В процессе любой работы периодически возникает необходимость выгрузить обрабатываемую в программе информацию, для её хранения или дальнейшей передачи. При этом важно не утратить информацию или её часть, и быть уверенным, что тот кому файл будет передаваться сможет с ним работать. Подобный процесс и называется сериализацией данных.

В данном посте я расскажу о возможностях применения параллельных вычислений в интерактивной среде Jupyter notebook языка Python.

Подготовительным этапом для видеоаналитики с применением методов машинного обучения — является выгрузка записей из видеорегистраторов Hikvision, что является достаточно длительной задачей, особенно если регистраторов несколько. Предлагаю разобраться, как выполнить эту работу быстрее и удобнее, используя сервер.

Структурированные данные – хорошо, а полуструктурированные – не проблема. Формат json хоть и является очень популярным, однако не очень удобен для анализа, особенно если данных много, и они разделены на отдельные файлы. Давайте разберем процесс преобразования множества json-файлов различной структуры в привычный аналитикам pandas.DataFrame.

Первостепенная задача для любой модели компьютерного зрения – генерация датасета. Мне необходимо было сформировать датасет для реализации модели детектирования действий клиентов по камерам видеонаблюдения, о чем и поговорим в данной статье.

В этой статье мы хотим познакомить читателей с опытом применения продукта от компании NICE Systems — системой NICE Interaction Management. Данная система обеспечивает тотальную запись разговоров, экранов и всех сопутствующих CTI-данных работы операторов контактных центров.

Мультипоточность – распространенное решение для обработки больших объемов информации. Однако, в данном случае, нельзя быть наверняка уверенным, что обработка не прервется. Отсюда вытекает необходимость сохранения результатов в течении всего времени работы обработчика. В этой статье мы рассмотрим, как можно реализовать автосохранение при многопоточной обработке в Python.