Відео

Подпишитесь на канал: t.me/maxwell_coding

Это низкоуровневый css. Больше возможностей

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

Да да, я тоже заметил эту ошибку)

А у тебя ошибка в слове "Грокаем" - все мы допускаем ошибки.

не ошибка а опечатка. и еще, если по-настоящему вникаешь в книгу а не просто переписываешь код, то даже с такими опечатками все и так понятно

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

СПасибо!!!

У меня есть чат гпт и он мне написал такую программу интересно есть тут ошибки , verbose=1) history = model.fit(X_train, y_train, epochs=epochs, batch_size=batch_size, validation_data=(X_val, y_val), callbacks=[early_stopping], verbose=1) history_list.append(history) return history_list def plot_training_history(history_list): plt.figure(figsize=(12, 6)) for history in history_list: plt.plot(history.history['loss'], label='train loss') plt.plot(history.history['val_loss'], label='val loss') plt.title('Training and Validation Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend() plt.show() def predict_with_model(model, X): return model.predict(X) def save_model(model, filename): model.save(filename) def load_model(filename): from keras.models import load_model return load_model(filename) def automated_training_and_prediction(X, y, n_splits=5, epochs=100, batch_size=32, model_filename='best_model.h5'): # Предобработка данных X_scaled, scaler = preprocess_data(X) # Обучение модели history_list = train_model_with_cv(X_scaled, y, n_splits=n_splits, epochs=epochs, batch_size=batch_size) # Сохранение модели best_model = create_model(X_scaled.shape[1]) best_model.fit(X_scaled, y, epochs=epochs, batch_size=batch_size) save_model(best_model, model_filename) # Визуализация истории обучения plot_training_history(history_list) # Прогнозирование на новых данных predictions = predict_with_model(best_model, X_scaled) return predictions, scaler # Пример использования # Загружаем данные # X, y = load_your_data_function() # predictions, scaler = automated_training_and_prediction(X, y) ``` ## Описание добавленных функций 1. **`automated_training_and_prediction`**: - Эта функция обрабатывает весь процесс: от предобработки данных до обучения, визуализации результатов и прогнозирования. - Она принимает на вход данные \(X\) и \(y\), количество разбиений для кросс-валидации, количество эпох, размер пакета и имя файла для сохранения модели. - Возвращает прогнозы и используемый скейлер для дальнейших преобразований. 2. **Функции для работы с моделью**: - **`save_model`** и **`load_model`**: Эти функции помогают сохранять и загружать модели, что обеспечивает удобное использование модели в будущем. 3. **Визуализация**: - **`plot_training_history`**: Визуализируют процесс обучения и валидации, чтобы можно было отследить, как меняется функция потерь. ### Примеры использования Предположим, что у вас уже есть функция для загрузки данных, такая как **`load_your_data_function`**. Используйте её, чтобы получить данные и затем вызвать функцию автомата: ```python # Загружаем данные X, y = load_your_data_function() # Выполняем автоматическую тренировку и предсказание predictions, scaler = automated_training_and_prediction(X, y) ``` Таким образом, вы создаете систему, которая может автоматизировать процесс обучения модели, в том числе предобработку данных, сохранение лучшей модели и получение прогноза.

Подпишитесь на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

К сожалению, заказчики при разговоре о рефакторинге слышат примерно следующее: "Мы вам плохо написали код, теперь поняли это и хотим переписать его за ваши деньги" или "Предыдущая команда плохая, мы хотим переписать за ваши деньги её код и это решит все ваши проблемы" и обычно во втором варианте появляется вопрос, мол "так ничего же не поменялось, за что мы деньги заплатили?". Бизнес любит старую поговорку "работает, не трогай". Лучше проводить рефакторинг постепенно. "Косметический" рефакторинг можно проводить, работая над за задачами, а вот проблемные участки кода, лучше выносить в отдельные задачи полностью перерабатывая их, попутно описывая возможные проблемы в каждом конкретном случае. Это ИМХО основанное на личном опыте, так что не принимайте мои слова слишком серьезно.

Вот тут рефакторю проект: boosty.to/maxwellcoding Подписывайся на Telegram канал: t.me/maxwell_coding

Так в обоих случаях ошибка. Там надо нацело делить, потому что float не будет приниматься как индекс

Самовызываемая функция subtitles😁

Кнута потому что надо читать

Четко, по делу, без фанатизма. Сам перешёл на TS уже когда писал плюс-минус похожее на адекватный бэк с DI, чистой архитектурой и так далее по списку… Сначала очень сильно не приживался, так как сигнатуры проектов знаю и не понимал зачем нужен, но когда начал писать собственный проект, то решил сразу начать с TS и это рил помогает голове освободить место под решение задач Всё ещё буду топить за то, что сначала надо начинать с ванилы и только потом переходить на TS. Лучше сначала понять как работает язык, а уже потом наворачивать над ним уровни. Мне кажется, объяснить статику после динамики легче, чем наоборот. Плюс от валидации внешних данных TS не избавит

У меня фамилия почти как у тебя бро)

Вау, прям мой кейс, интересно было бы увидеть, как на рабочем проекте без ущерба разработоке обновлять компоненты на тайпскрипт, в плане когда одновременно и jsx и tsx компоненты рядом сосуществуют

Полезно

Подписывайся на канал: t.me/maxwell_coding

Подпишитесь на канал: t.me/maxwell_coding

Вот тут рефакторю проект: boosty.to/maxwellcoding Подписывайся на Telegram канал: t.me/maxwell_coding

Благодарю

Подпишитесь на канал: t.me/maxwell_coding

Тоже когда начал читать обнаружил ошибки. После чего решил не продолжать копания в этом мусоре

tsx 😂

Как по мне лучше разделять фронтенд и бэкэнд

это можно закинуть в scss с помощью apply для красивого кода

Спасибо ❤

Тот самый img с одной строкой

Вот тут рефакторю проект: boosty.to/maxwellcoding Подписывайся на Telegram канал: t.me/maxwell_coding

Можешь сказать название темы?

Подпишись на канал: t.me/maxwell_coding

Подпишись на канал: t.me/maxwell_coding

Видео очень полезное, жду следующее видео👾

Code: github.com/Mavludin/react-blog/pull/5

Подпишись на канал: t.me/maxwell_coding

Подпишись на канал: t.me/maxwell_coding

такой уровень мне еще не понятен) мечтаю дорасти до такого крутого спеца как ты)

жаль подсказок нету

ииу взлетаем

Full video: ua-cam.com/video/CCHeOKHd_QM/v-deo.html

не ошибка это, а опечатка, и она не одна там, если головой думаешь, когда читаешь, то сразу это становится понятным