58174
Всё самое интересное из мира Python Связь: @devmangx РКН: https://clck.ru/3GMMF6
💻 Пост для тех, кто пишет, дебажит и страдает.
ChatGPT, Cursor, Gemini, Perplexity, Claude — вся эта команда уже готова чинить твой код, пока ты споришь с тимлидом о нейминге переменной.
Генерят тесты, ловят баги, подсказывают архитектуру и даже пишут доку, если руки не доходят (а они никогда не доходят).
Оформить подписку можно через Kupikod — быстро, в рублях и без плясок с зарубежными картами:
✅ низкие цены,
✅ быстрая доставка,
✅ безопасное пополнение,
✅ без боли.
🎁 Промокод PORTAL — на скидку, чтобы оставалось на кофе.
➡️ Залетай и прокачай свой скилл
😑 alphaXiv Labs выкатили Tensor Trace, это интерактивная 3D-визуализацию работы трансформера
Сервис позволяет заглянуть внутрь моделей вроде LLaMA: увидеть каждый тензор, операцию и весь путь данных. Кликаешь на компонент и получаешь соответствующий кусок кода, который за это отвечает. Максимальная наглядность для тех, кому мало схем на картинках.
Ссылка для изучения: https://www.alphaxiv.org/labs/tensor-trace
👉 @PythonPortal
Если тебе кажется, что у тебя стрёмное портфолио, просто вспомни: у создателя Python оно тоже такое, и он всё равно лучший.
👉 @PythonPortal
8 метрик, без которых не обойтись в регрессии
Если строишь модели для предсказания чисел и неважно, цены, спроса или температуры, вот базовый набор метрик, который стоит знать наизусть: MSE, MAE, RMSE, MAPE, R², Weighted MAPE, Symmetric MAPE и RMSLE.
Каждая по-своему показывает, насколько далеко твои предсказания от реальности. Одни чувствительны к выбросам, другие к масштабу, а некоторые нормализуют ошибку, чтобы можно было сравнивать разные модели.
Хорошая шпаргалка, чтобы быстро вспомнить формулы и не путаться, какая метрика когда уместна.
👉 @PythonPortal
PyTorch представили Monarch (новый фреймворк для распределённых вычислений)
Он делает работу с кластерами почти такой же простой, как запуск обычного Python-скрипта. Вместо старого SPMD-подхода теперь всё управляется одной программой, которая координирует тысячи GPU как единую систему.
Процессы объединяются в структуры, похожие на массивы, отказоустойчивость решается через обычный try/except, а данные передаются напрямую между GPU по RDMA. Распределённые тензоры выглядят и ведут себя как локальные. Monarch легко интегрируется с VERL, TorchForge и Lightning AI, так что обучать и отлаживать большие модели можно прямо из Jupyter.
В итоге кластер ощущается как одна машина, а распределённые вычисления как обычный Python-код. 🦝
👉 @PythonPortal
Отличная опенсорсная альтернатива Postman
Называется Yaak, и работает просто волшебно. Когда недавно Postman лёг из-за проблем с AWS, то Yaak реально выручил.
UI у него суперчистый и минималистичный, всё выглядит аккуратно и приятно в использовании.
Определённо подойдет для любого разработчика, который работает с API ✌️
👉 @PythonPortal
Серия Python + Generative AI от Azure AI Foundry завершилась, но все материалы открыты
Теперь можно спокойно пересмотреть записи, скачать слайды и попробовать код из каждой сессии — от LLM и RAG до AI-агентов и MCP.
Все ресурсы здесь: aka.ms/pythonai/resources
👉 @PythonPortal
Наконец-то! Инструмент Text-to-SQL, который реально работает! 😎
Vanna это open-source фреймворк RAG для сложной генерации Text-to-SQL. Он умеет работать с динамическими данными и поддерживает кастомное обучение RAG-модели для повышения точности.
Полностью open-source
👉 @PythonPortal
В Python можно распаковывать последовательности с помощью *, чтобы работать с переменным количеством элементов. При этом * можно ставить в любом месте и он соберёт все лишние элементы в отдельную переменную.
a, b, c = 10, 2, 3 # Стандартная распаковка
a, *b = 10, 2, 3 # b = [2, 3]
a, *b, c = 10, 2, 3, 4 # b = [2, 3]
*a, b, c = 10, 2, 3, 4 # a = [10, 2]
Компания JetBrains на днях выпустила отчёт о состоянии экосистемы разработчиков в 2025 году. В нем приняли участие 24 534 разработчика из 194 стран
Некоторые выводы:
Наиболее используемый язык - Python
TypeScript демонстрирует самый впечатляющий рост в реальном использовании за последние пять лет. Rust, Go и Kotlin тоже постепенно укрепляют свои позиции, хотя их успехи не столь заметны, как у TypeScript.
А PHP, Ruby и Objective-C продолжают уверенно терять популярность.
Индекс Language Promise от JetBrains оценивает языки по трём критериям: рост, стабильность и готовность разработчиков их осваивать. Согласно этому индексу, в 2025 году наибольший потенциал роста демонстрируют TypeScript, Rust и Go, тогда как JavaScript, PHP и SQL, судя по всему, достигли стадии зрелости.
Список самых высокооплачиваемых разработчиков возглавлавила Scala — 38%, хотя этот язык является основным всего у 2% специалистов. Похоже, сказывается узкая специализация
👉 @PythonPortal
Визуализируй большие векторные данные в Python — БЫСТРО!
Надоели медленные и громоздкие инструменты для визуализации больших векторных датасетов в Python?
Открой для себя этот однострочный трюк с Leafmap + DuckDB, который позволяет мгновенно отрисовывать огромные векторные наборы данных, даже размером в гигабайты - прямо в Jupyter Notebook.
В этом видео ты узнаешь, как:
Без труда визуализировать миллионы векторных объектов
Использовать Leafmap + DuckDB для динамической выдачи векторных тайлов
Работать с GeoParquet, GeoPackage, данными из облака и не только
Создавать полностью интерактивные карты — без вылетов браузера
Пример ноутбука: https://leafmap.org/maplibre/duckdb_layer
👉 @PythonPortal
Пожалуй, один из лучших способов 😬
👉 @PythonPortal
Совет по Python:
Не стоит делать pip freeze > requirements.txt.
Иначе в файле окажется куча зависимостей, которые ты сам не ставил и вообще не понимаешь, зачем они нужны.
Лучше добавляй нужные пакеты вручную в requirements.txt.
Сравни два подхода:
Ручное добавление зависимостей:
Django==5.0.4
pytest==8.1.1
pytest-cov==5.0.0
Результат pip freeze:
asgiref==3.8.1
coverage==7.4.4
Django==5.0.4
iniconfig==2.0.0
packaging==24.0
pluggy==1.5.0
pytest==8.1.1
pytest-cov==5.0.0
pytest-cover==3.0.0
pytest-coverage==0.0
sqlparse==0.5.0
👉 @PythonPortal
Находи профиль человека на 1000+ сайтах
Открытый инструмент Social Analyzer на GitHub реально МЁД.
Вводишь один юзернейм, и он автоматически пробегается по тысяче с лишним соцсетей, вытаскивая все профили этого пользователя.
Он ещё и данные парсит для нормальной аналитики, умеет сверять несколько аккаунтов между собой и строить визуальные графы связей. 😏
👉 @PythonPortal
Учёные снова нашли, как удивить мир технологий. На этот раз под прицел попали грибы. Да-да, обычные шампиньоны и шиитаке превратили в живые микрочипы памяти.
Исследователи взяли мицелий и научились через него гонять и хранить электрические сигналы. Получились такие себе органические мемристоры. Работают они не где-нибудь там в теории, а на частотах до 5,85 кГц. Переключаются между состояниями примерно с 90-процентной точностью. Для живого организма вообще огонь.
Если дело пойдёт дальше, однажды можно будет собрать системник, который нужно не охлаждать, а… поливать. ПК на грибах, уже не просто мем, а крадущийся хай-тек.
👉 @PythonPortal
Совет Django:
Перед деплоем запусти python manage.py check --deploy, чтобы поймать критические ошибки в настройках, например, отсутствие ALLOWED_HOSTS. Эта команда помогает убедиться, что приложение настроено безопасно для продакшена.
В нашем примере система проверила проект и нашла несколько проблем:
🔸(security.W004) Не задано значение для SECURE_HSTS_SECONDS.
Если сайт работает только по HTTPS, стоит включить HSTS, чтобы браузеры всегда использовали защищённое соединение. Но настрой перед этим внимательно, ведь неправильное использование может привести к серьёзным проблемам.
🔸(security.W008) Параметр SECURE_SSL_REDIRECT не установлен в True.
Если весь трафик должен идти через HTTPS, задай SECURE_SSL_REDIRECT = True или настрой редирект через балансировщик/прокси.
🔸(security.W009) SECRET_KEY короче 50 символов, содержит меньше 5 уникальных символов или начинается с 'django-insecure-'.
Это значит, что ключ был сгенерен Django по умолчанию. Создай новый случайный длинный ключ, иначе часть встроенных механизмов безопасности можно будет обойти.
🔸(security.W012) SESSION_COOKIE_SECURE не установлен в True.
Без этой настройки cookie сессии могут быть перехвачены при обычном HTTP-трафике.
🔸(security.W016) В MIDDLEWARE есть 'django.middleware.csrf.CsrfViewMiddleware', но не включен CSRF_COOKIE_SECURE.
Установи CSRF_COOKIE_SECURE = True, чтобы защитить CSRF-токен от утечек через незашифрованное соединение.
🔸(security.W018) В продакшене нельзя держать DEBUG = True.
Отключи отладку перед деплоем.
🔸(security.W020) ALLOWED_HOSTS не должен быть пустым.
Добавь в список домены, с которых разрешено обращаться к приложению.
Обычно анализ данных - от чистки и исследования до моделирования, визуализации и написания отчётов отнимает кучу времени. Особенно когда приходится возиться с кучей файлов разных форматов. Это тот ещё гемор.
К счастью, я наткнулся на опенсорсный проект DeepAnalyze, который позволяет ИИ полностью самостоятельно пройти весь цикл data science, реально без участия человека.
Он построен на DeepSeek-R1 и использует подход curriculum learning при обучении. Поддерживает весь пайплайн: подготовку данных, анализ, моделирование, визуализацию и генерацию отчётов.
Инструмент умеет работать с разными типами данных ( базы данных, CSV, Excel, JSON, XML ) и в итоге генерирует профессиональные исследовательские отчёты. ⌨️
👉 @PythonPortal
Огромный набор из 17 лучших GitHub-репозиториев для изучения Python
1. 30-Days-Of-Python — 30-дневный Python-челлендж с основами языка.
2. Python Basics — простые и понятные основы Python для новичков.
3. Learn Python — справочник по темам с примерами и кодом.
4. Python Guide — лучшие практики, инструменты и продвинутые темы.
5. Learn Python 3 — понятное руководство по Python 3 с практикой.
6. Python Programming Exercises — 100+ задач по Python.
7. Coding Problems — алгоритмические задачи, идеальны для подготовки к собесам.
8. Project-Based-Learning — изучай Python через реальные проекты.
9. Projects — идеи для практических проектов и прокачки навыков.
10. 100-Days-Of-ML-Code — пошаговый гайд по Machine Learning на Python.
11. TheAlgorithms/Python — огромная коллекция алгоритмов на Python.
12. Amazing-Python-Scripts — полезные скрипты от автоматизации до продвинутых утилит.
13. Geekcomputers/Python — сборник практических скриптов: сеть, файлы, автоматизация.
14. Materials — код, упражнения и проекты из Real Python.
15. Awesome Python — топ-список лучших фреймворков и библиотек.
16. 30-Seconds-of-Python — короткие сниппеты для быстрых решений.
17. Python Reference — лайфхаки, туториалы и полезные скрипты.
Надо собирать данные с сайтов, но пользоваться готовыми облачными сервисами неудобно 🎧
Платно, сложно контролировать обход блокировок и не всегда понятно, что делается с данными. Вся эта история быстро превращается в чёрт пойми что
Случайно наткнулся на ScrapFly Scrapers, это опенсорсный набор Python-скрейперов под ~40 популярных сайтов (Amazon, eBay, TikTok и др.). Код асинхронный, работает через ScrapFly API, использует parsel и пригоден как учебная база или старт для своих парсеров.
Проект позиционируется как учебный, тоесть можно быстро посмотреть архитектуру и взять рабочие примеры, но перед реальным запуском стоит проверить юридические и этические моменты.
👉 @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
Годы юзал Chrome и только сегодня узнал об этом 😅
Вводишь в адресную строку: chrome://chrome-urls — открывается список всех внутренних страниц браузера - от отладочных тулзов до экспериментальных фич.
Полезные штуки, которые там можно найти:
- chrome://flags → скрытые настройки
- chrome://gpu → информация о работе GPU
- chrome://net-export → отладка сети
Ставьте лайк, если тоже не знали, посмотрим сколько нас
👉 @PythonPortal
Самостоятельные курсы по программированию для школьников от Яндекс Лицея
Убрали дедлайны, отборы и преподавателей, чтобы вы смогли в комфортном темпе проходить материал. Сейчас доступны курсы по Go, С++ и фронтенд-разработке.
Эти курсы помогут понять, нравится вам кодить или нет, подготовиться к экзаменам, контрольным по информатике. Можно сказать, что это замена репетитора для более детального изучения тем.
👉 Регистрируемся и начинаем обучение здесь
Эксперимент: диффузионная текстовая модель на 11 млн параметров
Разработчик тестирует миниатюрную символьную диффузионную модель (всего 11M параметров), основанную на переработанной версии nanochat GPT. Вместо классического авторегрессионного декодирования используется диффузионный подход, а обучается модель на датасете Tiny Shakespeare.
В процессе экспериментов исследуются разные стратегии маскирования токенов. Простая схема с равномерной вероятностью уступает новым методам, где маскирование идёт блоками слева направо = это повышает качество вывода и даёт возможность частично переиспользовать KVCache.
Самое интересное, автор попробовал применять маскирование по правилам «Игры жизни» Конвея, и это дало неожиданные, но визуально захватывающие результаты.
Он предполагает, что подобные нестандартные схемы маскирования могут привести к новым эффектам и улучшениям в генерации текста.
Эксперимент ещё в работе, но уже выглядит как увлекательное направление для развития текстовых диффузионных моделей.
👉 @PythonPortal