#pandas — Public Fediverse posts

💁🏻‍♀️ TIL: 🏔️❄️ Roughly the size of #HongKong, #Sagarmatha National Park in north-east #Nepal contains Mount #Everest, the highest #mountain on #Earth.

Established in 1976 and declared a #UNESCO World Heritage Site in 1979, the #park spans 1,148 square km of #glaciers, river #valleys, and #forests. It hosts 28 #mammal species and over 150 #birds, including snow #leopards, red #pandas, Himalayan #tahr, and bar-headed #geese.

👉 https://www.discoverwildlife.com/animal-facts/sagarmatha-national-park

#himalayas #everest #unesco #snowleopard #redpanda #wildlife #conservation #mountains #biodiversity #nature #geography

Python для начинающих дата-аналитиков: как настроить виртуальное окружение?

Привет! Меня зовут Женя и я работаю аналитиком данных. В этой статье я бы хотел рассказать начинающим аналитикам о том, как правильно настроить окружение для работы с Python. Когда я только начинал заниматься анализом данных, концепция питоновского виртуального окружения вводила меня в ступор, и здесь я постараюсь показать, что в ней нет ничего сложного.

https://habr.com/ru/articles/889670/

#venv #pip #data_analysis #uv #pandas #jupyter_notebook #python

Как простые NLP модели видят слова? | NLP | Пишем свой TF-IDF

Когда начинаешь погружаться в сферу NLP , сразу задумываешься, как модели представляют себе наш текст/наши слова? Ведь не логично бы звучало, если модель обрабатывала наши слова, как обычную последовательность букв. Это было бы не удобно и не понятно (как проводить операции со словами?) . Есть разные методы преобразования слов. Один из самых известных для не самых сложных моделей: TF-IDF .

https://habr.com/ru/articles/836706/

#nlp #ai #machinelearning #deeplearning #python #tfidfvectorizer #numpy #pandas #math #jupyter_notebook