В этой статье мы рассматриваем интересную проблему данных - принятие решений об алгоритмах, используемых для сегментации изображений, или отделения одной качественно отличной части изображения от другой.
Искусственная нейронная сеть (ИНС) - это попытка моделирования возможностей биологической нервной системы по обработке информации. Человеческий организм состоит из триллионов клеток, а клетки нервной системы, называемые нейронами, специализированы для передачи "сообщений" с помощью электрохимических процессов.
Python Pandas является одним из самых популярных инструментов в арсенале исследователя данных. Специалисты по исследованию данных используют Pandas для изучения, очистки и понимания наборов данных.
Pandas is a popular open source library used for data analysis. It’s written in Python, and it has a most ambitious mission. Per its own description in GitHub, Pandas “aims to be the fundamental high-level building block for doing practical, real world data analysis in Python. Additionally, it has the broader goal of becoming the most powerful and flexible open source data analysis/manipulation tool available in any language.”
Getting started with Django is quick and easy. By default Django comes configured for a local development environment, and while you can create elaborate web applications that work on your local machine, at some point you’ll want to get your web application production-ready.
Если вы не интересуетесь тонкостями работы Django REST Framework (DRF), просто перейдите к обучающей части, чтобы узнать, как за пять минут или меньше создать свой API. После этого вернитесь и ознакомьтесь с деталями того, как составлена каждая часть учебника по DRF и какие дополнительные возможности и функциональность вы можете получить от DRF.
Библиотека Pandas в Python является популярной библиотекой для очистки, манипулирования и интерпретации больших объемов данных. В одной из предыдущих статей мы рассмотрели основополагающую структуру Pandas - DataFrame. Если вы не знакомы с фреймами данных Pandas, посмотрите эту статью, чтобы понять основы.
В этом уроке мы будем изучать и создавать RESTful API с помощью Flask. Чтобы следовать этому руководству, вы уже должны хорошо знать Python, Flask и SQLAlchemy.
Dealing with HTML forms in a web application can be a complicated task: ideally, you’d have a standard way of rendering input fields and processing the inputted data. Django forms provide you with a framework that does just that. Django comes with some standard ways of rendering forms with inputs of various types.
Django is made up of a few core components that we touched on in the last Django tutorial: Django Models make up the structure and behavior of data in a Django project, Django Views process incoming requests and provide responses, and Django Templates are populated with data and then rendered to the browser from the view response.
Как разработчики и клиенты могут извлечь выгоду из того, что данные находятся в файловом формате, когда существует множество других вариантов? Почему бы не использовать простую HTML-страницу с AJAX-запросами и таблицами для отображения данных? В этой статье я покажу вам, почему использование языка Python для создания файлов является продуктивным способом их создания и наполнения данными.
Вебскраппинг - это один из инструментов, имеющихся в распоряжении разработчика при сборе данных из Интернета. Хотя использование данных через API стало обычным делом, большинство сайтов в Интернете не имеют API для предоставления данных потребителям.
Цель этой статьи - как можно быстрее начать использовать Django для создания веб-приложения и начать путь к готовому к производству приложению. В качестве демонстрации мы создадим простой блог для нашей компании под названием Foo.
В этой статье мы познакомимся с основами SQLAlchemy, создав управляемое данными веб-приложение с помощью Flask, фреймворка Python. Мы создадим минимальное приложение на Flask, которое будет следить за вашей коллекцией книг.
Веб-скрепинг - это один из инструментов, используемых разработчиками для сбора и анализа информации из Интернета.
"Data scientist" - одна из самых горячих вакансий в технологиях, а Python - лингва-франка науки о данных. Благодаря легкому в освоении синтаксису, открытой экосистеме и сильному сообществу Python стал одним из самых быстроразвивающихся языков в последние годы.
К моменту создания Django, более десяти лет назад, веб был менее сложным местом. Большинство веб-страниц были статичными. Веб-приложения в стиле Model/View/Controller, основанные на базе данных, были новой модной фишкой. Ajax едва начинал использоваться, и то лишь в узком контексте.
По данным исследования 2018 Python Developers Survey, Flask и Django, безусловно, являются самыми популярными веб-фреймворками для разработчиков на Python. Вы вряд ли ошибетесь с выбором любого из этих фреймворков, если решаете, какой из них использовать для нового веб-приложения.
Написанная на Python, Django - это самопровозглашенный веб-фреймворк для перфекционистов со сроками - и я вынужден согласиться. Django предоставляет так много возможностей из коробки и построен на Python - который имеет свой собственный репозиторий библиотек, PyPI - на который вы можете опереться. Легко понять, почему Django является лучшим веб-фреймворком Python на сегодняшний день и входит в шестерку лучших среди всех фреймворков для программирования.
Итак, что такое Pandas — практически говоря? Короче говоря, это основная библиотека анализа данных для Python. Для ученых, студентов и профессиональных разработчиков Pandas представляет собой главную причину любого обучения или взаимодействия с Python, в отличие от языка, ориентированного на статистику, такого как R, или проприетарного академического пакета, такого как SPSS или Matlab.