Хочешь уверенно проходить IT-интервью?
Мы понимаем, как сложно подготовиться: стресс, алгоритмы, вопросы, от которых голова идёт кругом. Но с AI тренажёром всё гораздо проще.
💡 Почему Т1 тренажёр — это мастхэв?
- Получишь настоящую обратную связь: где затык, что подтянуть и как стать лучше
- Научишься не только решать задачи, но и объяснять своё решение так, чтобы интервьюер сказал: "Вау!".
- Освоишь все этапы собеседования, от вопросов по алгоритмам до диалога о твоих целях.
Зачем листать миллион туториалов? Просто зайди в Т1 тренажёр, потренируйся и уверенно удиви интервьюеров. Мы не обещаем лёгкой прогулки, но обещаем, что будешь готов!
Реклама. ООО «Смарт Гико», ИНН 7743264341. Erid 2VtzqwP8vqy
Перед любым новичком встает проблема выбора первого языка программирования. В этой статье я постараюсь заинтересовать вас в изучении Python. Рассмотрим три главных его преимущества: простоту синтаксиса и низкий порог входа, широчайшую сферу применения и огромное количество готовых модулей, который вы сможете использовать в собственных проектах.
1. Простота и легкий вход
Никто не выбирает китайский для изучения первого иностранного языка, хотя есть и исключения. Так же и в программировании. Незачем мучить себя сложными конструкциями, вас это может отпугнуть от профессии и вы потеряете к ней интерес.
Язык Python достаточно прост для изучения базовых подходов и конструкций – он даст вам почувствовать удовольствие от программирования.
2. Широкая сфера применения
Это выбор. Выбор области, которая вам интересна. На Python решаются задачи практически в любой области, от системного администрирования до науки о данных и машинного обучения. Выбрав этот язык программирования, вы не загоните себя в рамки одной отрасли. Можете выбрать что вам по душе и развиваться, решая задачи в Data Science, веб-разработке или даже попробовать силы в создании игр.
3. Большое количество модулей
Зачем изобретать велосипед с треугольными колесами, когда за время существования Python сообщество написало огромное количество модулей?
Количество модулей в свободном доступе огромно. Я пока не встречал задачу, для решения которой не было бы уже написанного модуля.
Из последнего: недавно я нашел модуль для управления квадрокоптером и прикрутил его к своему проекту.
Надеюсь, я вас заинтересовал, но это еще не все. Предлагаю рассмотреть два практических примера, которые можно реализовать на Python, изучив базовые конструкции языка.
Backend (Python + Flask)
Код проекта:
from flask import Flask
import datetime
app = Flask(__name__)
@app.route("/")
def index():
x = datetime.datetime.now()
return str(x)
if __name__ == "__main__":
app.run(host='0.0.0.0', port=8080)
Менее десяти строк кода, и у нас на локальном хосте работает такой сервер. Можем добавить немного кода и написать еще один route().
from flask import Flask
import datetime
app = Flask(__name__)
@app.route("/")
def index():
x = datetime.datetime.now()
return str(x)
@app.route("/test")
def intestdex():
return "Hello from Flask :)"
if __name__ == "__main__":
app.run(host='0.0.0.0', port=8080)
Теперь, если мы обратимся к localhost:8080/test, наш сервер вернет строку: “Hello from Flask”.
Круто! Дальше все ограничено только вашей фантазией и можно много чего добавить: прикрутить базу данных, сделать авторизацию, работать с шаблонизатором и html.
NLP – Natural Language Processing
Код проекта:
import string
import nltk
import time
from nltk import word_tokenize
from nltk.probability import FreqDist
from nltk.corpus import stopwords
from wordcloud import WordCloud
from pylab import figure, axes, pie, title, show
import matplotlib.pyplot as plt
f = open("pushkin-metel.txt", "r", encoding="utf-8")
# очистка
text = f.read()
text = text.lower()
spec_chars = string.punctuation + "\n\xa0«»\t--..."
def remove_chars_from_text(text, chars):
return "".join([ch for ch in text if ch not in chars])
text = remove_chars_from_text(text, spec_chars) #уд. спецсимволов
text = remove_chars_from_text(text, string.digits) #уд. цифры
# создаем токены
nltk.download("punkt") #подключаем punkt
text_tokens = word_tokenize(text) #получаем токены
# очистка, стоп слова
nltk.download("stopwords")
russian_stopwords = stopwords.words("russian")
text_tokens = [token.strip() for token in text_tokens if token not in russian_stopwords] #токены списком без стоп слов
text = nltk.Text(text_tokens) # меняем тип для работы с методами nltk
fdist = FreqDist(text)
print(fdist.most_common(5)) # топ 5 по частотности слов
Проект посложнее, но если посидеть с чашечкой кофе, можно разобраться. За 5 секунд наш код проанализировал все произведение “Метель”, посчитал частоту кода и выдал топ-5 наиболее часто встречающихся слов. Файл pushkin-metel.txt можно скачать по ссылке.
На этом все. Надеюсь, что заинтересовал вас в изучении Python, удачи в проектах и до встречи в следующих статьях.
Комментарии