гайдов и примеров Парсинга у меня в тг! В шапке канала ссылка !
@LeoFackingG5 күн бұрын
Очень хороший ролик, спасибо!
@uproger5 күн бұрын
Спасибо за поддержку
@06jla4k05 күн бұрын
А можно отдельного провайдера взять? Чтобы Китайские иероглифы не писало
@iteospace5 күн бұрын
А можно просто взять типизированный язык и сразу получить защиту от ошибок, производительность, и более крутую стандартную библиотеку.
@aatudv5 күн бұрын
Можно сразу на лампочках писать. Тогда ты 100% будешь контролировать каждый бит программы
@iteospace5 күн бұрын
@@aatudv фишка в том что код сложнее от этого не станет, так что преимуществ у питона тут нет особо.
@forever_anton99165 күн бұрын
если каждый символ s2 используется один раз, то достаточно обе строки к множествам привести и сравнить
@MrAlonROSE5 күн бұрын
Всегда выдаёт нерабочую лажу на придуманном им же самим языке. Бесполезный электронный балван
@neviondh73606 күн бұрын
"Всегда делайте ЭТО в своих Python проектах, ЭТО спасет ваш проект" возникает вопрос, от чего это спасет проект ?
@user-oj5kk1zy7f6 күн бұрын
Большое спасибо за такую хорошую подборку! Успехов и процветания каналу! )
@DevOPSitsec6 күн бұрын
спасибо, за высокую оценку
@DevOPSitsec6 күн бұрын
топчик, нашел ссылку , большое спасибо !
@uproger6 күн бұрын
Привет! Пост с репозиторием, от 6 мая под тегом #вопросыссобесов Ссылка на ТГ в шапке профиля!
@MLAIcoder6 күн бұрын
Спасибо! нашел
@uproger6 күн бұрын
Пост от 12 августа 2023 года! Бесплатный курс Гарвардского университета от Python. Под тегом #бесплатныекурсы Ссылка на ТГ в шапке профиля!
@uproger6 күн бұрын
1. Eloquent JavaScript (2024) Это книга о JavaScript программировании и Frontend разработке. Вы можете бесплатно прочитать ее онлайн или купить себе собственный экземпляр в мягкой обложке. ▪ eloquentjavascript.net/ 2. Современный учебник JavaScript Перед вами учебник по JavaScript, начиная с основ, включающий в себя много тонкостей и фишек JavaScript/DOM. ▪ learn.javascript.ru/ 3. Погружение в JavaScript: для начинающих Курс позволит новичкам приобрести навыки алгоритмического мышления и понимания логики выполнения программы, используя JavaScript. Все темы предоставлены последовательно и подробно объяснены с использованием примеров. В рамках курса предусмотрено решение практических задач по написанию кода, это даст возможность надолго запомнить изученное и научиться думать, как программист. Пройдя курс, вы будете обладать крепким фундаментом для дальнейшего изучения программирования на JavaScript и других языках. ▪ stepik.org/course/180784/promo 5. JavaScript для начинающих В данном курсе со Stepik рассмотрены основы программирования на JavaScript а также некоторые инструменты и модели данных, необходимые для практического использования JavaScrip. ▪ stepik.org/course/2223/promo 6. Brainwave Проект, с которым вы научитесь создавать современные веб-сайты с эффектом параллакса и макетами в виде коробочек-бенто. Этот курс охватывает все: от стильного дизайна пользовательского интерфейса до принципов mobile-first, укрепляя ваши навыки работы с React.js и Tailwind CSS. ▪ github.com/adrianhajdin/brainwave 7. JavaScript Essentials В этом курсе вы узнаете, как работает JavaScript базовые и создадите мини-проект. Вы также рассмотрите некоторые подробности работы JavaScript и изучите продвинутые темы, такие как наследование, область видимости, контекст и, наконец, создайте мини-проект. ▪ www.udemy.com/course/javascript-essentials/ 8. JavaScript Тесты Курс предназначен для проверки знаний JavaScript и подготовки к собеседованиям на позицию JavaScript-разработчиков! В рамках этого курса вы сможете оценить свои навыки по различным темам. Каждый вопрос снабжен вариантами ответа, из которых нужно выбрать правильный. Кроме того, к каждому вопросу прикреплены подсказки и разъяснения, чтобы облегчить процесс решения и понимания. ▪ stepik.org/course/189305/promo 9. Learn JavaScript [Codecademy] Это курс для начинающих, который поможет вам научиться использовать JavaScript для добавления интерактивности веб-сайтам. www.codecademy.com/learn/introduction-to-javascript 10. Большая Frontend папка Здесь собрана полезная папку с каналами для Frontend разработчиков. Здесь можно найти все - от базовый уроков по Javascript, React, Vue до реальных проектов и практических задач. ▪ t.me/addlist/1GC9wrtAPbZmOGYy 11. Awesome JavaScript 🐢 Коллекция кураторских ресурсов, гайдов и библиотек JavaScript, ресурсов, которые помогут любому разработчику. ▪ github.com/sorrycc/awesome-javascript 12. Идеальный репозиторий для изучения JavaScript Этот репозиторий создан, чтобы помочь студентам, новичкам и работающим профессионалам, изучить JS, предоставив им все ресурсы для обучения в одном репозитории. ▪ github.com/sajidhamdard/learnjavascript 13. JavaScript Репозиторий курса “Проектирование Сетевых Приложений” с лекциями и домашним заданием. ▪ github.com/iu5git/JavaScript 14. 30-Days-Of-JavaScript Полное пошаговое руководство по изучению языка программирования JavaScript за 30 дней. В курсе вы используете JavaScript для добавления интерактивности на веб-сайты, для разработки мобильных приложений, настольных приложений, игр, и в настоящее время JavaScript можно использовать для машинного обучения и AI. Темп изучения у каждого разный - не удивляйтесь если вы будете проходить его дольше ▪ github.com/Asabeneh/30-Days-Of-JavaScript/blob/master/RU/README.md 15. Курс по алгоритмам, который вам понадобится У Frontend Masters есть курс по алгоритмам с примерами на Javascript TypeScript? Бесплатно и без кредитки. Все, что вам нужно, - это электронная почта, для прохождения курса. ▪ frontendmasters.com/courses/algorithms/
@fronkolines6 күн бұрын
а где можно увидеть ссылки на данные курсы ? =)
@uproger6 күн бұрын
uproger.com/luchshie-besplatnye-kursy-javascript/ - все ссылки из видео
Пікірлер
И что? Ты просто разметку страницы получил, это не парсер
уже писал, что полное видео на канале) заходите в гости
Хай! Это лучший сайт для излучения программирования с нуля! Ссылка на ТГ в профиле канала! Заходи и учись !
Спасибо супер топ подборка !
Курсы по алгоритмам машинного обучения 📌 Алгоритмы Машинного обучения с нуля (stepik.org/course/68260/promo) В данном курсе Вы реализуете с нуля все основные алгоритмы классического машинного обучения на чистом Python, Pandas и NumPy. 📌 Machine Learning for Beginners - A Curriculum (github.com/microsoft/ML-For-Beginners) Свежий курс от Microsoft. Курс содержит 26 уроков и 52 упражнения. В нем раскрыты такие темы, как построение регрессионных моделей, обработка данных, методы кластеризации, введение в nlp. 📌 Свежий ИИ самоучитель Learn Anything Learn Anything (github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file) ИИ‑самоучитель Learn Anything - идеальный инструмент для освоения любых навыков. Нейронная сеть преобразует абстрактные желания и ваши запросы в структурированный учебный план, предоставляя статьи, руководства и видеоуроки. 📂 github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file 📌 Дизайн систем машинного обучения. Введение для начинающих. Основная цель курса - развить кругозор и «насмотренность» будущих создателей ML‑систем. Есть даже раздел про большие языковые модели. Курс содержит: 15 видеолекций, 14 семинаров, создание собственного проекта. 📂 ods.ai/tracks/ml-system-design-23 📌 Курс по машинному обучению «ИИ Старт» - продвинутый уровень stepik.org/course/134942/info Вы познакомитесь с важными аспектами машинного обучения: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram‑ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе. 📂 stepik.org/course/134942/info 📌 Введение в компьютерный интеллект. Машинное обучение. github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file Новоый спецкурса, посвященный классическим алгоритмам машинного обучения (теория + практика). 📂 github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file 📌 Новый бесплатный открытый курс по нейронауке для людей с бэкграундом в машинном обучении. (t.me/data_analysis_ml/1434) Хороший курс для углубления в вычислительную нейронауку. Курс состоит из 34 коротких видеороликов, начиная с вводных тем и заканчивая недавними открытиями, которые мы до сих пор до не изучены. Кроме того, в курсе есть практические упражнения в Google Colab. 📂 t.me/data_analysis_ml/1434 📌 DS Github github.com/matyushkin/ds/tree/main Обновляемая структурированная подборка бесплатных ресурсов по тематикам Data Science и Machine Learning: курсы, открытые базы данных и датасеты, источники информации и т. д. 📂 github.com/matyushkin/ds/tree/main 📌 Нейронные сети (stepik.org/course/401/promo) В рамках данного курса слушатели познакомятся с теоретическими и практическими основами искусственных нейронных сетей. Слушатели научатся применять нейронные сети для решения широкого круга задач из области анализа данных. Курсы по математике для аналитиков данных (stepik.org/course/401/promo) 📌 Прикладная математика для машинного обучения (teach-in.ru/course/applied-mathematics-for-machine-learning/about) Курс для студентов без математического бэкграунда. В курсе изложены основные понятия необходимые для понимания методов, на которых строится машинное обучение и модели нейронных сетей. Также целью курса является разъяснть как могут быть преобразованы и представлены данные для последующего обучения моделей на них. 📂 Курс (teach-in.ru/course/applied-mathematics-for-machine-learning/about) 📌 100 уроков математики от Алексея Савватеева! (stepik.org/course/195511/promo) Идея этого курса - рассказать про математику. Но не про школьную математику, а про математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно - то вам сюда! 📌 Linear Algebra Refresher Course (www.udacity.com/course/linear-algebra-refresher-course--ud953) Это бесплатный курс для изучения основ линейной алгебры. www.udacity.com/course/linear-algebra-refresher-course--ud953 📌 Seeing‑theory (seeing-theory.brown.edu/) Изучите основы теории вероятностей и статистики c Университетом Брауна. В курсе предоставлены наглядные, интерактивные визуализации, которые помогут вам в обучении. 📂 seeing-theory.brown.edu/ 📌 Статистическое мышление и анализ данных. (ocw.mit.edu/courses/15-075j-statistical-thinking-and-data-analysis-fall-2011/) Этот курс представляет собой введение в статистический анализ данных. Темы курса охватывают области прикладной вероятности, выборки, оценки, проверки гипотез, линейной регрессии, дисперсионного анализа, категориального анализа данных и многое другое. 📌 Вычисления и анализ данных. (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Этот предмет представляет собой введение в теорию вероятностей и анализ данных. Он предназначен для того, чтобы дать студентам знания и практический опыт, необходимые им для интерпретации данных. Основные понятия вероятности вводятся с самого начала, поскольку они обеспечивают систематический способ описания неопределенности. 📂 Курсы (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Полный список - t.me/ai_machinelearning_big_data/4292
Курсы по алгоритмам машинного обучения 📌 Алгоритмы Машинного обучения с нуля (stepik.org/course/68260/promo) В данном курсе Вы реализуете с нуля все основные алгоритмы классического машинного обучения на чистом Python, Pandas и NumPy. 📌 Machine Learning for Beginners - A Curriculum (github.com/microsoft/ML-For-Beginners) Свежий курс от Microsoft. Курс содержит 26 уроков и 52 упражнения. В нем раскрыты такие темы, как построение регрессионных моделей, обработка данных, методы кластеризации, введение в nlp. 📌 Свежий ИИ самоучитель Learn Anything Learn Anything (github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file) ИИ‑самоучитель Learn Anything - идеальный инструмент для освоения любых навыков. Нейронная сеть преобразует абстрактные желания и ваши запросы в структурированный учебный план, предоставляя статьи, руководства и видеоуроки. 📂 github.com/learn-anything/learn-anything.xyz?tab=readme-ov-file 📌 Дизайн систем машинного обучения. Введение для начинающих. Основная цель курса - развить кругозор и «насмотренность» будущих создателей ML‑систем. Есть даже раздел про большие языковые модели. Курс содержит: 15 видеолекций, 14 семинаров, создание собственного проекта. 📂 ods.ai/tracks/ml-system-design-23 📌 Курс по машинному обучению «ИИ Старт» - продвинутый уровень stepik.org/course/134942/info Вы познакомитесь с важными аспектами машинного обучения: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram‑ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе. 📂 stepik.org/course/134942/info 📌 Введение в компьютерный интеллект. Машинное обучение. github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file Новоый спецкурса, посвященный классическим алгоритмам машинного обучения (теория + практика). 📂 github.com/mlcoursemm/ml2023autumn/tree/main?tab=readme-ov-file 📌 Новый бесплатный открытый курс по нейронауке для людей с бэкграундом в машинном обучении. (t.me/data_analysis_ml/1434) Хороший курс для углубления в вычислительную нейронауку. Курс состоит из 34 коротких видеороликов, начиная с вводных тем и заканчивая недавними открытиями, которые мы до сих пор до не изучены. Кроме того, в курсе есть практические упражнения в Google Colab. 📂 t.me/data_analysis_ml/1434 📌 DS Github github.com/matyushkin/ds/tree/main Обновляемая структурированная подборка бесплатных ресурсов по тематикам Data Science и Machine Learning: курсы, открытые базы данных и датасеты, источники информации и т. д. 📂 github.com/matyushkin/ds/tree/main 📌 Нейронные сети (stepik.org/course/401/promo) В рамках данного курса слушатели познакомятся с теоретическими и практическими основами искусственных нейронных сетей. Слушатели научатся применять нейронные сети для решения широкого круга задач из области анализа данных. Курсы по математике для аналитиков данных (stepik.org/course/401/promo) 📌 Прикладная математика для машинного обучения (teach-in.ru/course/applied-mathematics-for-machine-learning/about) Курс для студентов без математического бэкграунда. В курсе изложены основные понятия необходимые для понимания методов, на которых строится машинное обучение и модели нейронных сетей. Также целью курса является разъяснть как могут быть преобразованы и представлены данные для последующего обучения моделей на них. 📂 Курс (teach-in.ru/course/applied-mathematics-for-machine-learning/about) 📌 100 уроков математики от Алексея Савватеева! (stepik.org/course/195511/promo) Идея этого курса - рассказать про математику. Но не про школьную математику, а про математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно - то вам сюда! 📌 Linear Algebra Refresher Course (www.udacity.com/course/linear-algebra-refresher-course--ud953) Это бесплатный курс для изучения основ линейной алгебры. www.udacity.com/course/linear-algebra-refresher-course--ud953 📌 Seeing‑theory (seeing-theory.brown.edu/) Изучите основы теории вероятностей и статистики c Университетом Брауна. В курсе предоставлены наглядные, интерактивные визуализации, которые помогут вам в обучении. 📂 seeing-theory.brown.edu/ 📌 Статистическое мышление и анализ данных. (ocw.mit.edu/courses/15-075j-statistical-thinking-and-data-analysis-fall-2011/) Этот курс представляет собой введение в статистический анализ данных. Темы курса охватывают области прикладной вероятности, выборки, оценки, проверки гипотез, линейной регрессии, дисперсионного анализа, категориального анализа данных и многое другое. 📌 Вычисления и анализ данных. (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Этот предмет представляет собой введение в теорию вероятностей и анализ данных. Он предназначен для того, чтобы дать студентам знания и практический опыт, необходимые им для интерпретации данных. Основные понятия вероятности вводятся с самого начала, поскольку они обеспечивают систематический способ описания неопределенности. 📂 Курсы (ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/) Полный список - t.me/ai_machinelearning_big_data/4292
А где статья?
⚡ habr.com/ru/articles/804251/ - все ссылки из видео
⚡t.me/ai_machinelearning_big_data - наш канал, для всех, кто любит машинное обучение и data science ⚡ habr.com/ru/articles/804251/ - все ссылки из видео ⚡ t.me/addlist/2Ls-snqEeytkMDgy а здесь целая папка крутых ресурсов для всех, кто любит и изучает машинное обучение, наслаждайтесь. ⚡t.me/+ANhw-uaOaYs1Mjky - это база с 1900 вопросами с собеседований по анализу данных, машинному обучению, sql. Задачи разбирают эксперты
Спс за гайд!
Я делал всегда b = a[:]
Это же немного другое
Комент чтоб сохранить
Подписывайтесь , у нас много полезного )
Зачем такую ерунду снимаете? Даже рабочий код получение html страницы не смогли написать (((
Это же превью к полному видео поо Парсинг, которое на канале
Быстрее YOLOv8 из коробки? 👀
Это библиотека валидации) и Да, валидирует быстрее yolo
Круто, новый быстрый стандарт расчета кокошных метрик!
Помадка спасет наши жалкие души!
❤поцелую помадку и пересмотрю еще пару раз
Приветствую, какой курс лучше выбрать если переходишь с java?
Этот t.me/Golang_google/1243
@@uproger благодарю!
Не смотрел и не буду
посмотрите )
Привет, кодер! Пост о SOILD от 21 марта под тегом #обучающиекурсы Ссылку на ТГ вы найдете в шапке профиля!
топчик, полезно для собесов!
Все понимаю, но почему ютуб?? Тут никто не сидит, загружайте в мейлру клипы
грузим на мейл ру "
Бот детектед. На ютубе никто не сидит??? Серьёзно? 😅
🔥 t.me/+Wl7z_U34K5Y0NzYy - в моем тг канале куча гайдов, разбора кода, уроков по машинному обучению. 📌 t.me/data_analysis_ml - здесь мы занимаемся анализом данных на практике 📌 t.me/addlist/2Ls-snqEeytkMDgy - Супер полезная папка для всех, кто изучает Python и машинное обучение 📌github.com/MiXaiLL76/faster_coco_eval Библиотека В отличии от оригинальной реализации, библиотека faster-coco-eval отрезана от большинства зависимостей, таких как detectron2, pytorch, matplotlib.
Ролик как будто не из 2024. Джанго тут высокотехнологичный, хотя по факту он лишь догоняет по технологиям многие другие фреймворки. Ни слова про возможное будущее веб разработки на питоне - Esmerald и Litestar, хотя их упомянуть было бы ценнее чем почти мертвый Flask
Замечание принято, в целом согласен. Единственное, что flask для Легкой и быстрой разработки веб сервиса все еще хорош
Привет! В моей ТЕЛЕГЕ уроки по созданию сайта с нуля! Ссылка на ТГ в шапке профиля!
ПРограммирование больше не нужно, ща в тренде огород
А игры На Python как то можно писать?
На pygame
@@neomrx есть ссылка ?
Че за дерьмо
Засветил свой ключь авторизации.
братан спасибо тебе, дай бог тебе здоровия
Спасибо за высокую оценку )
Привет! Ищи Пост в моем ТГ от 12 августа 2023 года Бесплатные курсы по Пентесту и Этичному хакингу! Ссылка на ТГ в шапке профиля!
Хай! Ищи Пост вТГ от 12 августа 2023 года Бесплатном курс Гарвардского университета от Python. Ссылка на ТГ в шапке профиля! Тег #бесплатныекурсы
ну первый вариант за линейную сложность, он и лучше
в чем разница между просто равно и copy()
Модуль copy в Python позволяет создавать поверхностные и глубокие копии объектов. При работе с этим модулем важно учитывать, что поверхностное копирование не создает копии изменяемых вложенных объектов, в то время как глубокое копирование обеспечивает полное дублирование исходного объекта.
Гениально, сначала делают динамически типизированный язык, потом изобретают костыль
Вообще в начале стоит попробовать хоть какойто линукс, а уже затем можно определиться что вам нужно, вот мне сверх зашел дебиан на кде В целом мне как то гном не зашёл, когда пробовал федора тоже на кде пробовал
Каким вы пользуетесь сейчас ?
@@uproger дебиан на кде плазм
Мда. Пайтонисты все такие недалекие?
Хай ! Пост от 6 мая под тегом #вопросыссобесов Ссылка на ТГ в шапке профиля!
А где парсер?
А что это если не парсер ?)
@@uproger Так по факту, ты получил ну 100% сырой html, вот то, что ты делать с ним дальше - это уже будет парсинг
@@evalinor ну я же целое видео выложил на канал , а это шортс за 30 секунд )
@@uproger Ну так хотя бы чисто парсинг тега title, уже бы было по факту)
@@evalinor сделаю ещё )
Привет! Много крутых Гайдов и примеров Парсинга у меня в тг! В шапке канала ссылка !
Очень хороший ролик, спасибо!
Спасибо за поддержку
А можно отдельного провайдера взять? Чтобы Китайские иероглифы не писало
А можно просто взять типизированный язык и сразу получить защиту от ошибок, производительность, и более крутую стандартную библиотеку.
Можно сразу на лампочках писать. Тогда ты 100% будешь контролировать каждый бит программы
@@aatudv фишка в том что код сложнее от этого не станет, так что преимуществ у питона тут нет особо.
если каждый символ s2 используется один раз, то достаточно обе строки к множествам привести и сравнить
Всегда выдаёт нерабочую лажу на придуманном им же самим языке. Бесполезный электронный балван
"Всегда делайте ЭТО в своих Python проектах, ЭТО спасет ваш проект" возникает вопрос, от чего это спасет проект ?
Большое спасибо за такую хорошую подборку! Успехов и процветания каналу! )
спасибо, за высокую оценку
топчик, нашел ссылку , большое спасибо !
Привет! Пост с репозиторием, от 6 мая под тегом #вопросыссобесов Ссылка на ТГ в шапке профиля!
Спасибо! нашел
Пост от 12 августа 2023 года! Бесплатный курс Гарвардского университета от Python. Под тегом #бесплатныекурсы Ссылка на ТГ в шапке профиля!
1. Eloquent JavaScript (2024) Это книга о JavaScript программировании и Frontend разработке. Вы можете бесплатно прочитать ее онлайн или купить себе собственный экземпляр в мягкой обложке. ▪ eloquentjavascript.net/ 2. Современный учебник JavaScript Перед вами учебник по JavaScript, начиная с основ, включающий в себя много тонкостей и фишек JavaScript/DOM. ▪ learn.javascript.ru/ 3. Погружение в JavaScript: для начинающих Курс позволит новичкам приобрести навыки алгоритмического мышления и понимания логики выполнения программы, используя JavaScript. Все темы предоставлены последовательно и подробно объяснены с использованием примеров. В рамках курса предусмотрено решение практических задач по написанию кода, это даст возможность надолго запомнить изученное и научиться думать, как программист. Пройдя курс, вы будете обладать крепким фундаментом для дальнейшего изучения программирования на JavaScript и других языках. ▪ stepik.org/course/180784/promo 5. JavaScript для начинающих В данном курсе со Stepik рассмотрены основы программирования на JavaScript а также некоторые инструменты и модели данных, необходимые для практического использования JavaScrip. ▪ stepik.org/course/2223/promo 6. Brainwave Проект, с которым вы научитесь создавать современные веб-сайты с эффектом параллакса и макетами в виде коробочек-бенто. Этот курс охватывает все: от стильного дизайна пользовательского интерфейса до принципов mobile-first, укрепляя ваши навыки работы с React.js и Tailwind CSS. ▪ github.com/adrianhajdin/brainwave 7. JavaScript Essentials В этом курсе вы узнаете, как работает JavaScript базовые и создадите мини-проект. Вы также рассмотрите некоторые подробности работы JavaScript и изучите продвинутые темы, такие как наследование, область видимости, контекст и, наконец, создайте мини-проект. ▪ www.udemy.com/course/javascript-essentials/ 8. JavaScript Тесты Курс предназначен для проверки знаний JavaScript и подготовки к собеседованиям на позицию JavaScript-разработчиков! В рамках этого курса вы сможете оценить свои навыки по различным темам. Каждый вопрос снабжен вариантами ответа, из которых нужно выбрать правильный. Кроме того, к каждому вопросу прикреплены подсказки и разъяснения, чтобы облегчить процесс решения и понимания. ▪ stepik.org/course/189305/promo 9. Learn JavaScript [Codecademy] Это курс для начинающих, который поможет вам научиться использовать JavaScript для добавления интерактивности веб-сайтам. www.codecademy.com/learn/introduction-to-javascript 10. Большая Frontend папка Здесь собрана полезная папку с каналами для Frontend разработчиков. Здесь можно найти все - от базовый уроков по Javascript, React, Vue до реальных проектов и практических задач. ▪ t.me/addlist/1GC9wrtAPbZmOGYy 11. Awesome JavaScript 🐢 Коллекция кураторских ресурсов, гайдов и библиотек JavaScript, ресурсов, которые помогут любому разработчику. ▪ github.com/sorrycc/awesome-javascript 12. Идеальный репозиторий для изучения JavaScript Этот репозиторий создан, чтобы помочь студентам, новичкам и работающим профессионалам, изучить JS, предоставив им все ресурсы для обучения в одном репозитории. ▪ github.com/sajidhamdard/learnjavascript 13. JavaScript Репозиторий курса “Проектирование Сетевых Приложений” с лекциями и домашним заданием. ▪ github.com/iu5git/JavaScript 14. 30-Days-Of-JavaScript Полное пошаговое руководство по изучению языка программирования JavaScript за 30 дней. В курсе вы используете JavaScript для добавления интерактивности на веб-сайты, для разработки мобильных приложений, настольных приложений, игр, и в настоящее время JavaScript можно использовать для машинного обучения и AI. Темп изучения у каждого разный - не удивляйтесь если вы будете проходить его дольше ▪ github.com/Asabeneh/30-Days-Of-JavaScript/blob/master/RU/README.md 15. Курс по алгоритмам, который вам понадобится У Frontend Masters есть курс по алгоритмам с примерами на Javascript TypeScript? Бесплатно и без кредитки. Все, что вам нужно, - это электронная почта, для прохождения курса. ▪ frontendmasters.com/courses/algorithms/
а где можно увидеть ссылки на данные курсы ? =)
uproger.com/luchshie-besplatnye-kursy-javascript/ - все ссылки из видео