pythonportal | Unsorted

Telegram-канал pythonportal - Python Portal

50319

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Subscribe to a channel

Python Portal

Некоторые разработчики считают, что Git хранит построчные различия между коммитами.

Но это не так.

При выполнении git commit Git сохраняет снимок состояния проекта, подготовленного к коммиту. Изменённые файлы становятся новыми объектами, которые идентифицируются по хешам и хранятся в объектной базе данных Git. Для файлов, которые не изменились, повторно используются уже существующие объекты.

А при выполнении git diff Git сравнивает снимки состояния проекта, чтобы определить, что изменилось.

Интересно, что впоследствии Git может сжимать похожие объекты, сохраняя между ними только различия в пакетных файлах (packfiles), чтобы экономить место.

Git отслеживает снимки состояния проекта, а различия между ними вычисляет по мере необходимости.

👉 @PythonPortal

Читать полностью…

Python Portal

👉 @PythonPortal

Читать полностью…

Python Portal

При разработке API для списания денег с кошелька, уменьшения товарных остатков или погашения купонов одна из самых трудноуловимых ошибок связана с двойным расходованием средств при конкурентных запросах (Double Spend).

В тестовой среде такие ошибки крайне сложно воспроизвести. Обычно разработчики запускают сотни потоков, одновременно отправляющих запросы к API, или добавляют в код задержки через sleep, надеясь случайно вызвать нужную последовательность событий.

В результате девять из десяти запусков тестов в CI могут завершиться успешно, но под высокой нагрузкой в продакшене возникает ситуация, когда средства списываются дважды или баланс уходит в минус.

На этой неделе в сообществе Rust представили инструмент с открытым исходным кодом PgLoom, который предлагает другой подход к тестированию конкурентных транзакций.

Авторы исходят из того, что ошибки конкурентного доступа к базе данных проявляются в порядке выполнения SQL-запросов. Поэтому вместо попыток случайно воспроизвести нужные условия PgLoom управляет последовательностью запросов на уровне прокси, работающего с сетевым протоколом PostgreSQL.

Для использования PgLoom не требуется менять ни строчки кода на Go, Python, Node.js или Rust. Достаточно направить подключение к тестовой базе данных через прокси PgLoom.

Инструмент автоматически определяет границы транзакций от BEGIN до COMMIT, выделяет запросы чтения и обновления данных из двух параллельных транзакций, а затем намеренно приостанавливает и пропускает сообщения протокола в заданном порядке.

Например, PgLoom может остановить транзакцию A сразу после выполнения SELECT, когда она уже убедилась, что на счёте достаточно средств, но ещё не успела отправить UPDATE. В этот момент инструмент пропускает всю последовательность операций списания из транзакции B.

Таким образом, можно целенаправленно воспроизводить ошибки, которые при обычном нагрузочном тестировании возникают лишь случайно.

По результатам испытаний PgLoom воспроизводит такие ошибки за 60 миллисекунд со стопроцентной повторяемостью.

Речь, в частности, об уязвимостях, связанных с уровнем изоляции Read Committed и отсутствием блокировки строк через FOR UPDATE. При традиционном нагрузочном тестировании на обнаружение подобных проблем могут уходить часы.

Кроме того, PgLoom показывает точную последовательность сообщений протокола, которая привела к нарушению согласованности данных.

https://github.com/Voskan/pgloom

👉 @PythonPortal

Читать полностью…

Python Portal

«Transformers: Attention and Token Dynamics» — бесплатный учебный материал университетского уровня, посвящённый математическим основам архитектуры Transformer.

В нём рассматриваются:
- Механизм self-attention.
- Запросы, ключи и значения.
- Масштабирование softmax.
- Многоголовое внимание.
- Позиционное кодирование.
- Блоки Transformer.
- Маскированное языковое моделирование.

Также материал охватывает динамику токенов, математические доказательства, теоремы о кластеризации, softmax с низкой температурой и современные механизмы внимания, применяемые в крупных моделях.

Материал рассчитан на читателей с базовой математической подготовкой. Для иллюстрации концепций используются примеры кода на Python.

Отличный ресурс для тех, кто хочет разобраться в математических основах современных языковых моделей.

Стоит прочитать и сохранить в закладки.

https://cml-fau.github.io/notebooks/15_transformers.html

👉 @PythonPortal

Читать полностью…

Python Portal

Harvard этой осенью проводит курс для аспирантов по безопасности ИИ, и список приглашённых специалистов впечатляет.

От OpenAI выступят главный научный сотрудник Якуб Пачоцки, сооснователь Джон Шульман, а также состоится сессия вопросов и ответов с Сэмом Альтманом.

От Anthropic — Николас Карлини и Джек Линдси.

В программе:
- RLHF и обучение с подкреплением для моделей, способных рассуждать;
- взлом функции вознаграждения, когда модели находят способы обмануть проверяющих;
- мониторинг цепочек рассуждений;
- интерпретируемость, то есть изучение внутреннего устройства моделей;
- кибернетические и биологические риски ИИ;
- выравнивание ИИ в ситуации, когда ИИ помогает создавать следующее поколение ИИ;
- спецификации моделей, открытые веса, регулирование и влияние ИИ на рынок труда.

Лекции можно бесплатно посмотреть на YouTube.

👉 @PythonPortal

Читать полностью…

Python Portal

Нужна карта для сайта? Этот проект с открытым исходным кодом предоставляет API для получения необходимых картографических тайлов.

Бесплатен для некоммерческих проектов. Его также можно развернуть на собственном сервере и использовать без ограничений.

https://github.com/protomaps/PMTiles

👉 @PythonPortal

Читать полностью…

Python Portal

Claude пишет более качественный код, когда может самостоятельно проверять результат своей работы. Проверки, которые раньше обходились дорого, например тесты, бенчмарки и сквозные прогоны, теперь стали значительно доступнее.

Вот как команда Claude Code подходит к проверке результатов работы модели:

https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/

👉 @PythonPortal

Читать полностью…

Python Portal

В 1966 году американский математик Пол Коэн получил Филдсовскую премию за доказательство независимости аксиомы выбора. Тогда пожилой Курт Гёдель, уже становившийся всё более подозрительным и замкнутым, заявил, что доказал этот результат ещё в 1940-х годах. Однако, когда коллеги попросили его предъявить доказательство, он перебрал множество своих черновиков, но так и не смог восстановить его.

Теперь эту загадку удалось разрешить с помощью Claude и системы формальной верификации Coq.

После смерти Гёделя осталось 1009 страниц плотных рукописных заметок, написанных на почти забытом немецком стенографическом письме Габельсбергера. Сегодня эту систему способны прочитать лишь шесть человек в мире.

Перед выходом на пенсию профессор Хельсинкского университета Ян фон Плато получил финансирование в размере 2,5 млн евро и кропотливо освоил эту стенографию. Однако даже специалистам удаётся расшифровывать лишь около 50 страниц в год. К тому же к моменту завершения работы они нередко уже забывают содержание первых страниц.

В августе этого года он передал Claude расшифрованный текст вместе с шестью математическими монографиями.

Результаты оказались впечатляющими:

- Масштабный анализ за несколько дней. Claude подготовил исследование объёмом 650 страниц. Человеку трудно удерживать в памяти связи между сотнями страниц и несколькими томами, тогда как модель смогла рассматривать все 1009 страниц как единую систему и находить взаимосвязи между ними.
- Разрешение загадки, длившейся 60 лет. Claude восстановил первоначальную структуру доказательства независимости аксиомы выбора, над которым работал Гёдель. Оказалось, что для завершения доказательства ему не хватало всего одного определения. Причём правильное определение уже содержалось в других заметках, написанных математиком двумя годами ранее. Восстановленное Claude доказательство передали в систему формальной верификации Coq, и оно успешно прошло проверку.
- 663 забытые теоремы возвращены к жизни. Claude извлёк из рукописей 663 теоремы. После проверки в Coq около 400 подтвердились без изменений, ещё 200 прошли проверку после добавления недостающих предпосылок. Ошибочными оказались лишь 50. Причём сам Гёдель ещё при жизни пометил их на полях словом falsch («неверно»), когда перечитывал свои записи.


Возможно, самое ценное применение больших языковых моделей в математике заключается не в том, чтобы самостоятельно придумывать новые гипотезы, а в том, чтобы объединять их с системами формальной верификации, такими как Coq и Lean. Вместе они способны восстанавливать незавершённые работы величайших математиков прошлого, затерянные среди тысяч страниц разрозненных рукописей.

👉 @PythonPortal

Читать полностью…

Python Portal

При разработке чата с ИИ больше всего времени может уходить вовсе не на интеграцию API большой языковой модели.

Основная сложность заключается в интерфейсе: сообщения, потоковая генерация ответов, подсветка синтаксиса кода, загрузка файлов и многое другое.

assistant-ui опубликовала в открытом доступе полный набор интерактивных компонентов для создания чат-интерфейсов в стиле ChatGPT.

Библиотека поддерживает OpenAI, Claude и Gemini, а также позволяет подключать ИИ-агентов на базе LangGraph.
GitHub:

https://github.com/assistant-ui/assistant-ui

👉 @PythonPortal

Читать полностью…

Python Portal

Доступна предварительная версия седьмого издания книги «Компьютерные сети. Системный подход» (Computer Networks: A Systems Approach).

https://7e.systemsapproach.org/

👉 @PythonPortal

Читать полностью…

Python Portal

Эти разработчики, похоже, выжали из процессора всё до последней капли производительности!

Для запуска модели на 284 миллиарда параметров больше не нужна видеокарта. Достаточно 64 ГБ оперативной памяти.

В мире больших языковых моделей появился невероятно мощный проект с открытым исходным кодом — synchopate/llama-modchip.

Раньше для запуска DeepSeek-V4 с её 284 миллиардами параметров требовалось как минимум несколько серверов с восемью GPU NVIDIA H100. Теперь разработчики предлагают совершенно иной подход: без дискретной видеокарты, на обычном домашнем процессоре и с 64 ГБ оперативной памяти можно разместить эту огромную модель и добиться высокой скорости генерации.

Mingzi сверил впечатляющие характеристики проекта с официальными результатами бенчмарков:

- Никаких GPU, только оперативная память. Дорогая видеокарта больше не нужна. Модель DeepSeek на 284 миллиарда параметров удалось сжать до 56,9 ГБ. Обычный компьютер с 64 ГБ оперативной памяти способен запустить её без обращения к файлу подкачки.

- Вполне пригодная для работы скорость на одном CPU. Благодаря оптимизации под векторные инструкции скорость генерации модели на 284 миллиарда параметров стабильно составляет 9–14 токенов в секунду. При использовании спекулятивного семплирования она достигает 25 токенов в секунду, а косинусное сходство сохраняется на уровне 99,15%.

- Модели на 30 миллиардов параметров работают ещё быстрее. MoE-модель такого размера занимает всего 13,3 ГБ. Её можно запустить даже на ноутбуке с 16 ГБ оперативной памяти. При этом скорость генерации исключительно на CPU достигает впечатляющих 111 токенов в секунду.

- Готовый набор инструментов. Проект включает веб-интерфейс в тёмной теме, не требующий дополнительных зависимостей, и интерфейс командной строки. Кроме того, предусмотрена нативная поддержка подключения в качестве локального бэкенда для Claude Code.

Однако есть два важных ограничения.

Во-первых, для запуска модели на 284 миллиарда параметров необходимы полноценные 64 ГБ физической оперативной памяти. При меньшем объёме система начнёт активно использовать файл подкачки, что может привести к зависаниям.

Во-вторых, проект работает на специально модифицированной версии llama.cpp. Стандартная версия Ollama не распознаёт используемый формат квантования, поэтому запускать модель необходимо через скрипт, входящий в комплект проекта.

https://github.com/synchopate/llama-modchip

👉 @PythonPortal

Читать полностью…

Python Portal

Это материалы всего за один месяц курса CS8803 в Технологическом институте Джорджии.

Подробный разбор эмбеддингов, рассуждений и выравнивания моделей, архитектуры ИИ-агентов и работы с длинным контекстом. Всё подкреплено научными публикациями.

Невероятно ценные материалы, причём все они находятся в открытом доступе:

https://cocoxu.github.io/CS8803-LLM-spring2026/

👉 @PythonPortal

Читать полностью…

Python Portal

ChatGPT обучается с помощью формулы, которую придумали ещё в 1847 году для расчёта орбит планет.

w ← w − η∇L

Это градиентный спуск, без которого не существовало бы ни одной современной нейросети.

Его придумали не в OpenAI и не в Google, а во Франции почти 180 лет назад, когда математик Огюстен Луи Коши искал более быстрый способ рассчитывать движение небесных тел.

Представьте, что вы стоите на горе, окутанной густым туманом. Подножия не видно, но вы чувствуете уклон под ногами. Вы делаете шаг в сторону самого крутого спуска, снова определяете уклон и делаете следующий шаг. Так, шаг за шагом, вы спускаетесь в долину.

Нейросеть действует по тому же принципу. Гора олицетворяет её ошибки, а долина соответствует правильным ответам. Только у этой горы не три измерения, а миллиарды.

Коши рассчитывал орбиты планет. А его формула научила машины писать.

👉 @PythonPortal

Читать полностью…

Python Portal

Исследователь Google DeepMind Петар Величкович сообщил о завершении полного черновика книги по геометрическому глубокому обучению.

Все главы уже доступны на сайте проекта.

https://geometricdeeplearning.com/book/

👉 @PythonPortal

Читать полностью…

Python Portal

Если Сэм Альтман считает, что оперативная память вашего компьютера расходует дефицитные мировые запасы DRAM впустую, может, стоит отправлять ему письмо каждый раз, когда она простаивает?

Кто-то уже написал для этого скрипт.

Скрипт каждые пять минут проверяет использование оперативной памяти на компьютере с Linux и раз в сутки отправляет Альтману отчёт, если свободно больше 10% ОЗУ.

Теперь Сэм будет знать, сколько драгоценной памяти простаивает без дела. 😂

https://github.com/IainKay/ram-altman

👉 @PythonPortal

Читать полностью…

Python Portal

Обнаружен весьма необычный способ обфускации JavaScript. В код добавляют множество названий функций, связанных с биологическим оружием, ядами и смертельными дозами веществ, из-за чего некоторые ИИ-модели отказываются его анализировать, ссылаясь на ограничения безопасности.

Исследователь безопасности veritas, изучая скрипт для сбора цифровых отпечатков браузера, обнаружил JavaScript-код с домена, связанного с ServicePipe. В нём встречались крайне странные названия функций.

computeRicinLethalDosageForWaterSupply
calculateDeadlyLethalSuicideAspirinDosage


Судя по названиям, можно подумать, что код связан с разработкой биологического оружия. Однако в действительности скрипт лишь собирал цифровой отпечаток браузера, включая сведения о User-Agent, GPU, Canvas и других параметрах.

Исследователь предположил, что разработчики могли намеренно использовать подобные названия, чтобы затруднить обратную разработку с помощью ИИ.

Для проверки этой гипотезы он провёл эксперимент.

- Astra отказалась анализировать код.
- Astra + Daybreak Blue также отказалась.
- GLM-5.3 успешно выполнила анализ.

Результаты оказались любопытными.

Традиционная обфускация усложняет понимание программы за счёт запутанного потока управления, зашифрованных строк и бессмысленных названий переменных. Всё это затрудняет работу как исследователей, так и инструментов анализа.

Новый подход направлен непосредственно на механизмы безопасности больших языковых моделей.

Сам код может быть совершенно безвредным, но если добавить в названия функций достаточно много опасных терминов, некоторые ИИ-модели могут отказаться от его анализа.

Парадокс заключается в том, что модели, наиболее строго соблюдающие определённые ограничения безопасности, могут оказаться более уязвимыми к подобной обфускации.

Впрочем, пока нет доказательств того, что разработчики намеренно использовали этот приём. Также нельзя утверждать, что он одинаково эффективен против всех моделей.

Тем не менее этот случай указывает на интересную тенденцию.

По мере того как ИИ всё шире применяется для обратной разработки, методы обфускации могут начать учитывать не только особенности компиляторов, декомпиляторов и человеческого восприятия, но и механизмы безопасности языковых моделей.

Раньше код старались сделать непонятным. Теперь его можно попытаться сделать таким, чтобы ИИ сам отказался его понимать.

https://nullpt.rs/fingerprinting-bioweapons

👉 @PythonPortal

Читать полностью…

Python Portal

Опубликован полный архив сообщений PyBot — крупнейший открытый датасет взаимодействий между группами ИИ-агентов.

За 8 дней 1000 агентов обменялись 184 тысячами сообщений общим объёмом 32 миллиона слов.

Этот датасет представляет собой ценный ресурс для изучения коллективного поведения больших групп ИИ-агентов.

Просмотреть сообщения и получить датасет можно на Hugging Face:

https://huggingface.co/spaces/HuggingFaceSwarms/pybot-msgboard

👉 @PythonPortal

Читать полностью…

Python Portal

Насколько хорошо вы умеете отличать фейковые новости от настоящих?

С развитием нейросетей и инструментов генерации контента подделать видео, сфабриковать скриншот или создать убедительную новость становится всё проще. При этом даже достоверно выглядящие материалы могут содержать подмену фактов и манипуляции.

Проверить свои навыки фактчекинга можно на «Антифейк-чемпионате» – соревновании по проверке достоверности информации.

Участникам предстоит разбирать реальные кейсы, искать первоисточники, проверять факты и выявлять манипуляции. Специальная подготовка не требуется.

Лучшие участники попадут на очный финал в Москве в декабре, где поборются за призы: AirPods, полноразмерные наушники Apple и планшет.

Участие бесплатное и индивидуальное. Регистрация открыта до 1 декабря включительно

Зарегистрироваться на «Антифейк-чемпионат» 🥹

Читать полностью…

Python Portal

Если изучаете проектирование систем, не пропускайте этот бесплатный интерактивный курс.

Designed to Scale включает 40 уроков: от обработки запросов и расчёта пропускной способности до кеширования, шардинга, очередей и микросервисов.

Самое интересное — практическая подача материала. Например, сравнение монолитной архитектуры и микросервисов:

1. Вы начинаете с одного приложения.
2. Команда растёт, и монолит начинает создавать проблемы.
3. Вы разделяете приложение на отдельные сервисы.
4. Появляются сетевые вызовы и частичные сбои.

Каждый этап сопровождается анимированной схемой, которую можно приостанавливать, воспроизводить заново и просматривать пошагово.

Курс стоит сохранить в закладки.

https://designed-to-scale.vercel.app/

👉 @PythonPortal

Читать полностью…

Python Portal

А вы знали, что у VK есть полезное сообщество для бэкенд-разработчиков ?

Инженеры компании рассказывают о том, как работает VK изнутри, что происходит за интерфейсами, когда миллионы пользователей одновременно отправляют сообщения, загружают фото и смотрят клипы.
В канале разбирают работу всех сервисов — от VK Play до Tarantool. Делятся подходами к масштабированию, оптимизации и новым архитектурным решениям. Открыто дискутируют, делятся актуальными анонсами и публикуют вакансии в команду VK.

Здесь — реальные кейсы, технические разборы, советы от экспертов и возможность задать им вопросы. Подписывайтесь!

Читать полностью…

Python Portal

В 1975 году ещё не была собрана даже рабочая материнская плата Apple I, а в мире не существовало кросс-компилятора для процессора MOS 6502. Как же Стив Возняк написал BASIC для Apple I?

Недавно на Hacker News появилась копия его оригинального рукописного блокнота того времени.

Тогда Возняк не мог позволить себе оплату времени на мейнфрейме с разделением времени, поэтому составил таблицу состояний синтаксического анализатора, опираясь непосредственно на руководство к компьютеру Wang.

Вычисления с плавающей точкой занимали слишком много драгоценной оперативной памяти объёмом всего 4 КБ. Поэтому он решил отказаться от них и разработал собственный интерпретатор BASIC с 16-битными целыми числами.

Самое впечатляющее — стопка рукописных листов в клетку. Справа записаны мнемоники инструкций ассемблера 6502, а слева — соответствующие шестнадцатеричные машинные коды (опкоды) и смещения в дополнительном коде для условных переходов и переходов по адресу.

Всё это Возняк находил в справочнике по системе команд и рассчитывал вручную.

Стоило изменить всего одну строку кода в середине программы, как приходилось заново пересчитывать все смещения последующих переходов.

Чтобы уместить интерпретатор и пользовательский код в 4 КБ памяти, он задействовал наиболее ценную область памяти 6502 объёмом 256 байт — нулевую страницу (Zero Page), используя её в качестве набора быстрых регистров.

Прямо на бумаге ему удалось спроектировать полноценную виртуальную машину с двумя стеками: стеком операндов и стеком операторов.

👉 @PythonPortal

Читать полностью…

Python Portal

Python-разработчики, есть повод выбраться на митап!

🔥 X5 Tech совместно с MoscowPython проводит Moscow Python Meetup №114 — встречаемся, чтобы обсудить инженерные практики, поспорить о технологиях и обменяться опытом с коллегами.

В программе два доклада и большая дискуссия с экспертами X5 Tech, AgentPoint и Ozon Tech.

Что обсудим:

➡️ «Свой шаблон сервиса: как перестать копировать прошлый проект и начать масштабироваться» — Даниил Попков, X5 Tech. Узнаем, как избавиться от копипасты при запуске новых сервисов и выстроить масштабируемый подход.

➡️ «Где живёт ваше намерение? Как заставить нейронку строить то, что вы хотите, а не то, что ей показалось» — Николай Каморник, AgentPoint. Разберём, как правильно передавать ИИ свои требования и добиваться нужного результата в разработке.

➡️ Дискуссия «Почему Python лучше Golang для ИИ-разработки» — Андрей Сотник (X5 Tech), Денис Тормазов (X5 Tech) и Александр Ковалёв (Ozon Tech). Обсудим аргументы за оба языка, реальные примеры и метрики. 

Митап бесплатный: можно послушать доклады, поучаствовать в дискуссии и пообщаться с Python-разработчиками X5 Tech и других компаний.

📍 Встречаемся 25 ноября в 19:00 в Москве, на площадке «Баунс» (3-я улица Ямского Поля, 2, корп. 6).

Если работаете с Python на уровне middle или выше — присоединяйтесь! Участие бесплатное, но количество мест на площадке ограничено, так что лучше зарегистрироваться заранее. Приходите сами и зовите коллег!

Читать полностью…

Python Portal

Лю Чэнь, аспирант факультета компьютерных наук Йельского университета, выложил в открытый доступ все скрипты, с помощью которых создавал иллюстрации для своих научных работ, опубликованных в журнале Nature и на конференции NeurIPS.

Его проект figures4papers помогает создавать графики и диаграммы, оформленные на уровне ведущих научных конференций.

Репозиторий уже набрал 11 000 звёзд на GitHub и попал в подборку HelloGitHub.

При подготовке научных работ авторы часто оставляют оформление графиков на последний момент. В результате диаграммы собирают на стандартных настройках, не уделяя должного внимания цветам, размерам шрифтов и легендам. Недостатки такого оформления заметны рецензентам с первого взгляда.

В репозитории собраны иллюстрации из реально опубликованных научных работ: столбчатые, радиальные и линейные диаграммы, графики с 3D-сферами и графики трендов. Для каждой иллюстрации приложен Python-скрипт, поэтому достаточно подставить собственные данные, чтобы получить график в том же стиле.

Кроме того, figures4papers включает специальный навык для построения научных графиков. Его можно подключить в Cursor, Claude Code и Codex, чтобы ИИ-ассистент самостоятельно создавал иллюстрации в этом стиле.

Первое впечатление от научной работы во многом зависит от нескольких графиков.

GitHub: https://github.com/ChenLiu-1996/figures4papers

👉 @PythonPortal

Читать полностью…

Python Portal

Алгоритм Фишера — Йетса позволяет случайным образом перемешать весь массив за время O(n).

Достаточно пройти по массиву с конца к началу, на каждом шаге выбирая случайный индекс и меняя элементы местами.

Если случайные индексы выбираются равновероятно, каждая возможная перестановка элементов имеет одинаковую вероятность.

👉 @PythonPortal

Читать полностью…

Python Portal

Бесплатные видеолекции по компьютерным сетям на основе учебника «Компьютерные сети. Нисходящий подход» Джеймса Куроуза и Кита Росса.

По ссылке ниже доступны лекции по всем главам учебника:

https://gaia.cs.umass.edu/kurose_ross/lectures.php
🙌

👉 @PythonPortal

Читать полностью…

Python Portal

Если хотите изучить проектирование систем , у Гиков есть отличное руководство.

Оно охватывает основные темы:

1. Масштабирование систем и балансировка нагрузки.
2. Базы данных, репликация и шардинг.
3. Кеширование и сети доставки контента (CDN).
4. API-шлюзы, очереди сообщений и ограничение частоты запросов.
5. Микросервисы и событийно-ориентированная архитектура.
6. Практические задачи по проектированию систем, подобных Netflix, Uber и Twitter.

Руководство можно использовать как план обучения: выбирайте тему, разбирайтесь, какую проблему она решает, а затем пробуйте применить полученные знания в собственных проектах.

https://www.geeksforgeeks.org/system-design/system-design-tutorial/

👉 @PythonPortal

Читать полностью…

Python Portal

Проверить, является ли число n простым, можно детерминированно и за полиномиальное время всего в 10 строках Python.

Этот алгоритм предложил Гэри Миллер ещё 50 лет назад. Однако для доказательства его корректности требуется недавний результат OpenAI, связанный с квазигипотезой Римана (quasi-GRH)!

Тест простоты AKS в своё время стал огромным достижением, удостоенным премий Гёделя и Фалкерсона в 2006 году. Но теперь он устарел.

Безумные времена.

👉 @PythonPortal

Читать полностью…

Python Portal

Одна из самых опасных ошибок в SQL возникает, когда запрос успешно выполняется, хотя должен был завершиться с ошибкой.

Предположим, вы хотите удалить заказы пользователей, чьи аккаунты заблокированы.

Но в таблице banned_accounts есть столбец id, а не user_id.

PostgreSQL не выдаёт ошибку. Вместо этого он незаметно находит user_id во внешней таблице orders и превращает подзапрос в коррелированный.

Если в banned_accounts есть хотя бы одна строка, запрос выберет все заказы, у которых user_id не равен NULL.

Всего одна ошибка в названии столбца, и вы можете удалить всё содержимое таблицы заказов.

👉 @PythonPortal

Читать полностью…

Python Portal

HDMI-кабели могут излучать электромагнитные сигналы, содержащие информацию об изображении на экране.

Антенна и программно-определяемый радиоприёмник улавливают эти излучения, а программное обеспечение, например TempestSDR, позволяет восстановить из них распознаваемое изображение.

Deep-TEMPEST используетxiv.org/pdf/2407.09717 машинное обучение для более точного восстановления текста и изображений из тех же исходных сигналов. В ходе испытаний доля ошибок при распознавании символов снизилась почти с 90% до менее чем 30%.

Однако качество восстановления по-прежнему зависит от экранирования кабеля, расстояния и окружающих электромагнитных помех. Хорошее экранирование или использование оптоволоконного HDMI-кабеля позволяет устранить большую часть риска.

Даже проводное соединение может оставлять след в радиоэфире.

👉 @PythonPortal

Читать полностью…

Python Portal

Бесплатные 3D-модели японских городов, охватывающие отдельные районы Токио, Осаки, Иокогамы, Нагои и Саппоро.

Модели доступны в формате GLB и готовы к использованию в трёхмерных картах, играх и демопроектах, созданных с помощью ИИ.

https://huggingface.co/datasets/codepawl/plateau-city-glb

👉 @PythonPortal

Читать полностью…
Subscribe to a channel