58174
Всё самое интересное из мира Python Связь: @devmangx РКН: https://clck.ru/3GMMF6
Изучай алгоритмы computer science наглядно
Этот онлайн-инструмент помогает разобраться с широким спектром алгоритмов через интерактивные визуализации.
Пошагово проходи выполнение каждого алгоритма, наблюдай, как изменяются структуры данных, и понимай логику каждой операции. 😑
👉 @PythonPortal
OpenAI выпустила Atlas новый браузер с искусственным интеллектом, который умеет запоминать контекст и работает в Agent Mode.
Что известно:
Atlas полностью интегрирован с ChatGPT и использует ChatGPT Search под капотом.
В Agent Mode браузер может сам ходить по сайтам, кликать, искать и выполнять действия.
Можно открывать неограниченное число вкладок с агентами — каждый живёт своей жизнью и решает отдельные задачи.
Atlas уже доступен для пользователей Free, Plus, Pro, Go и Business по всему миру.
Пользователи Enterprise и Education могут получить доступ к бете, если админ включит её. Также в разработке версии для Windows, iOS и Android.
Скачать можно на chatgpt.com/atlas
Надеемся, что пользователи Windows скоро тоже смогут оценить этот новый браузер в деле. 😎
👉 @PythonPortal
Совет по чистому коду в Python:
Избегай наивных datetime-объектов — всегда используй те, что учитывают часовой пояс.
Работай с ними в UTC, а пользователю показывай только в его локальной таймзоне.
import datetime
from zoneinfo import ZoneInfo
# BAD
now = datetime.datetime.now()
print(now.isoformat())
# 2025-10-21T15:03:07.332217
# GOOD
now = datetime.datetime.now(tz=ZoneInfo("UTC"))
print(now.isoformat())
# 2025-10-21T12:04:22.573590+00:00
print(now.astimezone().isoformat())
# 2025-10-21T15:04:22.573590+03:00
Пока дебажишь чужой код, мир начинает играть новыми красками
👉 @PythonPortal
Бесплатный курс от MIT для начинающих по основам компьютерных наук. В этих классических лекциях разбираются такие концепции, как дизайн языков программирования, абстракция и рекурсия: https://bit.ly/46zVDEy
👉 @PythonPortal
Python митап от Авито 27 октября в Москве! ☄
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
Как работать с requirements.txt и не запутаться в зависимостях
Когда Python-проект разрастается, в нём появляется десятки библиотек. Чтобы не ставить их вручную и не ломать окружение, используется файл requirements.txt - список всех зависимостей проекта.
Чтобы сохранить список установленных библиотек, достаточно одной команды:
pip freeze > requirements.txt
pip install -r requirements.txt
numpy==1.21.0 # строгая версия
pandas>=1.3.0 # версия не ниже указанной
requests # установится последняя
# Основные зависимости
numpy==1.21.0
pandas>=1.3.0
# Для тестов
pytest
# requirements.txt
-r base.txt
-r dev.txt
pip install -r requirements.txt -c constraints.txt
numpy==1.21.0
pandas
pandas<=1.3.5
requirements-dev.txt # разработка
requirements-test.txt # тесты
requirements-prod.txt # продакшен
pip install -r requirements-dev.txt
pip install --upgrade -r requirements.txt
python -m venv venv
source venv/bin/activate # macOS/Linux
venv\Scripts\activate # Windows
pip install -r requirements.txt
Stack Overflow не умер, он делает мощный камбэк
Да, наш любимый Stack Overflow, где мы все когда-то искали ответы на «почему не работает мой код», снова в игре. Они запустили Stack Overflow AI
На первый взгляд это может напоминать ChatGPT или другие AI-инструменты, но ключевое отличие в том, что он работает на базе огромной базы знаний разработчиков, которую Stack Overflow собирал годами
Похоже, Stack Overflow снова нашёл способ быть незаменимым. 🩷
👉 @PythonPortal
Чёрт, не верится, что этот инструмент бесплатный и с открытым исходником 🤯
Идеальный конвертер файлов: без ограничений по размеру, без рекламы и полностью open source.
- Конвертирует изображения, видео, документы и многое другое
- Быстрый и простой в использовании
- Поддерживает кучу форматов
- Без регистрации и прочей ерунды
Обязательная штука для разработчиков, дизайнеров, контент-мейкеров, короче, для всех, кто работает с файлами :)
👉 @PythonPortal
Не программируй больше в одиночку в VS Code. Это расширение добавит питомцев прямо в твой редактор
Забираем здесь. GitHub тут
👉 @PythonPortal
Принес годноту: свежие доклады по аналитике
Чуть контекста:
20 сентября в Москве прошла Data Driven - ежегодная конфа для аналитиков от Поиска и Рекламных технологий Яндекса.
Мертвый интернет - больше не просто теория
👉 @PythonPortal
Вышел PyTorch 2.9, обновление с упором на производительность, переносимость и удобство для разработчиков
Свежая версия приносит стабильный libtorch ABI для C++/CUDA-расширений, симметричную память для multi-GPU ядер, расширенную поддержку wheel-пакетов под ROCm, XPU и CUDA 13, а также улучшения для платформ Intel, Arm и x86.
В релизе — 3216 коммитов от 452 контрибьюторов, и PyTorch 2.9 продолжает развивать экосистему open source AI по всему миру.
Полный разбор: https://hubs.la/Q03NNKqW0
👉 @PythonPortal
Ни одно Python-сообщество раньше не принимало новый инструмент так быстро, как uv. 👀
Скорее всего, uv это лучший инструмент для Python за последние несколько лет.
Если ты им ещё не пользуешься, отложи всё и посмотри, что это такое.
А если уже пользуешься => глянь на прикреплённый читщит, там есть полезные штуки.
👉 @PythonPortal
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!
Бесплатная халява в Steam
Забираем Upload Labs — симулятор программиста, где тебе предстоит спасти Вселенную от тепловой смерти, создав идеальную компьютерную систему. 🤣
Готовься к настоящему испытанию мозга, ведь придётся писать код, оптимизировать ресурсы и заставлять всё работать как часы.
Забираем: стим
👉 @PythonPortal
Вот трюк для оптимизации нейросетки, который даёт примерно 4x ускорение при передаче данных с CPU на GPU.
Представим задачу классификации изображений.
Определяем модель, загружаем и преобразуем данные.
В цикле обучения передаём данные на GPU и тренируем сеть.
В чём проблема:
Если заглянуть в профайлер,
- большая часть ресурсов уходит на ядро (то есть на само обучение),
- но заметное время тратится и на передачу данных с CPU на GPU (cudaMemcpyAsync).
Сократить это просто.
Изначально датасет состоит из пикселей в виде 8-битных целых чисел. Мы преобразуем их в 32-битные float’ы.
А потом именно эти float-тензоры гоняем на GPU. В итоге данных стало в 4 раза больше, а значит, и передача тяжелее.
Решение:
Сдвинуть шаг преобразования после передачи. То есть сначала передаём 8-битные int’ы, а уже на GPU конвертируем их в float.
В результате шаг передачи данных заметно ускорится.
Конечно, это работает не везде, например, в NLP мы изначально имеем дело с float-эмбеддингами.
Но в случаях, где это применимо, ускорение получается очень ощутимым.
👉 @PythonPortal
Визуальное объяснение интеграла
👉 @PythonPortal
Разработчик представил собственный open-source клон NotebookLM, который способен обрабатывать мультимодальные данные, собирать знания из разных источников и даже генерировать подкасты.
По словам автора, цель проекта не повторить оригинал, а разобраться, как работают современные инструменты для обучения и исследований, реализовав их шаг за шагом.
Функциональность впечатляет:
- обработка текста, аудио, видео, ссылок и роликов с YouTube;
- создание единой базы знаний и поиск по ней через RAG;
- система памяти, запоминающая диалоги и предпочтения пользователя;
- генерация подкастов с помощью локальной модели синтеза речи.
Весь проект полностью открытый и доступен на GitHub, а сборка работает локально, без облачных зависимостей.
👉 @PythonPortal
Художник показал эволюцию глубокого обучения в честь Нобелевской премии Джеффри Хинтона
В сети появилась анимация “Evolution of Deep Learning by Hand” - творческая работа, посвящённая ключевым идеям, которые Джеффри Хинтон внёс в развитие глубокого обучения. Автор вручную нарисовал эволюцию концепций, лежащих в основе современных нейросетей, в знак признания вклада Хинтона, недавно удостоенного Нобелевской премии.
👉 @PythonPortal
Совет по Python:
Кортежи - неизменяемые, то есть их нельзя менять.
Точнее говоря, сам кортеж - его длина и ссылки на объекты не могут изменяться.
Но если внутри кортежа лежит ссылка на изменяемый объект, этот объект можно менять.
>>> a = (10, ["S","u","m","m","e" ,"r"], "abc")
>>> a[1] = ["S","u","m","m","e" ,"r", "Mode"]
TypeError: 'tuple' object does not support item assignment
>>> a[1].append("Mode")
>>> a
(10, ['S', 'u', 'm', 'm', 'e', 'r', 'Mode'], 'abc')
Роадмап по AI Engineering, которому реально могут следовать новички. Всё построено на 100% бесплатных, опенсорс и комьюнити-ресурсах
Все ресурсы можно найти здесь: GitHub
👉 @PythonPortal
Многие зевают на теме косинуса, думая, что это скучная тригонометрия.
Но на деле именно косинус лежит в основе того, как работают векторные базы данных.
Короткий разбор — byhand.ai/vecdb
Косинус это угол между векторами.
Cosine similarity способ сравнивать эмбеддинги.
Векторная база ищет наиболее релевантный кусок, измеряя, какие векторы направлены одинаково.
Вот она, та самая математика, на которой держатся поиск, RAG и агенты.
👉 @PythonPortal
Нужно поймать и IndexError, и KeyError?
Просто используй их общего родителя — LookupError
try:
db_host = config['db'][0]['hosts'][0][0]
except LookupError: # ловит оба варианта
db_host = 'localhost'
Джун, который уже второй день воюет с единственным багом, что я ему поручил 😅
👉 @PythonPortal