по всем вопросам @haarrp @itchannels_telegram - 🔥 best it channels @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - ml 📚 @pythonlbooks -📚books
Программируешь на Python? Попробуй оживить робота своим алгоритмом и поборись за призовой фонд в 10 250 000 рублей на True Tech Champ 2025.
True Tech Champ 2025 — это третий всероссийский чемпионат по программированию от МТС с онлайн-этапами отбора и грандиозным шоу-финалом в Москве.
Тебя ждут два трека — выбирай:
I. Алгоритмический [призовой фонд 2 750 000 рублей].
Если классический олимпиадный формат — твоя стихия, этот трек для тебя. Блесни математическими навыками, покажи скилы в работе со структурами данных и написании алгоритмов — и окажись выше соперников в турнирной таблице.
II. Программирование роботов [призовой фонд 7 500 000 рублей].
Запрограммируй робота на скоростное прохождение лабиринта в симуляторе и пройди в финал. На финале участники встретятся офлайн и сразятся на четырех уровнях с полосой препятствий, вспышками света, лазерами и другими препятствиями.
Трек будет интересен начинающим и опытным разработчикам: С++, Go, Python, JS, Java, C# и не только.
Подробности на сайте. Регистрация открыта до 20 октября.
🖥 Полезный совет по ускорению Python-кода
Многие считают, что list comprehension всегда оптимален. Но при больших объёмах данных связка map + filter может быть быстрее: она выполняется на уровне C и не создаёт лишних промежуточных структур.
Когда нужно одновременно фильтровать и преобразовывать элементы, map + filter часто выигрывает по скорости.
def transform(x):
return x * x
data = range(10_000_000)
# Медленнее: создаём лишние промежуточные объекты
res1 = [transform(x) for x in data if x % 2 == 0]
# Быстрее: map и filter не создают лишних списков
res2 = list(map(transform, filter(lambda x: x % 2 == 0, data)))
print(res1[:5], res2[:5])
👩💻 Vicinity — легковесное хранилище векторов с поддержкой гибких бэкендов для поиска ближайших соседей!
🌟 Он предоставляет простой и интуитивно понятный интерфейс для выполнения поиска ближайших соседей, поддерживая различные бэкенды и методы оценки. Основная цель Vicinity — унифицировать взаимодействие с различными методами поиска ближайших соседей, устраняя необходимость изучения отдельных интерфейсов для каждого из них.
🌟 Ключевые особенности Vicinity включают минимальные зависимости, высокую производительность, поддержку динамического обновления данных (вставка и удаление элементов), сериализацию для сохранения и загрузки хранилищ векторов, а также простоту использования. Поддерживаемые бэкенды включают BASIC, HNSW, FAISS, ANNOY, PyNNDescent и другие, каждый из которых предлагает свои параметры настройки для оптимизации поиска.
🔐 Лицензия: MIT
🖥 Github
@pythonl
⚡️ Hexora — статический анализ Python-скриптов на вредоносные паттерны
Что это:
- Ищет опасные конструкции в Python-коде: чтение буфера обмена, exec/eval (включая обфускации), подозрительные импорты (pickle, ctypes, marshal), загрузку бинарей, длинные base64/hex-строки и т. п.
- Полезен для аудита зависимостей (supply chain), проверки скриптов из Pastebin/GitHub, triage после инцидентов и ревью пакетов из PyPI.
Быстрый старт:
pip install hexora # или: uv tool install hexora
hexora --help
# Проверить одиночный файл
hexora audit path/to/script.py
# Проверить каталог (с удобным выводом)
hexora audit --output-format terminal ./resources/test/
# Аудит пакетов из venv (и фильтрация шумных правил)
hexora audit \
--exclude HX5020,HX5030,HX5040,HX5050,HX5060 \
--min-confidence high \
.venv/lib/python3.11/site-packages/
🔥 Совет по Python: неожиданное поведение с изменяемыми аргументами по умолчанию
Если в функции задать аргумент по умолчанию как list
или dict
, то этот объект создаётся один раз — при определении функции.
Из-за этого все вызовы будут делить один и тот же объект, что часто приводит к багам.
Правильный способ — использовать `None` и создавать новый объект внутри функции.
def bad_append(x, data=[]):
data.append(x)
return data
print(bad_append(1)) # [1]
print(bad_append(2)) # [1, 2] <-- неожиданно!
def good_append(x, data=None):
if data is None:
data = []
data.append(x)
return data
print(good_append(1)) # [1]
print(good_append(2)) # [2]
🖥 Python trick: группировка с помощью itertools.groupby
Иногда при работе с коллекциями в пайтон нужно быстро сгруппировать данные по ключу и при этом не писать громоздкий цикл с проверками. В таких случаях можно использовать модуль итэртулз и функцию группбай. Она позволяет превратить список в словарь с удобной структурой, где каждый ключ сразу содержит все связанные элементы. Это сильно экономит строки кода и делает его чище.
Читать полностью…
from itertools import groupby
from operator import itemgetter
data = [
{"category": "A", "value": 10},
{"category": "B", "value": 20},
{"category": "A", "value": 30},
{"category": "B", "value": 40},
]
сортировка обязательна перед groupby
data.sort(key=itemgetter("category"))
grouped = {
key: list(group) for key, group in groupby(data, key=itemgetter("category"))
}
print(grouped)
🖥 rest-filters — фильтрационный бэкенд для Django REST framework
Что это:
Новый инструмент для фильтрации в DRF, который расширяет возможности стандартного django-filter
.
Особенности
- Использует serializer-поля для разбора и валидации (без Django-форм и виджетов)
- Поддержка группировки фильтров для гибкой логики
- Constraint system — проверка взаимозависимостей между параметрами
- Вложенные фильтры (nested filters) для работы со сложными структурами
Последний релиз — v0.6.0 (21 августа 2025)
- Возможность указывать группу по умолчанию для всего FilterSet
(в том числе глобально)
- Поддержка subgroups для более сложных связей между фильтрами
- Новый метод FilterSet.get_combinator()
для динамического выбора способа объединения фильтров
- ⚠️ Breaking change: теперь Entry
нельзя создавать без указания группы
Почему стоит попробовать
Если стандартные фильтры Django REST кажутся ограниченными, rest-filters даёт:
- фильтрацию через сериализаторы,
- сложные сценарии с группировками и вложенностью,
- гибкость и расширяемость.
🔗 Репозиторий: https://github.com/realsuayip/rest-filters
@pythonl
Отличный курс для тех, кто хочет разобраться в нейронках с нуля от Андрея Карпати (OpenAI/Tesla).
Внутри бесплатная серия лекций на YouTube (и репа на GitHub), где ты с нуля учишься собирать нейронки. Всё максимально hands-on:
Автор не просто рассказывает теорию, а пишет код вместе с тобой — от самых азов до тренировки сетей.
https://github.com/karpathy/nn-zero-to-hero/
@pythonl
🖥 PlutoPrint — быстрое создание PDF и PNG из HTML с помощью Python
PlutoPrint — это лёгкая и удобная библиотека на Python для генерации качественных PDF и изображений напрямую из HTML или XML. Она основана на мощном рендеринг-движке PlutoBook, что делает её идеальной для отчетов, счетов, билетов и визуализаций.
Основные возможности
Поддержка PDF и PNG – можно создавать как статичные изображения, так и печатные документы из
Простота установки и использования — установка через pip install plutoprint; пример для командной строки:plutoprint input.html output.pdf --size=A4
🟠 Github
@pythonl
📝 PDF-Extract-Kit — библиотека для извлечения данных из PDF-файлов с поддержкой сложных документов с помощью моделей компьютерного зрения!
🔍 Основные особенности:
🌟 Точное извлечение текста и таблиц из структурированных и неструктурированных PDF, включая многостраничные таблицы и иерархические блоки!
🌟 OCR-интеграция, позволяющая обрабатывать PDF-документы с отсканированными изображениями!
🌟 Гибкий API на Python, что делает его удобным для анализа и интеграции в приложения!
🔐 Лицензия: AGPL-3.0
🖥 Github
@pythonl
🚀 Энергоэффективный транспайлер Python в Rust
Depyler — это транспайлер, который преобразует код Python в безопасный и производительный Rust, снижая потребление энергии на 75-85%. Он предлагает мощные инструменты для тестирования и верификации, обеспечивая высокое качество кода и поддержку CI/CD.
🚀 Основные моменты:
- Эффективное преобразование Python в Rust
- Поддержка многоуровневого тестирования и верификации
- Интеграция с AI для улучшения качества кода
- Поддержка формата Ruchy для функционального программирования
- Высокие стандарты безопасности и производительности
📌 GitHub: https://github.com/paiml/depyler
@pythonl
🦀 PyApp — новый способ упаковать Python-программы
PyApp написан на Rust и превращает Python-проекты в готовые .exe или бинарники, которые работают без отдельной установки Python.
В отличие от PyInstaller или Nuitka, это не библиотека, а отдельный инструмент:
- для каждого проекта нужна своя сборка;
- зато конфигурация максимально гибкая и можно тонко настроить процесс.
🔗 Репозиторий: https://github.com/ofek/pyapp
@pythonl
⚡️КРАСИВЫЙ JSON ИЗ СЛОВАРЯ ЗА 1 СТРОКУ
Сегодня разберём крутую и полезную фишку — как с помощью Python одной строчкой красиво форматировать словарь в JSON с отступами.
import json
data = {
"user": "Alice",
"age": 30,
"skills": ["Python", "Docker", "ML"],
"active": True,
"projects": {
"current": "Chatbot",
"next": "Data Pipeline"
}
}
🔥 Подборка небанальных Python-трюков, которые реально упрощают жизнь разработчику
🌀 1. functools.cached_property — ленивое свойство с кэшем
Позволяет вычислить значение один раз и потом возвращать готовый результат.
from functools import cached_property
import time
class DataFetcher:
@cached_property
def heavy_data(self):
print("⏳ Запрос к API...")
time.sleep(2)
return {"status": "ok", "data": [1, 2, 3]}
obj = DataFetcher()
print(obj.heavy_data) # первый вызов → считает
print(obj.heavy_data) # второй вызов → из кэша
import os
from contextlib import suppress
with suppress(FileNotFoundError):
os.remove("tmp.txt")
class DemoResource:
def __enter__(self):
print("🔓 Ресурс открыт")
return self
def __exit__(self, exc_type, exc_value, traceback):
print("🔒 Ресурс закрыт")
if exc_type:
print(f"⚠️ Ошибка: {exc_value}")
return True # подавить исключение
with DemoResource() as res:
print("⚡ Работаем...")
raise ValueError("Что-то пошло не так!")
🔥 Thyme: Think Beyond Images
Thyme — это инновационная модель, которая улучшает обработку изображений и сложные задачи рассуждения, используя автономное генерирование и выполнение операций через исполняемый код. Она сочетает в себе методы супервайзинга и обучения с подкреплением, обеспечивая высокую точность выполнения кода.
🚀 Основные моменты:
- Автономная генерация и выполнение операций с изображениями.
- Комбинация супервайзинга и обучения с подкреплением.
- Поддержка высокоразрешающей перцепции и сложного рассуждения.
- Использует алгоритм GRPO-ATS для оптимизации работы.
📌 GitHub: https://github.com/yfzhang114/Thyme
🖥 Новинка: `pyx` — Python-native пакетный реестр от Astral (в Beta)
Что такое `pyx`:
- Python-native registry, часть платформы Astral и продвинутый бэкенд для uv
.
- Обеспечивает более быструю, безопасную и GPU-осознанную работу с пакетами (как приватными, так и публичными, включая PyPI и PyTorch).
Почему это важно:
- Следует философии Astral: поддержка open-source, без превращения инструментов в конкурирующие SaaS-продукты.
- Первый шаг к вертикальной интеграции с существующими open-source инструментами.
- Уже в бета-версии с ранними партнёрами — Ramp, Intercom и fal.
Впечатление: pyx
выглядит как обдуманный, open-source-ориентированный подход к packaging infrastructure, который может сделать разработку Python-экосистемы быстрее и мощнее.
https://simonwillison.net/2025/Aug/13/pyx/#atom-tag
@pythonl
🆕 PDF Arranger — лёгкий и удобный инструмент для работы с PDF.
✨ Возможности:
- Объединение и разделение файлов
- Поворот и обрезка страниц
- Перестановка и удаление страниц
- Интуитивный drag-and-drop интерфейс
💻 Доступен для Linux, Windows (включая портативную версию) и BSD.
Полностью опенсорс (GPL-3.0).
Идеален, если нужно быстро подготовить PDF к печати или презентации — без сложных настроек.
📌 GitHub
#PDF #opensource #Linux #devtools
@pythonl
⌨️ Как вырасти до Мидла или Синьора в два раза быстрее?
👨💻Просто хорошо работать работу не достаточно. Ты делаешь то, что нужно компании, а не то, что повысит твой грейд
Лучший способ вырасти — это персональный план развития от Senior-инженера из БигТеха.
Вот как все работает:
1️⃣ Мок-интервью 1-на-1: Час реалистичного собеса с Senior-инженером из Иннотеха, Сбера или другого бигтеха
2️⃣ Честный фидбек: созвонимся и расскажем твои точки роста, оценим грейд и потенциальный уровень зарплаты
3️⃣Персональный план развития: не просто «учите алгосы», а роадмап с конкретными темами, который приведет тебя к желаемому грейду или офферу
Мы в ШОРТКАТ провели уже почти 1000 таких мок-интервью и получили оценку 4.9/5, поэтому знаем о чем говорим.
📈 Да, и все это за 900 рублей. Почему так дешево?
Мы хотим, чтобы у каждого была возможность проверить в деле наш сервис, а потом уже доверить нам свое развитие.
Переходи в нашего бота и забирай свой мок за 900 рублей → @shortcut_py_bot
Реклама.
О рекламодателе.
🎙️ VibeVoice: Инновационная модель TTS для длинных разговоров
VibeVoice — это передовая система синтеза речи, способная генерировать выразительное аудио для длительных разговоров, включая подкасты. Она решает проблемы традиционных TTS-систем, обеспечивая высокую согласованность голосов и естественное взаимодействие между несколькими спикерами.
🚀 Основные моменты:
- Синтезирует речь до 90 минут с 4 различными спикерами.
- Использует токенизаторы непрерывной речи для повышения эффективности.
- Поддерживает высокое качество звука при низкой частоте кадров.
- Применяет диффузионные модели для понимания контекста и потока диалога.
📌 GitHub: https://github.com/microsoft/VibeVoice
@pythonl
📘 На Stepik вышел курс — «LangChain: с нуля до продакшн LLM-приложений»
Нужен не игрушечный бот, а воспроизводимый RAG-пайплайн с метриками и сервисом? Этот курс — про путь «ноутбук → FastAPI → прод».
🔍 Что вы получите
• RAG по PDF с цитированием источников и гибридным поиском (классический + векторный); контроль галлюцинаций через метрики
• Инструменты и агенты для анализа данных: Pandas-задачи, структурированный JSON-вывод под отчёты/дашборды
• Продакшн-контур: FastAPI-сервис, логирование латентности/токенов, PromptOps (версии/A/B), базовый SLA-мониторинг
🎓 Сертификат по завершении — можно добавить в резюме или LinkedIn
🚀 Начните сегодня и получите скидку 25% в течение 24 часов
👉 Пройти курс на Stepik
Диски в облаке — это базовая функциональность.
Для пользователя всё просто: приаттачил к ВМ и всё заработало.
Но как это устроена работа с i/o на стороне провайдера?
Инженеры MWS Cloud Platform ⬜️ делятся своим опытом работы с фреймворком SPDK:
⏺️чем он лучше работы через QEMU или ядро Linux;
⏺️какие фичи пришлось дописывать самим;
⏺️как довели фреймворк до продакшена и даже отдали часть изменений в апстрим.
⏩️Загляните внутрь дисковой подсистемы облачного провайдера — читайте статью.
ИИ помощник сделает твое онлайн собеседование успешным.
Наши пользователи получают офферы.
Зайти и скачать бесплатную версию на ПК.
Поможет пройти техническое и поведенческое интервью.
Мгновенные ответы. Ты получишь приглашение на работу.
🖥 Что такое псевдослучайность в Python
Когда мы используем модуль random, числа выглядят случайными, но на самом деле они вычисляются по алгоритму. Поэтому такие числа называют псевдослучайными.
Главное:
- Если задать одинаковый seed (зерно), генератор выдаст одинаковую последовательность. Это удобно для тестов и экспериментов — результат можно воспроизвести.
- Алгоритм по умолчанию — Mersenne Twister. Он быстрый и подходит для моделирования, но не годится для безопасности.
- Для генерации паролей, токенов и других защищённых данных нужно использовать модуль secrets, который делает случайность криптографически стойкой.
Просто правило:
- Для экспериментов → random с фиксированным seed.
- Для безопасности → secrets.
Читать полностью…
Пример работы seed
import random
random.seed(42)
print([random.random() for _ in range(3)])
random.seed(42)
print([random.random() for _ in range(3)]) те же числа
Криптографически безопасные значения
import secrets
print(secrets.token_hex(8))
print(secrets.randbelow(10))
😄 12 сентября смотрите онлайн-студию первой «Ночи музеев» в мире IT
В Яндексе придумали «Ночь музеев» в мире IT, а Сбер, Т-банк, Х5 и Lamoda поддержали идею и присоединились. Если вы не успели зарегистрироваться как офлайн-участник – подключайтесь онлайн.
🙌 Студия big tech night online будет работать 12 сентября с 18:00 до 21:00 по московскому времени.
Можно переключаться между двумя треками.
😛😝В софт-треке вас ждут:
– шоу для разработчиков со стендап-комиком Севой Ловкачёвым;
– обсуждение pet-проектов и изобретательства среди инженеров;
– юмор в борьбе со стрессами: мемы как способ выжить в бигтехе.
😋😛 В хард-треке:
– разберём, чем отличается бигтех в России и за рубежом: каких специалистов ищут компании, есть ли культурные отличия?
– поговорим с Маратом Мавлютовым – руководителем подразделения из Яндекса, разрабатывающего роботов-доставщиков;
– обсудим, как AI помогает разработчикам сейчас и как будет помогать в будущем.
😌 Регистрируйтесь и подключайтесь.
Реклама. ООО "Яндекс". ИНН 7736207543
Среди нас есть школьники или студенты техникумов? Тут принесли вам новость.
Яндекс Лицей открывает набор на программу «Веб-разработка на Django»
🟢 Много практики: будете создавать сайты и веб-приложения с нуля, работать с базами данных и научитесь правильно обрабатывать ввод от пользователей.
🟢 Базовые скилы на Django: освоите тестирование кода, окружение и развертывание.
🟢 Интенсивное, трехмесячное обучение с реальным проектом: будете работать в команде над собственным веб-приложением.
Короче, если ждете рекомендации по интенсивному онлайн-обучению Django для новичков — это оно.
В конце обучения, кстати, вам выдадут сертификат. С ним проще поступить на другие направления Яндекс Лицея. Также он даёт дополнительные баллы в некоторых вузах.
🟠 Зарегистрироваться и пройти отбор до 23 сентября можно здесь
Пройдите простой тест и получите доступ к мини-курсу по Python-разработке бесплатно: https://epic.st/g_npyF?erid=2VtzqxgdTD5
Читать полностью…🔥Прими участие в Хакатоне Т1 в Нижнем Новгороде и поборись за призовой фонд 600 000 рублей!
📅 Когда: 19 – 22 сентября
🌐 Формат: онлайн + финал на площадке
Участвуй, если ты:
🔹студент тех/ИТ-направлений;
🔹развиваешься в dev, аналитике, дизайне, AI/DS/ML, DevOps;
🔹сможешь быть в Нижнем Новгороде 22-09.
Выбери свой кейс:
🔸PingTower — сервис круглосуточного отслеживания доступности сайтов и мгновенных уведомлений о сбоях, позволяющий бизнесу не терять клиентов.
🔸HR Консультант — ИИ-консультант для карьерных сценариев и поиска талантов по умным фильтрам.
Почему стоит участвовать:
🔻Кейс в портфолио и полезная обратная связь от менторов Т1;
🔻Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний;
🔻Реальный опыт командной работы.
Регистрация открыта!
➡️ Успей до 17 сентября по ссылке
Ты не из Нижнего Новгорода? Смотри расписание хакатонов в других городах.
#реклама
О рекламодателе
🔥 Старт олимпиады по ИИ и анализу данных — AIDAO.
🚀 В чем кайф:
- Не теоретически возможные задачи, а приближенные к реальным проектам
- Задачи на онлайн-этап готовит научная лаборатория, а финал — один из сервисов Яндекса
- Командная олимпиада, в которой могут принять участие студенты российских и зарубежных вузов
- Живое общение с экспертами и научными сотрудниками
- Масштабный финал олимпиады в Москве: 32 часа хакатона и общения с комьюнити
Международную олимпиаду организуют ФКН НИУ ВШЭ и Яндекс Образование. Главные призы: 1 млн рублей и бонусы при поступлении на магистратуры ФКН ВШЭ. Регистрируем команду на AIDAO по ссылке.
🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире
11 сентября (уже в четверг!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика.
Почему точно нужно прийти:
📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Савве
Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.
🔍Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot
Реклама.
О рекламодателе.
⁉️Хотите начать карьеру Data Scientist? Освойте методы ансамблирования ML
Чтобы понять, как добиться высокого качества предсказания в машинном обучении, присоединяйтесь к открытому вебинару 8 сентября в 18:00 МСК! На уроке мы разберем ключевые методы ансамблирования моделей, которые использует каждый Data Scientist: Бэггинг, Random Forest и Градиентный бустинг. Эти методы помогут вам повысить точность ваших моделей и научиться их эффективно применять в реальных задачах.
После занятия вы будете уверенно работать с ансамблями моделей на Python и знать, как применять их на практике для получения лучших результатов.
➡️ Присоединяйтесь и получите скидку на курс «Machine Learning. Basic»: https://otus.pw/pd7e/?erid=2W5zFHuTx9e
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.