SQLAlchemy
це великий постріл в ногу в подальшому розвитку. Треба брати щось на расті-пайтоні — типу pyDAL — і абстрагування і мінімум втрат на швидкості.
я працював в розробці, в середині Bloomberg terminal і що, думаєте я вам щось розкажу? хрін там, і не тому що я бяка і НДА (хоча через це теж) але в основному, що навіть так я не бачив усю систему. З того що я бачив — всьо очінь сложна!
Pydantic закриває парсинг, валідацію і серіалізацію об’єктів, а SQLAlchemy низькорівневу роботу з БД. Буде коду втричі менше. Відповідно легше його читати і перевіряти правильність самої логіки.
Мабуть АІ відповідав на питання які я йому ставив. Pandas я використовував. Pydantic, SQLAlchemy не чув. Якщо це ви про код мого репозиторію, то він на 99.9% написаний AI. Здебільшого CODEX від Open.ai
А чому саме пропонуєте ці інструменти?
Так WebSummit 2019 була тема, а все почалось із твого виграного квитка на DataScience 2019 :) Якщо тобі не важко згенерувати який небуть As-Is дисклеймер. Бо не знаю як він має виглядати.
дуже глибокий і цінний цей ваш коментар. Дякую. Мені видається глибшим, змістовнішим і ціннішим за мою статтю ;) Я припускав приблизно подібні висновки, тому чудово що ви авторитетно даєте такий інсайт.
Так. Проте щось не дуже вдалось задіяти там математику. Я думав пробувати там закони статистики та натуральний розподіл десь задіяти. А у вас які ідеї котрі хотілось би перевірити.
Позитиву мало. Негативу багато. навіть при чіткиз вказівках він не робить того чого вимагають. Про написання скриптів я промовчу, це цирк взагалі. загалом маю суцільне розчарування у цій параші!не рекомендую.
Коментарі