52807
по всем вопросам @haarrp @itchannels_telegram - 🔥 best it channels @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - ml 📚 @pythonlbooks -📚books
Прежде чем читать длиннющий релиз новой версии Python 3.14, посмотрите это видео Евгения Афонасьева, тимлида разработки Antifraud в Авито 🚀
За 12 минут он рассказал, какие фичи стоят внимания внедрения в работу, про небольшие, но приятные обновления тоже не забыл.
📺 Смотрим и обсуждаем по ссылке!
💡 Cursor 2.0 - большое обновление ИИ-редактора кода
Новая версия делает работу с агентами и кодом ещё гибче и удобнее:
- Мульти-агенты - теперь можно запускать до 8 агентов параллельно, каждый работает в своей изолированной копии кода.
- Composer: первая собственная агентская модель Cursor, которая оптимизирована под длинный контекст и инструменты (с производительностью в ~4× выше, по сравнению с аналогичными по «интеллекту» моделями.)
- Backend-абстракция - легко переключаться между локальной системой, виртуальной машиной или базой данных.
- Встроенный Browser - агенты теперь сами тестируют веб-приложения, кликают по элементам
- Новый Code Review - удобный просмотр изменений без постоянных переключений между файлами.
- Sandboxed Terminals - команды выполняются в безопасной среде без доступа в интернет.
- Team Commands - единые команды и настройки для всей команды разработчиков.
- Voice Mode - управление агентом голосом и голосовые запросы.
- Ускоренный LSP - быстрее работает автодополнение и анализ кода в больших проектах.
- Plan Mode in Background - планирование и выполнение задач теперь можно разделять и выполнять параллельно.
- Cloud Agents - мгновенный запуск и высокая стабильность (99.9% аптайма).
- Enterprise-функции - централизованный контроль, hooks и аудит действий пользователей.
Подробнее: https://cursor.com/changelog/2-0
@ai_machinelearning_big_data
#Cursor
Поговорим про деньги в IT?
Приглашаем опытных IT-специалистов пройти небольшой опрос про зарплаты и бенефиты в технологических компаниях. Это займёт не более 7 минут — а ваше мнение поможет одному крупному российскому работодателю делать актуальные оферы.
Пройти опрос можно здесь
🔥 10 Python-библиотек, которые должен знать каждый разработчик LLM и GenAI
1️⃣ [LangChain](https://www.langchain.com/)
Фреймворк для создания LLM-приложений, агентов и инструментов.
Позволяет соединять языковые модели с базами данных, API и внешними сервисами.
Идеален для построения RAG-систем, чат-ботов и аналитических ассистентов.
2️⃣ [LangGraph](https://github.com/langchain-ai/langgraph)
Надстройка над LangChain для создания сложных многоагентных систем.
Поддерживает условную логику, ветвления и сохранение состояния.
Используется для разработки автономных агентов, которые сотрудничают и планируют задачи.
3️⃣ [Docling](https://github.com/DS4SD/docling)
Инструмент для анализа и извлечения информации из документов.
Объединяет LLM, LangChain и RAG-подход для “умного” чтения PDF, таблиц и сканов.
Подходит для систем документооборота, юридических и научных данных.
4️⃣ [OpenAI Python SDK](https://github.com/openai/openai-python)
Официальная библиотека для работы с моделями GPT-4o, DALL-E, Whisper и другими API OpenAI.
Позволяет вызывать модели, генерировать текст, изображения и транскрибировать аудио в несколько строк кода.
Главный инструмент для интеграции мощных моделей в свои Python-приложения.
5️⃣ [Markitdown (Microsoft)](https://github.com/microsoft/markitdown)
Библиотека от Microsoft для создания интерфейсов LLM-приложений с использованием Markdown.
Позволяет описывать UI и рабочие процессы прямо в тексте — быстро, удобно и без JavaScript.
Полезна для автоматизации LLM-воркфлоу и простых чат-интерфейсов.
6️⃣ [Streamlit](https://streamlit.io/)
Фреймворк для построения интерактивных AI-дашбордов и веб-приложений.
Позволяет визуализировать результаты модели, строить формы ввода, графики и интерактивные элементы.
Отличный выбор для быстрой демонстрации или внутреннего прототипа GenAI-проекта.
7️⃣ [FastAPI](https://fastapi.tiangolo.com/)
Высокопроизводительный фреймворк для создания REST и WebSocket API.
Идеален для деплоя ML и LLM моделей в продакшене.
Быстрый, типизированный и легко масштабируемый — стандарт де-факто в AI-бэкендах.
8️⃣ [Faiss](https://github.com/facebookresearch/faiss)
Библиотека для векторного поиска и кластеризации эмбеддингов.
Молниеносно ищет похожие тексты, изображения или документы в огромных наборах данных.
Необходима в RAG-системах, рекомендациях и семантическом поиске.
9️⃣ [SentenceTransformers](https://www.sbert.net/)
Набор моделей для генерации эмбеддингов предложений, текстов и документов.
Даёт качественные векторные представления для поиска, кластеризации и анализа смысловой близости.
Отлично работает вместе с Faiss и LangChain.
🔟 [MLflow](https://mlflow.org/)
Инструмент для трекинга экспериментов, управления моделями и деплоя ML-проектов.
Позволяет отслеживать метрики, сравнивать версии и хранить модели в централизованном реестре.
Незаменим при построении воспроизводимого и управляемого MLOps-процесса.
⚙️ Эти библиотеки формируют единый стек для создания LLM-агентов, RAG-систем, аналитических ассистентов и AI-сервисов — от эксперимента до продакшена.
@pythonl
🤖 Dexter: Автономный финансовый исследователь
Dexter - это интеллектуальный агент, который анализирует финансовые данные, планирует задачи и учится на ходу. Он превращает сложные финансовые вопросы в четкие исследовательские планы, используя актуальные рыночные данные и самопроверку для достижения точных ответов.
🚀Основные моменты:
- Автоматическое планирование задач для сложных запросов
- Автономное выполнение с использованием финансовых инструментов
- Самопроверка и итерации для повышения точности
- Доступ к актуальным финансовым данным
- Защита от бесконечного выполнения задач
📌 GitHub: https://github.com/virattt/dexter
🖥 Python 3.15 - что нового
Вышла новая версия Python 3.15, и в ней несколько заметных обновлений, особенно для тех, кто работает с производительностью и отладкой.
🔧 Главные изменения:
- Добавлен новый модуль profiling.sampling — инструмент статистического профилирования,
который позволяет анализировать производительность кода без пауз и overhead’а.
- Оптимизирована стандартная библиотека: многие функции теперь работают быстрее.
- Улучшен сборщик мусора и работа с памятью.
- Расширена поддержка аннотаций типов.
- Повышена стабильность и снижена нагрузка на интерпретатор при многопоточности.
📈 Зачем обновляться:
- Новый профайлер поможет находить узкие места в коде без остановки приложения.
- Версия стабильна и готова для продакшена.
- Меньше задержек, меньше overhead, лучше работа с async-кодом и большими данными.
Подробнее: https://docs.python.org/3.15/whatsnew/3.15.html
#Python #Update #Performance #Developers
@pythonl
🧠 Human3R: Инновации в 3D-моделировании человека
Human3R предлагает эффективный подход к 3D-восстановлению человека с использованием единой модели и этапа. Система позволяет проводить обучение всего за один день на одном GPU, обеспечивая высокую производительность и простоту в использовании.
🚀 Основные моменты:
- Одноэтапное восстановление 3D-моделей.
- Быстрое обучение на одном GPU.
- Поддержка различных форматов ввода.
- Интуитивно понятный интерфейс для визуализации результатов.
📌 GitHub: https://github.com/fanegg/Human3R
#python
МТС True Tech Champ — зрелищный шоу-чемпионат с ИИ-спецэффектами!
21 ноября МТС объединяет ИТ-конференцию и ИТ-чемпионат на одной площадке. Тебя ждет настоящий фестиваль технологий. Более 250 ИТ-талантов со всей России сразятся в лайв-кодинге и программировании роботов на скоростное прохождение лабиринтов со спецэффектами.
Между наблюдением за заездами и поединками ты сможешь:
▫️ послушать конференцию с международными спикерами в области ИИ;
▫️ поучаствовать в воркшопах и юмористических батлах в ИТ-качалке;
▫️ испытать себя в кодерских челленджах и других айтивностях;
▫️ перезагрузить карьеру в HR-Хабе вместе с командой МТС.
День завершится ярким афтепати со звездными хедлайнерами.
👉🏻 Участие бесплатно, количество мест ограничено. Успей зарегистрироваться
Вы начали изучать Python, установили библиотеки, попробовали что-то запустить — и всё внезапно сломалось?
Не переживайте, это случалось с каждым. Просто вы не изолировали окружение. На открытом уроке курса «Machine Learning. Basic» мы разберём, как грамотно настроить виртуальное окружение, чтобы работать с Python и ML-библиотеками спокойно и системно.
Вы узнаете, что такое venv, conda и uv, как управлять зависимостями и подключать Jupyter Notebook к своему окружению. Настроим всё пошагово — без сложных терминов и магии.
Присоединяйтесь 28 октября в 20:00 (МСК). Уверенный старт в Python и машинном обучении начинается с чистого окружения. Регистрация открыта: https://otus.pw/zyQi/?erid=2W5zFHYpC6C
#реклама
О рекламодателе
Данные — стратегический актив компании 💻
Потеря информации может обернуться:
➡️финансовыми убытками
➡️штрафами от регуляторов
➡️падением репутации и доверия клиентов
Решение:
▫️Защищает от вирусов и шифровальщиков.
▫️Помогает соответствовать требованиям регуляторов.
▫️Сохраняет критически важные данные в неизменном виде.
Питонисты, общий сбор на Selectel Python MeetUp 🐍
📍 30 октября, 18:00, Санкт-Петербург или онлайн
Встретимся с топовыми спикерами из Selectel, Яндекса и Райффайзен Банка. Протестируем экосистему mypy на разных версиях Python, обсудим хаос-тесты и cron/systemd timers. В конце вас ждет афтепати с пиццей и нетворкинг с тимлидами.
А теперь конкретнее — на митапе вы узнаете:
✔️ как использовать экосистему mypy в инфраструктуре с 400+ микросервисов,
✔️ как запускать задачи по расписанию от cron/systemd timers до чистого Python,
✔️ насколько сильно можно нагрузить систему, прежде чем она сломается.
Мероприятие абсолютно бесплатное. Приходите в офис Selectel или подключайтесь онлайн. Регистрируйтесь по ссылке.
P.S. Отправляйте коллеге-питонисту и приходите на митап вместе 😎
Реклама. АО "Селектел". erid:2W5zFK8m6tp
Один One Day Offer вам или целых три — всем? 😉
25 октября Сбер проведёт сразу три экспресс-отбора кандидатов в две команды: GigaData и Kandinsky. Чем вам предстоит заниматься 👇
✔️ Развивать GigaData — внутреннюю платформу Сбера, которая обрабатывает петабайты данных и миллиарды запросов в сутки. One Day Offer для Python‑разработчиков.
✔️ Работать над Kandinsky — обучать большие модели с нуля, собирать и подготавливать данные, исследовать самые эффективные методы дообучения моделей.
— One Day Offer для Machine Learning Engineers с опытом в Deep Learning и компьютерном зрении (CV).
— One Day Offer для Research и Deep Learning Engineers.
Выбирайте то, что больше подходит под ваши навыки, и регистрируйтесь на One Day Offer!
🧩 Эффективное кэширование для Python-приложений
dm-cache — это библиотека для кэширования данных в Python, которая обеспечивает высокую производительность и простоту использования. Она поддерживает различные стратегии кэширования и позволяет легко интегрироваться в существующие приложения, улучшая их скорость и отзывчивость.
🚀 Основные моменты:
- Поддержка различных стратегий кэширования.
- Простая интеграция в Python-приложения.
- Высокая производительность и эффективность.
- Легкий в использовании API.
📌 GitHub: https://github.com/mingzhao/dm-cache
#python
🎥 Обертка для ComfyUI: WanVideoWrapper
WanVideoWrapper — это инструмент для интеграции видео в ComfyUI, позволяющий легко обрабатывать и визуализировать видеофайлы. Проект предлагает простое решение для работы с видео в рамках интерфейса, расширяя его функциональность.
🚀 Основные моменты:
- Поддержка различных форматов видео
- Легкая интеграция с ComfyUI
- Удобный интерфейс для пользователей
- Возможность настройки параметров обработки
- Активное сообщество и поддержка
📌 GitHub: https://github.com/eddyhhlure1Eddy/ode-ComfyUI-WanVideoWrapper
#python
🎨🚀 HunyuanImage-2.1: Эффективная модель диффузии для генерации изображений
HunyuanImage-2.1 — это мощная модель для создания высококачественных изображений (2048x2048) на основе текстовых описаний. Используя передовые технологии, она значительно улучшает согласование текста и изображения, обеспечивая высокую степень детализации и эстетики.
🚀Основные моменты:
- Генерация изображений высокого разрешения (2K).
- Многоязычная поддержка и улучшенное согласование текста.
- Использование обучения с подкреплением для повышения качества.
- Эффективная архитектура с низкими вычислительными затратами.
- Модуль PromptEnhancer для улучшения производительности.
📌 GitHub: https://github.com/Tencent-Hunyuan/HunyuanImage-2.1
@pythonl
🖥 PSF отвергла грант $1.5 млн на усиление безопасности PyPI
Python Software Foundation отказалась от гранта Национального научного фонда США на $1.5 млн из-за условий, запрещающих любые инициативы, которые продвигают или поддерживают DEI. Ограничение распространялось не только на работы по гранту, а на всю деятельность организации в период действия финансирования, что создавало юридические и финансовые риски.
Почему отказали:
- Условия противоречат миссии PSF, где ценности разнообразия, равенства и инклюзивности закреплены явно.
- В случае трактовки нарушения NSF может потребовать вернуть уже израсходованные средства.
- Организация не готова сворачивать DEI-политику ради получения финансирования.
На что планировалось потратить деньги:
- Построить проактивную защиту PyPI: проверка пакетов до публикации, а не после.
- Автоматическое ревью с анализом функциональности и сигнатур типовых вредоносных техник.
- Инструменты, пригодные для адаптации в других экосистемах пакетов вроде npm и crates.io.
Контекст:
- Сумма для PSF заметная: бюджет порядка нескольких миллионов долларов в год при небольшой команде.
- Отказ — это выбор в пользу долгосрочного доверия сообщества и сохранения открытой, инклюзивной культуры.
Вывод:
- Безопасность экосистемы — приоритет, но не ценой отказа от базовых принципов. PSF продолжит укреплять защиту цепочки поставки Python-пакетов без компромиссов с миссией.
Новость: https://pyfound.blogspot.com/2025/10/NSF-funding-statement.html
@pythonl
📊 Zabbix Notifications in Telegram
Инструмент для отправки уведомлений из Zabbix в Telegram с графиками и сообщениями. Поддерживает как личные, так и групповые чаты, а также каналы. Простая настройка и поддержка markdown/HTML.
🚀Основные моменты:
- Отправка графиков и уведомлений в Telegram
- Поддержка личных и групповых чатов
- Возможность использования emoji для обозначения серьезности
- Сохранение chatid в временный файл
- Простое управление через команды бота (в разработке)
📌 GitHub: https://github.com/ableev/Zabbix-in-Telegram
#python
⚡️ Как тестировать код без настоящей базы данных
Когда вы пишете юнит-тесты, подключение к реальной БД — лишнее:
- это медленно,
- тесты становятся нестабильными,
- нужен живой сервер.
Решение — замокать вызов pandas.read_sql и вернуть подставные данные.
Пример функции:
def query_user_data(user_id):
query = f"SELECT id, name FROM users WHERE id = {user_id}"
return pd.read_sql(query, "postgresql://localhost/mydb")
from unittest.mock import patch
import pandas as pd
@patch("pandas.read_sql")
def test_database_query_mocked(mock_read_sql):
mock_read_sql.return_value = pd.DataFrame(
{"id": [123], "name": ["Alice"]}
)
result = query_user_data(user_id=123)
assert result["name"].iloc[0] == "Alice"
🖥 Microsoft представила новый цикл лекций по Python и искусственному интеллекту.
В курсе собрали актуальную информацию по коллегу на Python и создании продвинутых ИИ помощников, основанных.
• Содержание: Курс включает 9 лекций, дополненных видеоматериалами, подробными презентациями и примерами кода. Обучение разработке ИИ-агентов доступно даже для новичков в кодировании.
• Темы: В лекциях рассматриваются такие темы, такие как RAG (Retrieval-Augmented Generation), эмбеддинги, агенты и протокол MCP.
Идеальный план на выходные - углубиться в ИИ!
https://github.com/orgs/azure-ai-foundry/discussions/166
🧠 The Markovian Thinker: Революция в обучении LLM
The Markovian Thinker предлагает новый подход к обучению языковых моделей с использованием фиксированного размера состояния, что снижает вычислительные затраты. Метод Delethink разбивает генерацию на фиксированные части, позволяя модели эффективно продвигать мысли, сохраняя контекст.
🚀Основные моменты:
- Новый парадигма "Марковское мышление" для LLM.
- Метод Delethink использует фиксированные размеры контекста.
- Сравнение с LongCoT показывает лучшие результаты при меньших затратах.
- Поддержка масштабирования до 96K токенов.
- Применение в современных LLM, таких как GPT-OSS и Qwen3.
📌 GitHub: https://github.com/McGill-NLP/the-markovian-thinker
🚀 Хотите стать разработчиком на Python — без нудной теории и долгих видео?
Наш курс — это не очередная «онлайн-школа с лекциями». Это путь с нуля до первой работы, где вы учитесь, кодите и зарабатываете.
Что вас ждёт
💻 80% практики — с первого дня пишете код, а не смотрите, как это делает кто-то другой.
🧑💻 Наставник рядом — ментор отвечает на вопросы, делает ручное код-ревью, помогает не застрять.
🔧 Реальные проекты — стажировка на коммерческих задачах, а не «учебные ToDo-листы».
💼 Гарантия трудоустройства — не найдете работу после курса — вернём деньги.
Курс подойдет, если вы:
— Новичок, который хочет войти в IT с нуля;
— Разработчик, желающий перейти в веб на Python;
— Хотите получить коммерческий опыт в резюме;
— Устали «учиться без результата».
🚀98% наших выпускников успешно трудоустроились в крутые компании!
Стартуем в ноябре! Успейте забронировать место!
✉️ Напишите нам в Телеграм, чтобы записаться или оставляйте заявку на сайте
❓Остались сомнения? Приходите в нашу флудилку! Тут можно поспрашивать мнения наших студентов и пообщаться с основателем курса!
#реклама
О рекламодателе
👩💻 django-cors-headers — Django-приложение для обработки заголовков Cross-Origin Resource Sharing (CORS)!
🌟 Этот инструмент позволяет вашему Django-приложению принимать запросы из браузеров, отправленные с других доменов. Это особенно полезно для API-серверов или приложений, которые обслуживают фронтенд и бэкенд с разных доменов или портов.
🌟 Инструмент позволяет гибко управлять настройками CORS, включая поддержку конкретных методов, заголовков и настроек безопасности. Например, вы можете настроить разрешение только для определённых доменов или включить временный доступ для локальной разработки. Однако важно понимать риски, связанные с CORS, поскольку неправильная конфигурация может открыть доступ к вашим данным для нежелательных источников.
🔐 Лицензия: MIT
🖥 Github
🔥 Video2X — фреймворк с открытым исходным кодом, предназначенный для повышения разрешения видео и интерполяции кадров с использованием методов машинного обучения!
🌟 Изначально созданный в 2018 году на хакатоне Hack the Valley II, проект претерпел значительные изменения, и в версии 6.0.0 был полностью переписан на C/C++, что обеспечило более высокую производительность и эффективность. Video2X поддерживает кроссплатформенную работу на Windows и Linux, предоставляя пользователям возможность улучшать качество видео с помощью таких технологий, как Anime4K v4, RealESRGAN, RealCUGAN и RIFE.
💡 Основные возможности Video2X включают два режима работы: фильтрация (увеличение разрешения) и интерполяция кадров. Инструмент поддерживает различные модели и шейдеры, совместимые с MPV, а также обеспечивает обработку без необходимости в дополнительном дисковом пространстве, требуя только место для конечного результата.
🔐 Лицензия: AGPL-3.0
🖥 Github
🎧 Хотите превратить любую книгу в аудиокнигу?
Нашли бесплатную нейронку, которая за считанные секунды озвучит даже огромный роман.
✨ Возможности:
— Поддержка множества языков
— Реалистичные голоса от модели KokoroTTS
— Можно создать собственный голос, если готовые не подходят
— Простая установка без лишних заморочек
— Полностью open-source и бесплатный инструмент
🔗 Забираем на GitHub — и слушаем либимые книги 📚🎶
https://github.com/denizsafak/abogen
@pythonl
🤖 MimicKit: Алгоритмы имитации движений для тренировки контроллеров
MimicKit предлагает набор алгоритмов для имитации движений, включая DeepMimic и другие. Поддерживает обучение с использованием методов глубокого обучения и RL, таких как PPO и AWR. Идеально подходит для создания реалистичных анимаций.
🚀Основные моменты:
- Алгоритмы имитации движений и RL.
- Поддержка многопроцессорного и многопоточного обучения.
- Визуализация тренировочных данных и логов.
- Простая интеграция с IsaacGym.
📌 GitHub: https://github.com/xbpeng/MimicKit
#python
👩💻 FastMCP — Быстрый, Python-способ создания MCP-серверов!
🌟 Серверы Model Context Protocol (MCP) — это новый стандартизированный способ предоставления контекста и инструментов вашим LLM, а FastMCP делает создание серверов MCP простым и интуитивно понятным. Создавайте инструменты, предоставляйте ресурсы и определяйте подсказки с помощью чистого кода Python!
🔐 Лицензия: MIT
🖥 Github
@pythonl
🦾 Собери собственного человекоподобного робота!
OpenArm - это открытый проект гуманоидного робота, включающий всё необходимое для сборки, модификации и управления собственными роботизированными руками.
В комплект входят CAD-модели, прошивка, управляющее ПО и симуляторы, так что можно сразу перейти от идеи к реальному устройству.
Система поддерживает телеоперацию с обратной связью по усилию и гравитационную компенсацию, позволяя оператору управлять рукой естественно и точно.
💡 OpenArm интегрируется с MuJoCo и Isaac Sim, что позволяет тестировать управление в виртуальной среде перед запуском на железе.
Проект ориентирован на исследовательские лаборатории, стартапы и энтузиастов, желающих изучать манипуляцию и взаимодействие человека с роботом.
🔩 Можно собрать из набора деталей или заказать готовую сборку - цель OpenArm сделать робототехнику доступной и прозрачной для всех.
Разработкой занимается команда Enactic (Токио, Япония).
GitHub: https://github.com/enactic/OpenArm
@pythonl
🔥 Pandas трюк: ускоряем группировки с map вместо merge_groupby
Когда нужно добавить агрегированные значения (например, среднее по группе) обратно в исходный DataFrame, большинство разработчиков делают groupby().transform() или merge().
Но есть менее известный способ — использовать map() после groupby().mean(), который в некоторых случаях работает в 2–3 раза быстрее и требует меньше памяти.
Фокус в том, что groupby().mean() создаёт компактный Series, где индекс — это категория, а значения — результат агрегации.
А map() просто подставляет их обратно в исходный DataFrame без тяжёлого join.
import pandas as pd
import numpy as np
# пример данных
N = 5_000_000
df = pd.DataFrame({
"group": np.random.choice(["A", "B", "C", "D"], N),
"value": np.random.randn(N)
})
# классический подход
df["mean_value_merge"] = df["group"].map(df.groupby("group")["value"].mean())
# сравнение с transform
df["mean_value_transform"] = df.groupby("group")["value"].transform("mean")
# идентичность результата
print(df["mean_value_merge"].equals(df["mean_value_transform"]))
🧠 CraftGPT: AI в Minecraft
CraftGPT — это небольшой языковой модель, предназначенный для работы в Minecraft, обученный на наборе данных TinyChat. Модель может выдавать не совсем корректные или нерелевантные ответы и имеет ограниченное окно контекста в 64 токена. Для оптимальной работы требуется MCHPRS, который использует механизмы редстоуна.
🚀Основные моменты:
- Работает в Minecraft с использованием редстоуна.
- Требует 32 ГБ ОЗУ для загрузки сервера.
- Может занять часы для генерации ответа.
- Рекомендуется тестировать ввод на эмуляторе.
- Ограниченная производительность и качество ответов.
📌 GitHub: https://github.com/sammyuri/craftgpt
@pythonl
#python
Python или не Python? Вот в чём вопрос… на обсуждение в формате круглого стола на Python-митапе от Авито! ☄
Вечером 27 октября вас ждут в офисе на Лесной, чтобы обсудить:
➡ кейс оптимизации GC в Python от Саши Федосеева, backend-инженера из команды Main Page Tech Авито;
➡ как mypy укрощает Python в большой компании вместе с Сергеем Яхницким из Яндекса.
После докладов, как и сказали выше, вместе с участниками спикеры обсудят, подходит ли Python для запуска больших нагруженных решений в формате круглого стола.
Для тех, кто не успевает вырваться из офиса или дома, будет онлайн-трансляция.
Так что не откладывайте, регистрируйтесь и зовите коллег — все подробности по ссылке.