Python è determinante in così tanti flussi di lavoro di data science e machine learning che a volte può semplicemente integrarsi nel nostro ritmo quotidiano; dopo tutto, quanto spesso pensi all’interruttore della luce del tuo ufficio o alla maniglia della porta? Anche tu li usi sempre.
Per la nostra prima edizione Variable incentrata su Python del 2024, abbiamo deciso di concentrarci su alcuni dei casi d’uso più interessanti e fuori dai sentieri battuti che abbiamo pubblicato di recente. Adoriamo un buon tutorial su Panda o Matplotlib, e lo stesso vale per molti dei nostri lettori, ma a volte è divertente prendersi una pausa dagli argomenti banali e tuffarsi in cose più fantasiose. Questa settimana concediamoci un po’ di relax! Ci auguriamo che ti piacciano le nove letture Python che abbiamo selezionato, che coprono una straordinaria gamma di progetti e sfide.
- Guardare le tempeste dallo spazio: uno script Python per creare una vista straordinaria
Lavorare con i dati geospaziali comporta una serie di sfide; Mahyar Aboutalebi, Ph.D.L’ultima guida di spiega il processo di creazione di uno script Python che ti consente di raccogliere immagini satellitari e trasformarle in potenti animazioni di tempeste. - Il decoratore più potente di Python
Nel caso te lo fossi perso, Siavash YasiniL’introduzione dettagliata di @property decorator di Python è uno dei nostri articoli di programmazione più letti nelle ultime settimane. Copre diversi modi utili per sfruttare la sua potenza: dalla protezione degli attributi dei dati dalla sovrascrittura al caricamento lento e all’ottimizzazione della memoria. - Modellare l’immaginazione: utilizzare l’intelligenza artificiale per creare nuovi oggetti stampabili in 3D
Dopo testo, immagini, musica e video, gli oggetti 3D potrebbero diventare la prossima frontiera dell’intelligenza artificiale generativa? Robert A. Gonsalves condivide i risultati dei suoi recenti esperimenti, che dipendono da Midjourney per la generazione di immagini e dal buon vecchio codice Python per tradurle in oggetti tangibili. - Incorporamenti di testo: guida completa
Se sei nuovo nel mondo degli incorporamenti di testo, Maria MansurovaIl primer di è un ottimo punto di partenza: è (molto) approfondito E accessibile e le sezioni pratiche includono tutti gli snippet Python di cui avrai bisogno per iniziare ad armeggiare da solo. - Comprensione delle giunzioni (catene, forcelle e collisori) e del ruolo che svolgono nell’inferenza causale
Nel suo recente approfondimento sui DAG (grafici aciclici diretti), Graham Harrison si concentra sui tipi di giunzione e sulla loro importanza nelle attività di inferenza causale. Lungo il percorso, dimostra anche come generare set di dati, eseguire la regressione dei minimi quadrati ordinari (OLS) e altro ancora, il tutto con, avete indovinato, Python.
Fonte: towardsdatascience.com
