58174
Всё самое интересное из мира Python Связь: @devmangx РКН: https://clck.ru/3GMMF6
Тем временем: китаец сделал мусорку с авто-наведением на бросок 😰
👉 @PythonPortal
Сделай идеальное резюме, не возясь с шаблонами.
Пишешь контент в YAML и генерируешь PDF.
Проект называется RenderCV, он с открытым исходным кодом
👉 @PythonPortal
ML-инженерам: NVIDIA выпустила гайд для новичков по fine-tuning LLM с помощью Unsloth.
В гайде разбирают:
- методы обучения: LoRA, FFT, RL
- когда и зачем делать fine-tuning, реальные use-case’ы
- сколько данных и VRAM требуется
- как обучать локально на DGX Spark, RTX-видеокартах и не только
Гайд: https://blogs.nvidia.com/blog/rtx-ai-garage-fine-tuning-unsloth-dgx-spark/
👉 @PythonPortal
NZT существует.
В фильме «Области тьмы»
герой выпивает NZT — и за день
становится трейдером,
мастером кунг-фу и полиглотом.
Дело не в таблетке.
А в состоянии.
Химия не нужна.
Когда ум чист,
внимание собрано,
и сомнений нет —
ты уже на NZT.
Ты замечаешь всё.
Действуешь без разрывов.
И мир отвечает тебе.
Как включить режим NZT?
Подписывайся на Мэверика.
• входи в состояние
всё «получается само».
• мгновенно принимай
лучшие решения.
• считывай сложные связи
там, где все видят хаос.
• управляй фокусом
и вероятностями событий.
Твоя таблетка NZT.
👇
Мэверик.
Ясность. Точность.
ㅤ
Проекты на PyTorch
Плейлист, который помогает изучать PyTorch через работу над продвинутыми проектами.
👉 @PythonPortal
«Да, я программист, как ты догадался?»
Как он стоит:
👉 @PythonPortal
ИТ-специалисты, слушающие, как не-ИТ-специалисты говорят о компьютерах
👉 @PythonPortal
А что если можно ускорить Python в 37 раз одной строкой кода?
Медленные Python-функции в больших кодовых базах страшно оптимизировать. Можно попробовать Numba или Cython, но Numba в основном работает только с числовым кодом и NumPy-массивами.
Можно пойти в Cython, но там нужны .pyx-файлы, аннотации типов и сборка. По факту это часы рефакторинга, прежде чем ты вообще увидишь прирост. 😬
Codon решает это одной строкой: декоратор codon.jit компилирует твой Python прямо в машинный код.
Ключевые плюсы:
• Работает с любым Python-кодом, не только с NumPy
• Аннотации типов не нужны, типы выводятся автоматически
• Скомпилированные функции кэшируются и потом вызываются мгновенно
• Никаких изменений в коде, кроме добавления декоратора
Выше реальные замеры производительности:
• Чистый Python: 0.240 с
• Первый вызов Codon: 0.324 с (разовая компиляция)
• Повторные вызовы Codon: 0.006 с (ускорение в 37 раз)
Ссылка на репозиторий: https://bit.ly/4q8SW3q
Запустите этот код: https://bit.ly/492cz6D
👉 @PythonPortal
Copilot в Excel — это глобальный финансовый кризис, который просто ждёт своего часа.
👉 @PythonPortal
AWS снова отличились.
Недавно они представили новый подход, который по-настоящему меняет то, как разработчики строят агентные пайплайны.
Проблема в том, что большинство агентных фреймворков до сих пор заставляют захардкоживать workflow, деревья решений и сценарии отказов.
Это работает ровно до тех пор, пока агент не сталкивается с ситуацией, которую ты не предусмотрел.
Strands Agents от AWS идут другим путём.
Вместо переусложнённой оркестрации они опираются на способности современных моделей к рассуждению и позволяют модели самой вести workflow.
Ты:
- задаёшь цель,
- предоставляешь инструменты,
- и позволяешь агенту самому понять, как к этой цели прийти.
С точки зрения реализации всё максимально просто » нужно определить всего три вещи:
1. LLM,
2. инструменты,
3. задачу.
И всё. Дальше агентный цикл берёт управление на себя.
При запуске модель сама решает:
- нужен ли инструмент,
- какой именно,
- как сформировать входные данные,
- и когда остановиться.
Вся логика » model-driven.
То есть вместо правил вида «если математика — зови калькулятор» или «если API упал — делай retry», модель динамически планирует шаги и выполняет их сама.
Workflow формируется во время выполнения, исходя из цели и доступных инструментов.
Выше в видео показано конкретный, прикладной пример.
Это агент на базе MCP, который умеет создавать видео в стиле 3Blue1Brown по одному простому промпту.
Сетап был минимальный:
- MCP-сервер с инструментом для запуска Manim-скриптов,
- затем описал агента с этими инструментами. Без системных промптов и без правил workflow.
Дальше модель сама:
- спланировала шаги,
- сгенерировала сцену Manim,
- и автономно вызвала нужный инструмент.
Даже минимальная конфигурация уже даёт удивительно высокий уровень возможностей. А по мере добавления лучших инструментов или моделей агент становится сильнее сам по себе - без переписывания workflow.
Фреймворк полностью open source и работает с любым локальным сетапом. 📖
👉 @PythonPortal
С радостью объявляю: freeCodeCamp запустили новую сертификацию по Python 🐍
» Изучение баз программирования
» Разработка проектов
» Финальный экзамен
» Получение сертификата
Всё проходит прямо в браузере, без установки. Это один из шести сертификатов в версии 10 учебной программы Full Stack Developer.
Полный анонс с подробным FAQ о сертификате, курсе и экзаменах
👉 @PythonPortal
А что если бы GitHub перед запросом ревью заставлял пройти короткий квиз по твоему PR, чтобы убедиться, что ты вообще понимаешь, что в нём есть? А если не понимаешь…
👉 @PythonPortal
Автоматизируем праздничные открытки одним Python-скриптом: вытаскиваем адрес из таблицы, валидируем и приводим к формату по данным USPS, генерим SVG-конверт и отправляем на плоттер.
👉 @PythonPortal
Этот GitHub-репозиторий — не свалка туториалов.
Внутри 28 продакшен-готовых AI-проектов, которые можно использовать.
Что там есть:
Проекты по машинному обучению
→ Прогноз цен на Airbnb
→ Калькулятор стоимости авиабилетов
→ Трекер успеваемости студентов
AI для медицины
→ Детекция заболеваний грудной клетки
→ Предсказание сердечных заболеваний
→ Анализ риска диабета
Генеративные AI-приложения
→ Живой чат-бот на Gemini
→ Рабочий медицинский ассистент
→ Инструмент анализа документов
Проекты по компьютерному зрению
→ Система трекинга рук
→ Приложение для распознавания лекарств
→ Реализации на OpenCV
Дашборды для анализа данных
→ Аналитика e-commerce
→ Аналитика ресторанов
→ Трекер статистики по крикету
И ещё 10 продвинутых проектов скоро:
→ Детекция дипфейков
→ Классификация опухолей мозга
→ Система оповещения о сонливости водителя
Это не просто набор файлов с кодом.
Это end-to-end рабочие приложения.
Посмотреть репозиторий 😲
👉 @PythonPortal
В Source Control в VS Code теперь отображаются Git stash’и
Скрытые stash’и наконец-то стали нормально управляемыми.😁
👉 @PythonPortal
AI-компании фиксируют, что около 300 ТБ музыки было публично «заархивировано».
👉 @PythonPortal
Извлечение структурированных данных из анкет пациентов с помощью DSPy и CocoIndex.
Получай чистые, типизированные структурированные данные прямо из PDF с валидацией через Pydantic.
Читать гид: начать
👉 @PythonPortal
1 грамм микросхемы RAM стоит дороже, чем 1 грамм 16-каратного золота.
👉 @PythonPortal
Игра "Tennis for Two", созданная в 1958 году физиком Уильямом Хигинботэмом , которую часто называют первой видеоигрой, в которой для интерактивного игрового процесса использовался осциллограф
👉 @PythonPortal
Превратите любой авторегресcивный LLM в диффузионную языковую модель.
dLLM — это Python-библиотека, которая объединяет обучение и оценку diffusion-LM.
С её помощью можно превратить любой авторегресcивный LLM в diffusion-LM с минимальными вычислительными затратами.
Проект полностью open source. 👌
Почему это важно:
Классические авторегресcивные модели генерируют текст слева направо, по одному токену за раз.
Диффузионные модели работают иначе » они итеративно уточняют всю последовательность целиком.
В итоге:
- больше контроля над качеством генерации
- гибкое редактирование текста
- меньше ограничений, связанных с порядком генерации
👉 @PythonPortal
Python-совет:
Shallow copy (copy.copy()) копирует сам объект, но не его вложенные элементы.
Deep copy (copy.deepcopy()) копирует и объект, и все вложенные структуры.
Поэтому при shallow copy изменения во вложенных элементах отражаются на оригинале, а при deep copy — нет.
👉 @PythonPortal
Атакующие (adversarial) атаки на vision-language-action модели.
👉 @PythonPortal
Astral анонсировала Beta-релиз ty - новый type чекер и языковой сервер для Python, написанный на Rust. Инструмент уже полностью используется внутри компании и теперь рекомендован для продвинутых и мотивированных пользователей.
По заявлению команды, ty в 10–100 раз быстрее существующих Python-type чекеров и LSP. Ключевая причина » архитектура, изначально спроектированная под инкрементальные обновления и работу в редакторе или долгоживущих процессах.
На практике это выглядит так: при редактировании критичного файла в крупном проекте вроде PyTorch ty способен пересчитать диагностику для всего проекта за несколько миллисекунд, а не только для изменённого файла.
Цель ty » не просто скорость. Проект нацелен на создание более качественного type чекера, который сочетает строгую корректность с фокусом на пользовательский опыт. Для этого ty развивает Python type checking дальше текущего состояния экосистемы и уже поддерживает:
- типы пересечений первого класса (intersection types),
- продвинутое сужение типов,
- анализ достижимости кода.
Отдельное внимание уделено диагностике. Система сообщений об ошибках вдохновлена компилятором Rust: одна диагностика ty может использовать контекст сразу из нескольких файлов и объяснять не только саму ошибку, но и её причину и возможный способ исправления.
ty разрабатывается основной командой Astral и десятками контрибьюторов под лицензией MIT. Инструмент доступен везде, где пишут Python, включая редакторы с LSP. Установка:
uv tool install ty@latest
К слову: хостить Minecraft-сервер на телефоне за $25 реально работает.
👉 @PythonPortal
Карта Python
PyAtlas это опенсорсный проект, который строит интерактивную 2D-карту примерно 10 000 самых популярных пакетов PyPI.
Пакеты размещаются рядом, если у них похожие описания (через эмбеддинги и кластеризацию), так проще находить аналоги и смежные библиотеки. По сути это визуализация экосистемы Python с веб-интерфейсом 😁
👉 @PythonPortal