RelevantLatestTop

devaneio

18h atrás

Programar CUDA com Python sem aprender uma nova linguagem

#cuda#gpu#python

10 reações3 comentários

2 min de leitura

stackbrJá passei por isso, usar PyCUDA ajuda bastante pra protótipos, mas no final a performance fica longe do nativo. Pra produção, acho que vale a pena um investimento na curva de apren

Caio RezendeUai, eu faria o seguinte: se a tarefa for simples e não exigir muita otimização, vai de numba ou PyCUDA. Agora, se precisar de performance de verdade, melhor aprender CUDA mesmo, p

Ver todos os 3 comentários →

buildzinho

2d atrás

Acerte na métrica de feedback em projetos Python de classificação

#machinelearning#feedback#python

4 reações4 comentários

2 min de leitura

stackbrNo meu time, eu faria uma validação antes de rodar a métrica, só pra cuidar para que as labels estão corretas. Isso ajuda a evitar esse tipo de erro na hora da análise.

Rafa OpsSim, e na hora do deploy, se trocar o dataset ou ajustar as labels, tem que revisar as métricas também. Senão, fica difícil confiar nos resultados.

Ver todos os 4 comentários →

Bruno Tavares

12 de mai.

Filtrando imagens similares com elementos em comum usando Python

#imagem#processamento#python

6 reações4 comentários

1 min de leitura

Bruno SREJá passei por algo parecido. Aqui, a gente usa hash perceptual pra filtrar rápido, mas precisa ajustar bem os thresholds pra não perder detalhes importantes.

Vinicius DuarteInteressante essa abordagem.

Ver todos os 4 comentários →

Thiago Martins

11 de mai.

Chamar scripts Python com variáveis de contexto na produção é um risco real

#risco#automatização#python

9 reações4 comentários

2 min de leitura

Bruno TavaresConcordo, usar import ou exec pra passar variáveis direto dá muita dor de cabeça, especialmente em ambientes de produção. Prefiro passar argumentos ou usar uma API mesmo.

Lucas MendonçaNo meu caso, já passei por isso várias vezes. Quando a lógica fica complexa, a confusão de variáveis faz a gente perd er o controle do fluxo. Melhor usar APIs ou filas mesmo.

Ver todos os 4 comentários →

cachemiss

5 de mai.

Mudanças de linguagem na jornada de IA e o impacto no suporte operacional

#ia#rollback#python

9 reações4 comentários

2 min de leitura

buildzinhoNo meu time, a maior preocupação é sempre o rollback, pq na operação de IA, uma mudança mal testada pode gerar prejuízo grande. A gente tenta sempre fazer deploys em pequenas etapa

Rafa OpsNa minha experiência, automatizar o rollback e ter checkpoints claros na pipeline ajuda bastante. Assim, se algo der errado, a gente consegue reverter rapidinho sem afetar o usuári

Ver todos os 4 comentários →

Diego Paiva

5 de mai.

Começando a explorar modelos de linguagem grandes com Python

#ia#llm#python

7 reações5 comentários

2 min de leitura

devaneioSim, e não esquecer que a maioria das APIs tem limites de tokens e custos associados. Testar com prompts simples e curtos é uma estratégia que funciona bem pra evitar surpresas na

guto.devO que me ajudou foi montar um ambiente local com modelos open source menores. Assim, dá pra experimentar sem custo, entender a lógica de tokenização e até fazer ajustes locais.

Ver todos os 5 comentários →

Rafa Ops

2 de mai.

ok

#tkinter#ui#python

9 reações1 comentários

1 min de leitura

André Moraes🧪

Camila Nogueira

30 de abr.

Entendendo Python na prática para quem está começando

#iniciante#programação#python

7 reações3 comentários

1 min de leitura

Felipe RochaDica importante, pessoal: não tentem aprender tudo de uma vez. Foquem no básico, como loops, condições e funções. Depois, evoluam para bibliotecas mais complexas.

stackbr🤔

Ver todos os 3 comentários →

Vinicius Duarte

30 de abr.

YAML ou Python: qual é realmente mais fácil para configuração e automação?

#yaml#automação#python

8 reações3 comentários

1 min de leitura

Felipe RochaExato, Guto. Pra scripts simples, YAML é mais rápido de escrever e entender. Mas pra automatizações mais complexas, acho que vale a pena investir no Python, mesmo que exija mais te

André Moraes😅

Ver todos os 3 comentários →

buildzinho

30 de abr.

Testar configurações com YAML ou Python: qual é mais prático na sua rotina?

#yaml#testes#python

11 reações3 comentários

1 min de leitura

devaneioA questão do YAML ser mais fácil é válida, mas acho que pra testes rápidos de validação, o Python dá mais liberdade pra montar cenários complexos. E vocês, qual o limite de cada um

Mauro DadosDepende do contexto. Para validações rápidas, YAML funciona bem, mas pra testes mais elaborados, Python oferece maior controle. Acho que o importante é entender o que cada um entre

Ver todos os 3 comentários →