Senior Python Developer

Ruff Ruff - это линтер для проверки качества кода. Он помогает обнаруживать ошибки, следовать стилистическим рекомендациям и в целом писать более чистый и читаемый код. Ruff можно использовать для проверки как отдельных файлов, так и целых проектов.

#вопросы_с_собеседований Как происходит проверка множеств на равенство? - Для равенства множества должны содержать одинаковые элементы. - Порядок элементов значения не имеет. - Количество вхождений элемента также не важно. - Если элементы в множествах разные - множества не равны. - Другие атрибуты или свойства множеств, кроме состава элементов, не проверяются. Таким образом, множества равны, когда они имеют одинаковые элементы, вне зависимости от порядка или количества вхождений.

Удаление префиксов и суффиксов Методы .removeprefix() и .removesuffix() служат для удаления префикса или суффикса из строки соответственно. Эти методы были добавлены в Python 3.9. Методы возвращают новую строку без указанного префикса или суффикса. Исходная строка не изменяется. Если строка не начинается/заканчивается на указанный префикс/суффикс, возвращается копия исходной строки. Методы вызывают исключение ValueError, если префикс/суффикс пустой. #это_база

#вопросы_с_собеседований Какие различия есть между методами для списков append() и extend()? Методы append() и extend() для списков имеют разное назначение: - append() добавляет один элемент в конец списка, принимая в качестве аргумента этот элемент. my_list.append(10) - добавит число 10 в конец списка my_list. - extend() расширяет список добавляя в него несколько элементов сразу. В качестве аргумента принимается итерируемый объект (список, кортеж и т.п.). my_list.extend([10, 20, 30]) - добавит числа 10, 20, 30 в конец списка my_list.

Pygal Pygal - это библиотека для визуализации данных с помощью SVG. Она позволяет строить разнообразные интерактивные графики, такие как линейные, столбчатые, круговые диаграммы. Этот код создает объект диаграммы line_chart, добавляет в нее несколько рядов данных, задает заголовок, подписи по оси X и сохраняет результат в файл SVG. В итоге получается интерактивный график изменения доли браузеров за определенный период.

Технологии, железо и роботы на Yandex Robotics Day уже 16 августа! На складах Маркета, Леманы Про, Перекрестка, Лавки и других компаний работают роботы Яндекса, которые помогают быстро сканировать товары, собирать посылки и перемещать заказы. Чтобы все функционировало быстро и точно, специалисты Яндекс Роботикс постоянно улучшают их. 16 августа в Москве пройдет митап, на котором они расскажут, как именно это делают: — Серёжа Стариков выступит с докладом про коммуникационную платформу Yandex Robotics и ее применение в Yandex RMS — Дима Мовчан объяснит, как команда создает умную роборуку с помощью imitation learning и RL — Максим Пшибло расскажет, как с помощью Yandex Robotics Management System управлять несколькими роботами и какие алгоритмы необходимы этой системе Кроме докладов в программе презентация нового робота, выставка тех, которые уже вовсю работают на складах, нетворкинг и неформальное афтепати с экспертами Яндекс Роботикс. Регистрируйтесь и зовите коллег! Мероприятие бесплатное. Количество мест в офлайне ограничено — пожалуйста, дождитесь нашего подтверждения в почте. Реклама. ООО «Яндекс.Маркет» ИНН 9704254424

__repr__ В Python __repr__ является магическим методом, который определяет строковое представление объекта, которое используется для представления объекта при вызове функции repr() или при выводе объекта на консоль. При вызове функции print() или print(repr()) будет вызван метод __repr__ для объекта и его строковое представление будет выведено на консоль. Использование метода __repr__ особенно полезно при отладке, так как позволяет получить информацию о состоянии объекта и его атрибутах. В данном примере класс Book имеет атрибуты title, author и year, которые инициализируются при создании экземпляра класса. Метод __repr__ возвращает строку, представляющую объект Book в виде: Book(title='<название>', author='<автор>', year=<год>).

Fire Fire — это библиотека, которая автоматически генерирует интерфейсы командной строки (CLI) из любого объекта Python. Она может использоваться для отладки и разработки кода на Python, а также для превращения существующего кода в интерфейс командной строки. В этом примере мы определяем функцию hello, которая принимает один аргумент name со значением по умолчанию "World". Затем мы вызываем функцию Fire из библиотеки fire, передавая ей функцию hello в качестве аргумента. Это превращает функцию hello в интерфейс командной строки. Теперь, если мы запустим этот скрипт из командной строки с аргументом --name=David, то увидим следующий вывод: Hello David! Это происходит потому, что Fire автоматически генерирует интерфейс командной строки для функции hello, позволяя нам передавать аргументы через командную строку.

❓Хотите начать карьеру в программировании или расширить свои знания? На курсе «Python Developer. Basic» вы освоите: - Синтаксис Python с нуля и создадите свой первый проект. - Работу с фреймворками Django и FastAPI. - Основы работы с базами данных, API, и парсингом сайтов. - Принципы асинхронного программирования и автотестирования. Программа курса включает живые лекции от практикующих экспертов, а диплом OTUS поможет вам продвинуться по карьерной лестнице. Вы научитесь решать реальные задачи, создавая веб-приложения и чат-ботов. 💪Не упустите шанс стать частью сильной команды разработчиков. Оставьте заявку и получите скидку на обучение: https://otus.pw/D8LA/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Eli5 Библиотека eli5 используется для анализа и интерпретации результатов моделей машинного обучения. Она работает с такими библиотеками, как: Scikit-learn, XGBoost, CatBoost, Keras, lightning и LightGBM. В этом примере мы загружаем датасет Бостон из библиотеки sklearn, разбиваем его на обучающую и тестовую выборки и строим модель линейной регрессии. Затем мы используем функцию show_weights из библиотеки eli5 для отображения весов линейной регрессии. eli5 может помочь понять, какие признаки важны для модели и как они влияют на предсказания. Это может быть полезно для улучшения качества моделей и для объяснения их работы другим людям.