Новини за програмиране днес какво означава това за разработчиците: фокус върху Python

Обучаващите се на Python и младши инженери непрекъснато сканират заглавия, опасявайки се, че внезапните промени в големите технологични стратегии ще направят техния набор от умения остарял. Заглавията днес засягат приходите от облака, нововъзникващите гласови модели, геополитическото напрежение около графичните процесори, наследените политики за именуване, произхода на данните и експерименталните AI агенти. Въпросът не е дали тези събития имат значение, а как да ги превърнем в конкретни стъпки за обучение.

По-долу разбиваме всяка история на части, обясняваме ефекта на пулсации върху работата на Python и даваме кратък практически извод. Целта е да поддържате пътя си на обучение в съответствие с пазарната реалност, без да преследвате всеки цикъл на реклама.

Спад в приходите от Google Търсене

Бизнесът за търсене на Alphabet сега представлява по-малко от половината от общите приходи, според скорошен анализ на kadoa.com. Промяната сигнализира за по-силен акцент върху облачните услуги, AI платформите и рекламните продукти, които стоят извън класическия стек за търсене. За разработчиците на Python това означава по-голямо търсене на роден в облака код, тръбопроводи за данни и API на първо място с изкуствен интелект, вместо просто уеб скрапинг или инструменти за SEO.

Какво да направите: Започнете да експериментирате с клиентски библиотеки на Google Cloud (google-cloud-storage, google-cloud-bigquery), за да създадете услуги, управлявани от данни, които биха могли да заменят традиционните скриптове, ориентирани към търсенето.

``` питон

от хранилището за импортиране в google.cloud

клиент = съхранение.Клиент()

кофа = client.bucket("моята-кофа-данни")

blob = bucket.blob("sample.txt")

blob.upload_from_string("Здравей от Python")

печат ("Качен")

Предполагаем китайски шпионин, свързан с шефа на Nvidia

В доклад на New York Post се твърди, че служител на китайското разузнаване е имал близки отношения с изпълнителния директор на Nvidia Дженсън Хуанг. Въпреки че твърдението остава непотвърдено, то подчертава геополитическия риск около веригите за доставки на GPU. Работните натоварвания на Python AI, които зависят от GPU с активиран CUDA, могат да бъдат изправени пред ограничения за износ или внезапни промени в цените.

Какво да направите: Добавете резервен път към вашия код, който открива наличността на GPU и плавно се връща към изпълнение само от CPU.

``` питон

факел за внос

ако torch.cuda.is_available():

устройство = torch.device("cuda")

иначе:

устройство = torch.device("cpu")

print(f"Използване на устройство: {устройство}")

Статистика за зомбита: Откъде идват AI числата

Разследването на Trakkr.ai „Статистика за зомбита“ показва, че много цифри, генерирани от AI, са рециклирани от остарели или изфабрикувани източници. Това повдига червен флаг за инженерите на данни на Python, които често се доверяват на изчерпани статистики като номинална стойност. Изводът е да се провери произходът, преди да се подадат числа в моделите.

Какво да направите: Приложете проста проверка на произхода, която регистрира URL адреса на източника и времевия печат за всеки набор от данни, който приемате.

``` питон

импортиране на панди като pd

импортиране на дата и час

def load_with_provenance(url):

df = pd.read_csv(url)

df.attrs["източник"] = url

df.attrs["loaded_at"] = datetime.datetime.utcnow().isoformat()

връщане df

данни = load_with_provenance("https://example.com/data.csv")

печат (данни.attrs)

ЧЗВ

Как преместването на Alphabet от търсенето се отразява на моите Python проекти?

Намалената зависимост от приходите от търсене означава, че Google налага повече облачни и AI услуги. Изучаването на SDK на Google Cloud Python ще поддържа вашия набор от умения уместен. Можете да започнете с практическите упражнения в нашата песен за основите: Започнете тук.

Какви практически стъпки мога да предприема, за да експериментирам с LLM-Voice в Python?

Използвайте библиотеките openai и gtts, както е показано по-горе, след което итерирайте латентността чрез профилиране на тръбопровода от край до край. Нашите уроци по основи включват начален проект за гласов асистент, който можете да опитате: Започнете тук.

Трябва ли да се тревожа за наличността на GPU след шпионската история на Nvidia?

Контролите за експортиране могат да ограничат достъпа, така че винаги кодирайте отбранително с резервен CPU, както е показано. Пътят на основите също така обхваща модели на PyTorch, независими от устройство.

Как мога да защитя моите геопространствени анализи от промени в имената?

Закрепете присъединяване към стабилни идентификатори като GNIS ID вместо променливи имена и версия на вашите шейп файлове. Нашият модул за обработка на данни в основния курс разглежда този подход.

Защо произходът на данните е критичен за статистиката на AI?

Непроверените числа могат да повредят обучението на модела и да доведат до подвеждащи резултати. Записването на метаданните на източника, както в примера, е минимална защита. Учебната програма на Foundations включва работен лист за одит на данни, който можете да използвате.

Готови ли сте да практикувате? Започнете тук