1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
Multi-API Ensemble: 95% точности транскрипции региональных топонимов
https://habr.com/ru/articles/974978/
В статье полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики.Один STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд.
browsr: File Explorer in Your Terminal
https://github.com/juftin/browsr
Возможное использование Rust в CPython
https://lwn.net/SubscriberLink/1046933/d13433b823f559c0/
Python core developers are actively discussing the introduction of Rust in the CPython code base, starting with optional extension modules and possibly going from there. This post covers the discussion and pros and cons of the idea.
tornado - 6.5.3
https://pypi.org/project/tornado/6.5.3/
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/
Generalized Propensity Score: как оценить эффект от непрерывного воздействия без A/B-теста
https://habr.com/ru/companies/garage8/articles/974802/
В прошлом квартале мы задались вопросом: как оценить эффект от времени, которое пользователь проводит в нашем разделе, на Retention Rate (RR)? Казалось бы, решение очевидное: провести A/B-тест, но на поверку всё оказалось не так просто. В статье разберем, как у нас получилось определить эффект, с какими сложностями столкнулись в процессе и как нам помог метод Generalized Propensity Score.
Django: implement HTTP basic authentication
https://adamj.eu/tech/2025/12/08/django-basic-authentication/
ㅤ
Реализуем компьютерное зрение на практике
https://habr.com/ru/companies/otus/articles/968010/
На тему компьютерного зрения есть множество различных публикаций, которые в основном рассказывают о применении этой технологии в разных отраслях. Однако, зачастую публикации содержат лишь общую информацию о том, что реализовано и для каких задач, но при этом отсутствует описание того, как это можно сделать.
Реальный кейс настройки Pod Autoscaling в k8s с точки зрения разработчика
https://habr.com/ru/articles/973936/
На носу 2026 год, а я хочу поделиться своим путешествием по переводу приложения на инфраструктуру Kubernetes. Самой сложной и интересной частью была настройка автоскейлинга. Не слишком ли заезженная тема? Думаю нет, потому что я буду рассказывать именно с позиции разработчика приложения, а не девопса. Мне повезло, я без понятия как это всё настраивается. Я буду рассказывать как это всё работает. Конфигов кубера будет минимум, рассуждений и погружений в метрики максимум. В конце оставил TL;DR. Поехали?
Сводка от pythonz 30.11.2025 — 07.12.2025
https://pythonz.net/articles/622/
А теперь о том, что происходило в последнее время на других ресурсах.
django-rosetta - 0.10.3
https://pypi.org/project/django-rosetta/0.10.3/
Django-приложение, которое облегчает перевод Django-проектов. Скачать можно по ссылке: https://pypi.python.org/pypi/django-rosetta
fara - Agentic Model for Computer Use
https://github.com/microsoft/fara
Ty – A fast Python type checker, written in Rust
https://docs.astral.sh/ty/
pytest - 9.0.2
https://pypi.org/project/pytest/9.0.2/
Простой мощный инструмент тестирования в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/pytest/
Мониторинг SSSD через D-Bus: создаем собственный Ansible-модуль вместо sssctl
https://habr.com/ru/companies/astralinux/articles/965088/
Сегодня хочу поделиться опытом того, как я отказался от стандартной утилиты мониторинга SSSD в пользу прямого общения с демоном через D-Bus и создал полнофункциональный Ansible-модуль.
Контроль качества переводов на основе ИИ
https://habr.com/ru/articles/973100/
А вы задумываетесь иногда, что вот хочется что-то сделать такое, чтобы как-то выбиться из общей массы разработчиков? Сейчас придумаю идею, реализую, стану зарабатывать много денег? Все же так думают? Или только я один.Да вот поэтому я и делаю постоянно какие-то проекты. И да, все они простые и не выдающиеся, но, наверное, главное — не унывать. Утешаю я себя так.
От «обезьяньей» работы к Smart-анализу: как выполнить предобработку данных для моделей
https://habr.com/ru/articles/975082/
От «обезьяньей» работы к Smart-анализу: как правильно готовить данные для моделей.Что такое Exploratory Data Analysis и как избежать основных ошибок при его выполнении.
modraw: Drawing Utils From Tldraw for Marimo
https://github.com/koaning/modraw
pymongo - 4.16.0.dev0
https://pypi.org/project/pymongo/4.16.0.dev0/
Python интерфейс для MongoDB. Скачать можно по ссылке: https://pypi.python.org/pypi/pymongo/
Как я писал книгу про Python
https://jenyay.net/blog/2025/12/09/kak-ya-pisal-knigu-pro-python/
Полтора года назад я начал писать книгу про Python. Когда-то я писал посты о том, как продвигаются дела с этой книгой. Потом долгое время в блоге я эту тему как-то игнорировал, хотя в Телеграме про нее писал периодически и процесс написания продолжался. И вот, наконец, книга под названием «Python для инженерных задач» вышла.
metacode: новый стандарт машиночитаемых комментариев для Python + готовый парсер
https://github.com/pomponchik/metacode/
Многие тулзы, которые так или иначе работают с исходным кодом, умеют читать специальные комментарии, которые как-то дополнительно размечают отдельные строки кода. Так делают разные линтеры, форматтеры, тулзы анализа кода, подсчета тестового покрытия, поиска уязвимостей etc. Однако единого стандарта для них до сих пор не было, и все писали свои парсеры кто во что горазд: кто-то на регэкспах, кто-то на сплитах, кто-то прикручивал полноценные парсеры, кто-то даже на eval. Данная библиотека - попытка стандартизировать это, предложив разработчикам таких инструментов готовый парсер и понятный простой синтаксис. Предлагаемый синтаксис - подмножество обычного питона, но только сам синтаксис, без семантики, т.к. фактического исполнения кода нет. Из прикольного - поддерживается одновременное сосуществование комментариев, предназначенных для разных тулзов, в одной строчке кода. Также можно без проблем совмещать `metacode`-комментарии с обычными.
Как я с DeepSeek писал информационную систему (электронный журнал) для образовательного центра за пару дней
https://habr.com/ru/companies/timeweb/articles/960426/
В прошлых материалах я упоминал, что работаю преподавателем в центре для одарённых школьников.
Центров этих в районе десятка по стране. И до этого года все они работали на базе общей информационной системы.
SQLAlchemy - 2.0.45
https://pypi.org/project/sqlalchemy/2.0.45/
Библиотека работы с базами данных. Скачать можно по ссылке: https://pypi.python.org/pypi/SQLAlchemy/
coverage - 7.13.0
https://pypi.org/project/coverage/7.13.0/
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Pydantic V2: Почему dataclasses вам ещё больше нужны
- Контроль качества переводов на основе ИИ
- От CSV к дашбордам: гибкая отчетность на Postgres, Airflow и Superset
- Как ускорить автотесты на Python в Pytest в 8,5 раз
- Питон перед Рождеством. Как я осваивал этот язык программирования
- context-async-sqlalchemy способ использовать ORM в async-приложениях
- marimo — реактивный аналог Jupyter Notebook
- Ty – A fast Python type checker, written in Rust
- Django - 6.0
Заходите в гости - https://pythondigest.ru/issue/625/
Чего нам стоит перевод фильма AI построить
https://habr.com/ru/articles/974080/
Большинство фильмов идут на английском или испанском языке. И тут пришла в голову мысль, "а чтобы нам не использовать ИИ для перевода фильмов", к тому же множество компаний уже предлагают подобные решения. Но мне было ещё интересно изучить этот вопрос и пройти весь путь самим.
Xkcd: Python Environment (2018)
https://m.xkcd.com/1987/
С poetry/uv легче не особо стало
Токенизация, как ключ к языковым моделям для низкоресурсных языков
https://habr.com/ru/articles/973324/
Хочу поделиться своими наблюдениями о том, как статистические алгоритмы извлекают грамматику из текстов.
marimo — реактивный аналог Jupyter Notebook
https://habr.com/ru/articles/973430/
Рассматривается фреймворк marimo, названной в честь аквариумной водоросли, изображенной на заставке к статье. marimo позволяет работать с блокнотами — текстовыми файлами Python, ячейки блокнотов представляют собой декорированные функции Python.
Трансформеры для персональных рекомендаций на маркетплейсе: от гипотез до A/B-тестирования
https://habr.com/ru/companies/wildberries/articles/972082/
Наша модель основана на классической архитектуре Bidirectional Encoder Representations from Transformers (BERT), улучшенной под задачи и проблемы, с которыми сталкивается маркетплейс.
Django: what’s new in 6.0
https://adamj.eu/tech/2025/12/03/django-whats-new-6.0/
ㅤ