GROK IT! Ответ на задачу о timestamp 🔔
❓Вчера опубликовали вопрос: Что выведет код?
» 1970-01-01 01:00:00
» 1900-01-01 01:00:00
» Текущую дату и время
» Error
✅ Ответ: 1970-01-01 01:00:00
💥 Объяснение:
При работе с датой и временем обязательно нужно знать концепцию timestamp (метка времени). Именно с timestamp работают почти все современные системы.
Timestamp - это целое число, которое соответствует некоторой дате и времени. Соответственно, от какого-то момента идет отсчет времени - и для этого "начала начал" метка времени должна равняться нулю.
Действительно, такой момент времени - 1970-01-01 01:00:00.
В нашем примере функция fromtimestamp из модуля datetime языка Python принимает на вход число 0. На выходе эта функция возвращает дату и время, которые соответствуют данному timestamp. 0 - это "начало начал", а соответственно, 1970-01-01 01:00:00.
Кстати говоря, все даты до 1970-01-01 01:00:00 тоже обозначаются целыми числами, но с отрицательным индексом.
Чтобы прокачать навыки работы с датой и временем в Python, читайте нашу статью здесь -> bit.ly/3uNDNZC
❗️Таким образом, правильный ответ - 1970-01-01 01:00:00
#grokit #python
❓Вчера опубликовали вопрос: Что выведет код?
from datetime import datetime
print(datetime.fromtimestamp(0))
» 1970-01-01 01:00:00
» 1900-01-01 01:00:00
» Текущую дату и время
» Error
✅ Ответ: 1970-01-01 01:00:00
💥 Объяснение:
При работе с датой и временем обязательно нужно знать концепцию timestamp (метка времени). Именно с timestamp работают почти все современные системы.
Timestamp - это целое число, которое соответствует некоторой дате и времени. Соответственно, от какого-то момента идет отсчет времени - и для этого "начала начал" метка времени должна равняться нулю.
Действительно, такой момент времени - 1970-01-01 01:00:00.
В нашем примере функция fromtimestamp из модуля datetime языка Python принимает на вход число 0. На выходе эта функция возвращает дату и время, которые соответствуют данному timestamp. 0 - это "начало начал", а соответственно, 1970-01-01 01:00:00.
Кстати говоря, все даты до 1970-01-01 01:00:00 тоже обозначаются целыми числами, но с отрицательным индексом.
Чтобы прокачать навыки работы с датой и временем в Python, читайте нашу статью здесь -> bit.ly/3uNDNZC
❗️Таким образом, правильный ответ - 1970-01-01 01:00:00
#grokit #python
Умеете работать с датой и временем в Python?
Anonymous Poll
14%
Конечно!
11%
Нет :с
50%
Немного, но надо бы получше
25%
Нет, зато в R умею!
📊 Гайдлайн по визуализациям в научных публикациях
Визуализация - не основная наша с Вами деятельность, но мы постоянно вынуждены с ней сталкиваться.
Однако, правильно подобрать вид графика, его цвет, форму и размер - очень важно. Иначе наши графики просто никто не поймет и работа останется неоцененной по достоинству.
Вместе с Настенька и графики мы подготовили для Вас полезный гайдлайн по основным правилам визуализации!
Разбираем наглядные примеры ошибок и как их быстро исправить 😉
#dataviz
Визуализация - не основная наша с Вами деятельность, но мы постоянно вынуждены с ней сталкиваться.
Однако, правильно подобрать вид графика, его цвет, форму и размер - очень важно. Иначе наши графики просто никто не поймет и работа останется неоцененной по достоинству.
Вместе с Настенька и графики мы подготовили для Вас полезный гайдлайн по основным правилам визуализации!
Разбираем наглядные примеры ошибок и как их быстро исправить 😉
#dataviz
Рубрика «Вопросы с собеседований» 💥
❓Какие есть метрики оценки качества классификации?
✅ Ответ:
# КАКИЕ БЫВАЮТ ОШИБКИ
Сначала давайте определимся, какие бывают ошибки. Когда Вы проводите классификацию, возможны 4 исхода:
1. True Positive (TP) - классификатор верно отнес объект к нужному классу. Например, бигль - собака.
2. True Negative (TN) - классификатор верно не отнес объект в определенному классу. Например, курица - не собака.
3. False Positive (FP) - классификатор ошибся и отнес объект к неверному классу. Например, курица - собака.
4. False Negative (FN) - классификатор ошибся и утверждает, что объект не относится к некоторому классу, хотя он на самом деле относится. Например, классификатор утверждает, что бигль - не собака.
Вооружившись этими терминами, перейдем к метрикам.
# МЕТРИКИ КЛАССИФИКАЦИИ
Вообще метрик придумано достаточно много (а также существуют их различные комбинации), но мы перечислим основные и самые популярные:
✓ Precision - сколько реальных объектов класса среди всех тех, что классификатор отнес к этому классу.
✓ Recall - какую долю из общих объектов класса составляют найденные объекты.
✓ Accuracy - делим число правильных ответов на общее число ответов классификатора.
✓ Specificity - насколько правильно классификатор не относит объекты к классу.
✓ Fall-out, FPR - насколько часто классификатор относит объекты в неверный класс.
✓ F1 Score - среднее гармоническое значение между precision и recall.
💥 Чтобы подробны изучить каждую из метрик (с формулами и примерами), читайте нашу статью 👉🏻 bit.ly/30QHC2r
#interview_problems #datascience
❓Какие есть метрики оценки качества классификации?
✅ Ответ:
# КАКИЕ БЫВАЮТ ОШИБКИ
Сначала давайте определимся, какие бывают ошибки. Когда Вы проводите классификацию, возможны 4 исхода:
1. True Positive (TP) - классификатор верно отнес объект к нужному классу. Например, бигль - собака.
2. True Negative (TN) - классификатор верно не отнес объект в определенному классу. Например, курица - не собака.
3. False Positive (FP) - классификатор ошибся и отнес объект к неверному классу. Например, курица - собака.
4. False Negative (FN) - классификатор ошибся и утверждает, что объект не относится к некоторому классу, хотя он на самом деле относится. Например, классификатор утверждает, что бигль - не собака.
Вооружившись этими терминами, перейдем к метрикам.
# МЕТРИКИ КЛАССИФИКАЦИИ
Вообще метрик придумано достаточно много (а также существуют их различные комбинации), но мы перечислим основные и самые популярные:
✓ Precision - сколько реальных объектов класса среди всех тех, что классификатор отнес к этому классу.
✓ Recall - какую долю из общих объектов класса составляют найденные объекты.
✓ Accuracy - делим число правильных ответов на общее число ответов классификатора.
✓ Specificity - насколько правильно классификатор не относит объекты к классу.
✓ Fall-out, FPR - насколько часто классификатор относит объекты в неверный класс.
✓ F1 Score - среднее гармоническое значение между precision и recall.
💥 Чтобы подробны изучить каждую из метрик (с формулами и примерами), читайте нашу статью 👉🏻 bit.ly/30QHC2r
#interview_problems #datascience
GROK IT! Ответ на задачу об операторах SQL 🔔
❓Вчера опубликовали вопрос: У какого оператора более высокий приоритет в SQL: NOT или !?
» !
» NOT
» Одинаковый
✅ Ответ: Оператор !
💥 Объяснение:
У каждого оператора в SQL (да и в любом другом языке) есть определённый приоритет: это позволяет выполнять операции не случайным образом, а в строгом порядке. Например:
» 2*4+1 и 2*(4+1) - разные вещи.
Так и в нашем случае - оператор ! имеет более высокий приоритет по сравнению с NOT. Вот полная таблица приоритетов на примере MySQL (для остальных СУБД ситуация схожая):
INTERVAL
BINARY, COLLATE
!
- (unary minus), ~ (unary bit inversion)
^
*, /, DIV, %, MOD
-, +
«, »
&
|
= (comparison), <=>, >=, >, <=, <, <>, !=, IS, LIKE, REGEXP, IN, MEMBER OF
BETWEEN, CASE, WHEN, THEN, ELSE
NOT
AND, &&
XOR
OR, ||
= (assignment), :=
❗️Таким образом, правильный ответ - Оператор !
#grokit #sql
❓Вчера опубликовали вопрос: У какого оператора более высокий приоритет в SQL: NOT или !?
» !
» NOT
» Одинаковый
✅ Ответ: Оператор !
💥 Объяснение:
У каждого оператора в SQL (да и в любом другом языке) есть определённый приоритет: это позволяет выполнять операции не случайным образом, а в строгом порядке. Например:
» 2*4+1 и 2*(4+1) - разные вещи.
Так и в нашем случае - оператор ! имеет более высокий приоритет по сравнению с NOT. Вот полная таблица приоритетов на примере MySQL (для остальных СУБД ситуация схожая):
INTERVAL
BINARY, COLLATE
!
- (unary minus), ~ (unary bit inversion)
^
*, /, DIV, %, MOD
-, +
«, »
&
|
= (comparison), <=>, >=, >, <=, <, <>, !=, IS, LIKE, REGEXP, IN, MEMBER OF
BETWEEN, CASE, WHEN, THEN, ELSE
NOT
AND, &&
XOR
OR, ||
= (assignment), :=
❗️Таким образом, правильный ответ - Оператор !
#grokit #sql
👨🎓 НА ЧЕМ СОСРЕДОТОЧИТЬСЯ ПЕРЕД ПОДГОТОВКОЙ К ПЕРВОМУ ТРУДОУСТРОЙСТВУ В IT?
На портале WOWprofi мы ответим на этот вопрос! Рассмотрим все этапы и шаги на примере вакансии BI - аналитика:
- определим основной и дополнительный стек навыков
- опишем действия кандидата в ответ на вакансию
- как правильно работать с требованиями работодателей
- как подготовиться к собеседованию
Приятного чтения 😊
На портале WOWprofi мы ответим на этот вопрос! Рассмотрим все этапы и шаги на примере вакансии BI - аналитика:
- определим основной и дополнительный стек навыков
- опишем действия кандидата в ответ на вакансию
- как правильно работать с требованиями работодателей
- как подготовиться к собеседованию
Приятного чтения 😊
Дайджест вакансий за 15.03.2021 - 22.03.2021 🕵️♂️
✉️ Присылайте свои резюме на почту hr@itresume.ru
✅Младший аналитик/младший разработчик
Зарплата: от 50 000 руб.
Компания: GlowByte
Занятость: Неполный рабочий день, удаленно
Опыт: Junior
Ключевые навыки: Python, SQL, Базы данных, Oracle, ООП · Business intelligence, Описание бизнес-процессов, Dwh
Ссылка на вакансию: https://vk.cc/bZYqRK
✅Data scientist (ML)
Зарплата: от 70 000 до 110 000 руб.
Компания: deeplay
Занятость: Полный день, удаленно
Опыт: Junior
Ключевые навыки: Python (pandas, sklearn, matplotlib,xgboost/catboost/ lgbm), Алгоритмы машинного обучения, PyTorch, ClickHouse, Docker, Теор. вероятностей, Линейная алгебра, Визуализация данных
Дополнительные навыки: GitHub, Kaggle, ML на графах, Tensorflow
Ссылка на вакансию: https://vk.cc/bZYrFb
✅Analyst
Зарплата: от 1300 до 2200 €
Компания: BETBY
Занятость: Полная занятость, полный день, удаленно
Опыт: Junior
Ключевые навыки: SQL; Python или R (базовый уровень); Библиотеĸи Pandas, Plotly; Статистиĸа; Теория вероятностей
Дополнительные навыки: Exasol, Clickhouse и BigQuery; Apache Spark; Apache Airflow; Git/Docker; ML
Ссылка на вакансию: https://vk.cc/bZYu5y
✅Разработчик Java и SQL
Зарплата: от 60 000 до 100 000 руб.
Компания: Idea Platform
Занятость: Полная занятость, удаленная работа
Опыт: Junior
Ключевые навыки: Разработка ПО, ООП (Java /C++ / C\#), SQL
Дополнительные навыки: Основы проектирования БД, EAM и BPM системы (1С, SAP, ELMA, Activiti, Camunda и др.), Знание одной из нотаций описания и моделирования бизнес-процессов: ВPMN, IDEF, eEPC, Rummler-Brach.
Ссылка на вакансию: https://vk.cc/bZYx94
✅Strong Junior/Middle Python Developer
Зарплата: от 80 000 руб.
Компания: Plarin
Занятость: Полная занятость, удаленная работа
Опыт: от 2 лет
Ключевые навыки: Python 3, FastAPI или asyncio, pytest, Docker, MongoDB, Linux, Понимание базовых структур данных, алгоритмов, обычных шаблонов проектирования, используемых в Python; Atlassian; Git, GitLab; Agile/Scrum
Дополнительные навыки: API социальных сетей и сервисов статистики; опыт работы с Amazon Web Services.
Ссылка на вакансию: https://vk.cc/bZYw5K
✅Разработчик-алгоритмист Python, C++
Зарплата: от 100 000 до 150 000 руб.
Компания: Российский квантовый центр
Занятость: Полная занятость, удаленная работа
Опыт: от 3 лет
Ключевые навыки: Python (numpy, scipy, pandas, scikit-learn) или C++, Знание алгоритмов и структур данных (графы, динамическое программирование, рекурсия и пр.), Линейная алгебра, Математическая статистика, Теория вероятностей
Дополнительные навыки: Машинное обучение (Tensorflow, Pytorch), Опыт разработки на GPU, понимание архитектуры CUDA и / или OpenCL
Ссылка на вакансию: https://vk.cc/bZYvm5
✅Data engineer (Big data)
Компания: Билайн
Занятость: Полная занятость, удаленная работа
Опыт: Middle
Ключевые навыки: Тестирование, Linux, Базы данных, SQL, Scala, Spark, Apache Airflow, Hadoop, Kafka, Python (pyspark),
Ссылка на вакансию: https://vk.cc/bZYuDO
#vacancy
✉️ Присылайте свои резюме на почту hr@itresume.ru
✅Младший аналитик/младший разработчик
Зарплата: от 50 000 руб.
Компания: GlowByte
Занятость: Неполный рабочий день, удаленно
Опыт: Junior
Ключевые навыки: Python, SQL, Базы данных, Oracle, ООП · Business intelligence, Описание бизнес-процессов, Dwh
Ссылка на вакансию: https://vk.cc/bZYqRK
✅Data scientist (ML)
Зарплата: от 70 000 до 110 000 руб.
Компания: deeplay
Занятость: Полный день, удаленно
Опыт: Junior
Ключевые навыки: Python (pandas, sklearn, matplotlib,xgboost/catboost/ lgbm), Алгоритмы машинного обучения, PyTorch, ClickHouse, Docker, Теор. вероятностей, Линейная алгебра, Визуализация данных
Дополнительные навыки: GitHub, Kaggle, ML на графах, Tensorflow
Ссылка на вакансию: https://vk.cc/bZYrFb
✅Analyst
Зарплата: от 1300 до 2200 €
Компания: BETBY
Занятость: Полная занятость, полный день, удаленно
Опыт: Junior
Ключевые навыки: SQL; Python или R (базовый уровень); Библиотеĸи Pandas, Plotly; Статистиĸа; Теория вероятностей
Дополнительные навыки: Exasol, Clickhouse и BigQuery; Apache Spark; Apache Airflow; Git/Docker; ML
Ссылка на вакансию: https://vk.cc/bZYu5y
✅Разработчик Java и SQL
Зарплата: от 60 000 до 100 000 руб.
Компания: Idea Platform
Занятость: Полная занятость, удаленная работа
Опыт: Junior
Ключевые навыки: Разработка ПО, ООП (Java /C++ / C\#), SQL
Дополнительные навыки: Основы проектирования БД, EAM и BPM системы (1С, SAP, ELMA, Activiti, Camunda и др.), Знание одной из нотаций описания и моделирования бизнес-процессов: ВPMN, IDEF, eEPC, Rummler-Brach.
Ссылка на вакансию: https://vk.cc/bZYx94
✅Strong Junior/Middle Python Developer
Зарплата: от 80 000 руб.
Компания: Plarin
Занятость: Полная занятость, удаленная работа
Опыт: от 2 лет
Ключевые навыки: Python 3, FastAPI или asyncio, pytest, Docker, MongoDB, Linux, Понимание базовых структур данных, алгоритмов, обычных шаблонов проектирования, используемых в Python; Atlassian; Git, GitLab; Agile/Scrum
Дополнительные навыки: API социальных сетей и сервисов статистики; опыт работы с Amazon Web Services.
Ссылка на вакансию: https://vk.cc/bZYw5K
✅Разработчик-алгоритмист Python, C++
Зарплата: от 100 000 до 150 000 руб.
Компания: Российский квантовый центр
Занятость: Полная занятость, удаленная работа
Опыт: от 3 лет
Ключевые навыки: Python (numpy, scipy, pandas, scikit-learn) или C++, Знание алгоритмов и структур данных (графы, динамическое программирование, рекурсия и пр.), Линейная алгебра, Математическая статистика, Теория вероятностей
Дополнительные навыки: Машинное обучение (Tensorflow, Pytorch), Опыт разработки на GPU, понимание архитектуры CUDA и / или OpenCL
Ссылка на вакансию: https://vk.cc/bZYvm5
✅Data engineer (Big data)
Компания: Билайн
Занятость: Полная занятость, удаленная работа
Опыт: Middle
Ключевые навыки: Тестирование, Linux, Базы данных, SQL, Scala, Spark, Apache Airflow, Hadoop, Kafka, Python (pyspark),
Ссылка на вакансию: https://vk.cc/bZYuDO
#vacancy