А не проще использовать pgAdmin для быстрой генерации ER-диаграмми при проектировании своей базы данных? Только вроде там нужна последняя версия Postgres от 17 и выше.
Здесь буквально изложена вся базовая теория пайтона за целый третий семестр, который у меня был в политехе. Так что, кому-то реально может пригодиться как мини-заметка перед сдачей аттестации/экзамена. Но могли бы, например, продолжить в следующих статьях углубление в пайтон до ООП и декораторов тоже в виде такого лёгкого, на мой взгляд, стиля объяснения как в этой статье.
Помню, что я всего лишь однажды использовал Flask лишь в одной лабораторке для обработки запросов GET и POST своего локального сервера во втором семестре. А так, по моим ощущениям, FastAPI больше уже подходит для более крупных и серьёзных проектов (лично я использую его для создания своей локальной модели).
Могу предположить, но видимо человек использовал библиотеку manim, которая предназначена для анимации формул и визуализации графиков/схем (на хабре вроде есть статья об этом)
но и для студентов благодаря возможности работать в Google Colab и Kaggle,
У меня вопрос, как студента в специализации Data Science. А можно ли провернуть такой же проект с созданием своей LLM (или даже VLM), но на Jupyter Notebook или Marimo? Просто мне нравится делать проект а-ля визуализация данных на юпайтере, но можно ли провернуть такое на реализацию своего аналога Gemini или ChatGPT?
Скажу, как студент по специальности Data Science - Jupyter Notebook это просто база и первый реальный опыт для визуализации данных и машинного обучения. Пользуюсь им на постоянной основе для своих проектов и лабораторных, поскольку для меня он по-своему удобен. Google Colab и Marimo всё же когда-нибудь да и заюзаю в перспективе, но Jupyter уже в моём сердечке, так скажем)
Если что, это не реклама Юпайтера (мне никто не платил даже). Просто как уверенному джуниору, и по дизайну, и по функционалу он прям вполне мне подходит.
А не проще использовать pgAdmin для быстрой генерации ER-диаграмми при проектировании своей базы данных? Только вроде там нужна последняя версия Postgres от 17 и выше.
Здесь буквально изложена вся базовая теория пайтона за целый третий семестр, который у меня был в политехе. Так что, кому-то реально может пригодиться как мини-заметка перед сдачей аттестации/экзамена. Но могли бы, например, продолжить в следующих статьях углубление в пайтон до ООП и декораторов тоже в виде такого лёгкого, на мой взгляд, стиля объяснения как в этой статье.
Помню, что я всего лишь однажды использовал Flask лишь в одной лабораторке для обработки запросов GET и POST своего локального сервера во втором семестре. А так, по моим ощущениям, FastAPI больше уже подходит для более крупных и серьёзных проектов (лично я использую его для создания своей локальной модели).
Могу предположить, но видимо человек использовал библиотеку manim, которая предназначена для анимации формул и визуализации графиков/схем (на хабре вроде есть статья об этом)
У меня вопрос, как студента в специализации Data Science. А можно ли провернуть такой же проект с созданием своей LLM (или даже VLM), но на Jupyter Notebook или Marimo? Просто мне нравится делать проект а-ля визуализация данных на юпайтере, но можно ли провернуть такое на реализацию своего аналога Gemini или ChatGPT?
Скажу, как студент по специальности Data Science - Jupyter Notebook это просто база и первый реальный опыт для визуализации данных и машинного обучения. Пользуюсь им на постоянной основе для своих проектов и лабораторных, поскольку для меня он по-своему удобен. Google Colab и Marimo всё же когда-нибудь да и заюзаю в перспективе, но Jupyter уже в моём сердечке, так скажем)
Если что, это не реклама Юпайтера (мне никто не платил даже). Просто как уверенному джуниору, и по дизайну, и по функционалу он прям вполне мне подходит.