[Перевод] Python и множества: генераторы, которые делают код чище

Команда Python for Devs подготовила перевод статьи о генераторах множеств в Python. С их помощью можно создавать, преобразовывать и фильтровать множества одной строкой кода. Разбираем примеры, практические приёмы и ошибки, которых стоит избегать.

https://habr.com/ru/articles/943720/

#Python #множества #структуры_данных #оптимизация #генераторы

[Перевод] Быстрый Django: всё, что нужно знать о производительности

Команда Python for Devs подготовила перевод статьи о том, как сделать Django-сайты быстрее. Автор разбирает два пути — «делать больше» (масштабирование инфраструктуры) и «делать меньше» (уменьшение задержек через оптимизацию кода и запросов). В статье — практические примеры, баг N+1, кэширование и инструменты вроде Django Debug Toolbar, Locust и APM.

https://habr.com/ru/articles/942296/

#Django #производительность #масштабирование #оптимизация #n+1 #кэширование #latency #нагрузочное_тестирование

Оптимизация Unity-сцены: от Profiler до Object Pooling. Убираем лаги шаг за шагом

Твоя игра на Unity тормозит? В этой статье гайд о том, как поднять FPS с 30 до 60+. Мы вместе разберем Profiler, GC, Object Pooling и другие "болевые точки".

https://habr.com/ru/articles/942754/

#оптимизация #производительность #unity #c# #fps #profiler #garbage_collector #draw_calls #просто_о_сложном

Как улучшить сходимость в физически-информированных нейронных сетях

Physics-Informed Machine Learning — одно из перспективных направлений в ML. Здесь ключевую роль играют физически-информированные нейронные сети (Physics-Informed Neural Networks , PINNs). Однако процесс их обучения сопряжён с рядом трудностей. В этой статье кратко обсудим, как можно решить эти проблемы и повысить эффективность обучения PINNs.

https://habr.com/ru/articles/942172/

#нейронные_сети #машинное_обучение #искусственный_интеллект #physicsinformed_machine_learning #оптимизация #сходимость_обучения #лайфхаки #сэмплирование #физическиинформированные_сети

Комбинаторная теория переобучения повысила информативность трассерных исследований в нефтегазовых месторождениях

Коллектив российских ученых исследовал применение методов машинного обучения для проектирования трассерных исследований. Целью было повышение достоверности результатов по выявлению гидродинамической связи в пласте между нагнетательными и добывающими скважинами в низкопроницаемых коллекторах с самопроизвольным развитием трещин гидроразрыва пласта (автоГРП) в нагнетательных скважинах. Работа была опубликована в российском журнале «Искусственный интеллект и принятие решений» и была выполнена совместно учеными и исследователями из МФТИ (г. Москва), ООО «РН-БашНИПИнефть» (г. Уфа) и ООО «РН-Юганскнефтегаз» (г. Нефтеюганск).

https://habr.com/ru/articles/941820/

#Комбинаторная_теория_обучения #Трассерные_исследования #Дерево_решений #Гидродинамическая_связь #нефтедобыча #добыча_газа #промысловые_исследования #Оптимизация #Трудноизвлекаемые_природные_ресурсы

Оптимизация БД начинается в пятницу

Всем привет, меня зовут Денис Лимарев, я руковожу разработкой в одной из продуктовых команд Uzum Tezkor. В этой статье разберу несколько оптимизаций запросов к БД, которыми наша команда пользуется при разработке своих сервисов, и опишу подход к оптимизациям запросов в целом. В своих проектах мы используем PostgreSQL версии 14.15, поэтому все запросы я проанализировал на ней, и ваши результаты могут отличаться в зависимости от вашей версии.

https://habr.com/ru/companies/uzum/articles/940624/

#postgresql #postgresql_performance #оптимизация_запросов #оптимизация #оптимизация_кода #uzum #uzumtech

Оптимизация Django под высокие нагрузки: как мы ускорили ответы сервиса с помощью кэша, SIMD и настройки GC

За более чем 10 лет в разработке я не раз сталкивался с проблемой недостаточной производительности сервисов. Особенно это заметно на Python – отличном языке для быстрого старта, с множеством библиотек и фреймворков. Однако, когда проект растёт, его производительности начинает не хватать, и проблемы с задержками превращаются в угрозу стабильности и пользовательскому опыту. В этом руководстве я поделюсь практическими решениями, основанными на реальных кейсах, чтобы помочь вам оптимизировать Django-сервис и значительно сократить время ответа на запросы.

https://habr.com/ru/articles/941336/

#оптимизация #кэширование #simd #json #django #garbage_collector #написаночеловеком

[Перевод] Ленивые вычисления в PHP: как генераторы и итераторы экономят память и ускоряют код

Как обрабатывать миллионы строк в PHP и не убить память? Всё просто: генераторы и итераторы. Покажу, как ленивые вычисления экономят ресурсы, ускоряют код и упрощают работу с большими данными. С примерами, бенчмарками и разбором изнутри.

https://habr.com/ru/articles/939814/

#php #генераторы #итераторы #производительность #память #yield #iterator #ленивые_вычисления #оптимизация #большие_данные

Офлайн переводчик на скорости 1000000 символов в секунду

Привет, Хабр! Сегодня хочу рассказать о нашем самом главном продукте - офлайн решении для машинного перевода — инструменте, который позволяет компаниям переводить тексты, документы и веб-контент без интернета на 100 языков и на скорости 1 000 000 символов в секунду (на сервере аналогичном 8 x RTX 5090). Переводчик можно бесплатно взять на тест, нужна система с Linux и GPU.

https://habr.com/ru/articles/938594/

#переводчик #ai #искусственный_интеллект #llmмодели #llm #языковые_модели #машинный_перевод #machinelearning #deeplearning #оптимизация

Архитектура сна программиста: как мозг компилирует дневной опыт ночью

Почему мы ложимся спать с багами в голове, а просыпаемся с готовым решением? Сон программиста — это не просто отдых, а своеобразная ночная компиляция опыта, где нейроны оптимизируют код нашей памяти, удаляют мусорные зависимости и иногда даже проводят рефакторинг идей. Попробуем разобраться в архитектуре этого процесса — через аналогии с компиляторами, кешами и garbage collector’ами.

https://habr.com/ru/articles/937944/

#сон #мозг #программист #компиляция #память #garbage_collector #REM #оптимизация #нейронаука #код