PU
Head of data science, data scientist, data scientist, data engineer, data scientist 😂
отлично как
Size: a a a
2020 November 15
IY
Почему Пайтон такой тугой, никак не могла понять, как там делать таймсириес, все не работает, не те типы данных, в документации к пандасу ничего не разобрать сходу.
У меня наоборот было, когда после питона на Р пересел ))))
С датами в Р как по мне посложнее, чем в питоне
С датами в Р как по мне посложнее, чем в питоне
АК
Igor Yakubovskiy
У меня наоборот было, когда после питона на Р пересел ))))
С датами в Р как по мне посложнее, чем в питоне
С датами в Р как по мне посложнее, чем в питоне
У меня противоположный опыт. Впрочем, с датами в любом языке проблемы, когда речь заходит про часовые пояса и локализованные форматы.
AM
Просто привычка, не надо зацикливаться на языке, это просто инструмент. Ну и про тугость питона я не сильно согласен. А кто нибудь пробовал R в прод тащить? Или для задач аля «импортировал, превратил во временной ряд, нарисовал» используете?
ГД
Просто привычка, не надо зацикливаться на языке, это просто инструмент. Ну и про тугость питона я не сильно согласен. А кто нибудь пробовал R в прод тащить? Или для задач аля «импортировал, превратил во временной ряд, нарисовал» используете?
Я таскал R в прод. Ничего плохого не заметил
fj
Я таскал R в прод. Ничего плохого не заметил
Shiny?
AM
Интересно, а как это было организовано? У меня был опыт когда был оркестратор на Java, и каждая модель была как отдельный пакет Р, тоже ничего плохого не заметил, ну кроме java
ГД
Интересно, а как это было организовано? У меня был опыт когда был оркестратор на Java, и каждая модель была как отдельный пакет Р, тоже ничего плохого не заметил, ну кроме java
Довольно прямолинейно - сервисы в докере под кубернетисом
AM
точно, эра докера же. А насколько тяжелые модели?
ГД
fedor jilkin
Shiny?
Апишки на плюмбере
ГД
точно, эра докера же. А насколько тяжелые модели?
Не знаю, как тяжесть определять. Наверное, самая тяжёлая - регрессия на 100+ тыс параметров
AM
Да спасибо, я это и имел ввиду.
A
Нейросетки в докере ок работали
ГД
Не знаю, как тяжесть определять. Наверное, самая тяжёлая - регрессия на 100+ тыс параметров
Хотя сам predict все-таки не очень большую часть времени занимал. Было много реверансов для подготовки данных, типа стеммировния и прочего
АК
Я таскал R в прод. Ничего плохого не заметил
Аналогично. У @MentalSky вроде бы тоже положительный опыт имеется.
JS
дада, положительный, пока ничего вместо R не просится, задачи с ним решать комфортно
АК
Ещё можно стриминговые данные, которые батчами прилетают обрабатывать со спаока или кафки. Делать бэкенд/апи на Rserve/RestRserve/httpuv/plumber. ETL на drake по расписанию вполне себе живёт. Сборка проекта вконтейенр для деплоя полностью автоматизируется тем же GitLab CI.
JS
всячески плюсую, я вообще удивлен, чего его не используют более широко - у него есть вообще все для продакшна, интегрируй с чем угодно и как угодно, здорово же
JS
и да, у нас тоже gitlab на CI/CD используется, докер-образы собираем с R внутри
АК
и да, у нас тоже gitlab на CI/CD используется, докер-образы собираем с R внутри
Образ пересобирается за 2-3 минуты, если
renv.lock не трогать. Если трогать, то с RSPM пересобирается минут за 10-15.