Per Second 300k

Ждали, а вот и они! Список будет пополняться как минимум еще есть пару крутых книг и статей, которые могу порекомендовать, но чуть позже ⏺System design [1] ⏺System design [2] ⏺How rec sys work ⏺Content Based ⏺Collaborative filtering ⏺HSE lecture ⏺Rec Sys Google cloud ⏺Cookbook ⏺Trends in Rec Sys ⏺NN rec sys ⏺Practice rec sys [1] ⏺Practice rec sys [2] ⏺Practice MTS [1] ⏺Practice MTS [2] ⏺Practice MTS [3] ⏺Practice MTS [4] ⏺Learning to Rank for Information Retrieval and NLP by Hang Li ⏺Lerning to Rank from Implicit by Filip Andrej Radlinski (P.S. это диссер, а не статья) ⏺Dive into Deep Learning ⏺Миро-доска Богдана @uberkinder #recsys

Удалите Anaconda с вашего PC! 🔒 В чате Karpov Courses, где я являюсь одним из модератором часто сталкиваюсь с людьми у которых какие то проблемы с Anaconda, в основном они связаны с тем какими то библиотеками, неправильной установкой зависимостей и тп. Как правило все эти юзеры - только только вкатываются в профессию и не умеют работать с виртуальным окружением. А в дальнейшем, когда они будут работать с прод кодом, они осознают, что постоянно переносить из одного окружения в другой - гемор, тем более в окружение анаконды. Давайте разбираться! 👨‍💻 ⏺Начнем с того, зачем вы пишите код? 🐍 Что бы быстро что-то исследовать без дальнейшего его использования. В каком случае удобно использовать Jupyter Notebook - Когда можно быстро накидать какой-то код или вы делаете какое то исследования, аналитику (без дальнейшего использования этого кода). Однако мы все так же должны соблюдать pep8, R&R, писать код в скриптах и использовать как можно меньше локальных переменных. 🐍 Когда этот код будут использовать в проде. Тогда лучше сразу писать в .py просто потому что когда вы будете переносить с юпитера, вероятнее всего вы будете сталкиваться с багами хранения глобальных перменных. А во вторых тестирования, валидации и запуск полного пайплайна. Что реализовывать в юпитере достаточно сложно. (Если вы не работаете в Netflix или не поехавший) ⏺Что такое виртуальное окружение? У вас есть глобальный Python, а теперь представьте что у вас 5 проектов, каждый из которых использует разные зависимости или версии этих зависимостей. Пока вы будете чинить один, у вас будет ломаться другой. Получается некая каша библиотек. Виртуальное окружение - некая независимая оболочка для хранения ваших зависимостей для вашего проекта. (Как правило она называется VENV от слова virtual environment). То есть теперь у вас для каждого проекта будет свое место для хранения библиотек, которые не будут путаться между собой. Подробнее про виртуальное окружение и его активацию ⏺Какое окружение использовать? Есть несколько виртуальных окружений - venv - virtualenv - conda (не анаконда) etc Я использую virtualenv + pyenv, мне кажется это наиболее удобная комбинация. Подробнее про виртуальные окружение и как его установить ⏺А как теперь поставить юпитер? Все просто, активируем наше окружение и пишем > pip install jupyter notebook или > pip install jupyterlab ⏺Ого юпитер разве не привязан к анаконде? Да, jupyter можно поставить отдельно и запускать его командой в bash (При активированном окружении) > jupyter notebook > jupyter-notebook > jupyterlab ⏺Best Practice: Если вы хотите быстро сделать какой то draft - сделайте это в google colab!

Вы все уже слышали про студента, который с помощью ChatGPT написал диплом. Но таких инструментов сейчас достаточно много, они могут упростить нам работу с написанием рутинных вещей. ⏺ ChatGPT & GPT3 🤨 Нужно ли объяснять, что это такое? Вы все уже много раз про него слышали, это наш основной инструмент, но нужно проверять все то, что он пишет и не верить ему сразу. ⏺ Futurepedia 😑 Википедия для AI инструментов, там можно найти больше подобных сервисов на вкус и цвет. ⏺ Rytr 😮 Частично-бесплатный сервис для создания и генерации контекта на основе AI. Я от него просто в восторге! ⏺ Cowriter 👨‍💻 Вроде как бесплатный, конкурент Rytr. Но не уверен, что у него есть те же функции, например генерация заголовков, ключевых слов и тд. ⏺ ExplainPaper 😎 Сервис, который объясняет что же там написано в этих заумных научных работах. Отлично поможет перефразировать чужие работы в наш диплом для объёма. ⏺ Arxiv-feed Для любителей пейперов 😋 Теперь с лёгкостью можно найти схожие пейперы. 🐳🐳🐳🐳🐳🐳🐳🐳🐳🐳🐳🐳🐳 300 докеров на этот пост и делаю вторую часть! Не забываем заходить в чат и делится постом с сокурсниками! ❤ @notedatascience

🙃 Streamlit — как создать ChatGPT на коленке [~11 min] Если мы начнем разговор о мире технологий и программирования, то невозможно обойти такой мощный инструмент, как Streamlit. С его помощью даже самые амбициозные проекты можно запустить в буквальном смысле за время отдыха со стаканом любимого кофе. Сегодня мы поговорим о том, как Streamlit может стать вашим лучшим другом в области развертывания приложений и визуализации данных. А так же создадим локальную GPT и задеплоим ее, пока нам готовят кофе! Не забываем заходить в мой телеграм канал t.me/notedatascience 🗯