99% людей живут как унылые овощи. Почему?

а) Вы можете уволиться сию секунду, познакомиться с любой девушкой или парнем, поменять город или страну без раздумий.

б) Вы легко зарабатываете деньги, но они вас не волнуют; вас не волнует власть, популярность, вас нельзя купить и невозможно обмануть.

в) Вы контролируете тело, чувства, мысли и эмоции, вы можете просидеть взаперти без гаджетов и бигмаков 3 месяца и не сойти с ума.

г) Вы НИКОГДА не страдаете, способны полюбить и разлюбить кого угодно просто по желанию.

Каждый пункт — естественное состояние человека... Которое у вас ОТНЯЛИ.

Верните Реальную Свободу — прямо сейчас подпишитесь на канал https://news.1rj.ru/str/freeman365

Начните с ядерного очищения информационного пространства с этим постом.

Этот отбитый парень пробует на себе ВСЁ, что вы читали в якобы «духовной» литературе, а потом просто закинули на полку.

Весь бред про «блаженное блаженство», «утренние медитации», «эффективность, продуктивность» и прочую «асознаность» он переводит на конкретный практический язык: https://news.1rj.ru/str/freeman365

​Анализ и визуализация данных в финансах — анализ ETF с использованием Python

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

Статья

​Пишем свой блокчейн

понять блокчейн непросто - по крайней мере, не для меня. Я пробирался через тупые видео, следовал руководствам и разочаровывался из-за слишком малого количества примеров.

Статья

​Крутые GitHub репозитории в области машинного обучения

GitHub - это прекрасное место для того чтобы узнать что-то новое, найти что-то полезное для нынешних и вдохновиться для будущих проектов. Этот список крутых проектов является всего лишь маленькой частью того разнообразия интересных репозиториев в области ML, которые можно найти на гитхабе.

✅ XLearn
Python - это язык, на котором пишут большинство в области машинного обучения и data science. И это прекрасный язык - простой, читабельный, со своим собственным стандартом PEP8. Но у этого языка есть существенный недостаток - его скорость. Поэтому, если вам нужно, чтобы ваш ML проект был быстрым и, в тоже время, был написан на питоне, то библиотека XLearn создана специально для вас. Она имеет под копотом C++ и, как утверждают разработчики, может увеличить скорость работы кода в 5-13 раз по сравнению с аналогичными питоновскими ML библиотеками.

✅ Prophet
Это довольно известная утилита, созданная фейсбуком для автоматического предсказания временных рядов. Самое интересное, это то, что Prophet может легко работать с пропусками в данных. Также - это open-source проект, с поддержкой IT-гиганта, что дает некоторую свободу для творчества.

✅ Seqlearn
Еще одна библиотека для работы с рядами. Seqlearn прост в использовании - он написан на основе Numpy и Scikit-Learn.

Создание змейки на python.
Статья с разбором.
Полный код игры змейка на Python на GitHub

​Проверка сложности паролей на Python

Пользователи очень любят простые пароли. Причины этого могут быть разные - кто-то просто не задумывается о сложности пароля, кому-то лень запоминать, а кому-то просто нравится когда в качестве пароля используется распространенное, но крутое слово.
Статья

​​Выполняем глубокое обучение быстро при помощи Fast AI

Нейронные сети повсеместно используются для выполнения самых разных задач, можно даже сказать, что это самый настоящий «универсальный солдат». Однако, может показаться, что начать работать с нейросетями довольно сложно, несмотря на наличие огромного количества информации в источниках, существование готовых фреймворков, например, tensorflow, pytorch и других.

Статья

​Препарирование нейронок, или TSNE и кластеризация на терабайтах данных

У вас продакшн нейронные сети, терабайты данных? Вам хочется понять, как работает нейронная сеть, но на таком объеме это сложно сделать? Сложно, но можно. Мы в NtechLab находимся именно в той ситуации, когда данных так много, что привычные инструменты интроспекции нейронных сетей становятся не информативны или вовсе не запускаются. У нас нет привычной разметки для обучения атрибутов. Но нам удалось вытащить из нейронной сети достаточно, чтобы классифицировать все имеющиеся данные на понятные человеку и учтенные нейронной сетью атрибуты. В этом посте мы расскажем, как это сделать.

​🤿🐍Дайвинг в Python: история одного опыта.

« Недавно я приступила к изучению одного из самых распространённых, а, согласно некоторым источникам, и самого популярного на 2021-й год языка программирования — Python. В данной статье мне бы хотелось рассказать о своем пути в его изучении. Ввиду того, что «я не волшебник, я только учусь» (дисклеймер – я могу ошибаться), данная статья – лишь субъективное видение ситуации на данный момент. »

статья

​📊Реализация кластеризации методом k-средних на Python (с визуализацией)

🤔Что значтит метод К-ближайших соседей.

Кластеризация — разбиение множества объектов на подмножества, называемые кластерами. Кластеризация, будучи математическим алгоритм имеет широкое во многих сферах: начиная с таких естественно научных областей как биология и физиология, и заканчивая маркетингом в социальных сетях и поисковой оптимизацией.
Статья