1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
От «яблока» до «королевы»: как нейросети учатся понимать смысл слов через эмбеддинги
https://habr.com/ru/articles/992928/
Представьте, что вы объясняете ребёнку, что такое «яблоко». Вы покажете картинку, дадите попробовать, расскажете, что оно круглое, сладкое, растёт на дереве, а теперь попробуйте объяснить это нейросети. Она не видит, не пробует, но она понимает только числа. Как же тогда заставить машину понять, что «яблоко» ближе к «груше», чем к «трактору»?
Разбираю статью про FS-Researcher: как учёные научили ИИ вести конспекты
https://habr.com/ru/articles/992836/
ChatGPT и другие LLM "забывают" начало диалога при серьезном ресерче. Обычная проблема. Новые факты вытесняют старые из-за ограниченного контекстного окна, и отчет получается поверхностным. Недавнее исследование предлагает простое решение — дать ИИ-агенту "блокнот". Разбираемся как такой подход обходит ограничения контекста.
Ритуал создания API в традициях древних ацтеков (часть II)
https://habr.com/ru/articles/987584/
Процесс масштабирования бэкенд приложения на основе flask_restx и OpenApi. Реализация авторизации в приложении и обеспечение базового уровня безопасности.
gunicorn - 25.0.2
https://pypi.org/project/gunicorn/25.0.2/
WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/
Как мы помогали Стэнфорду следить за акулами
https://habr.com/ru/companies/skbkontur/articles/992662/
В этот раз речь пойдёт о приложении для интерактивного мониторинга белых акул по заказу Стэнфордского университета. 🦈 В статье ребята рассказали, какие возможности реализовали внутри приложения, какой стек технологий выбрали и что за сложности случились на фронтенде и бэкенде.
cmd-chat: Peer-to-Peer Encrypted CLI Chat
https://github.com/diorwave/cmd-chat
oban: Job Orchestration Framework for Python
https://github.com/oban-bg/oban-py
Как решить TSP для 10 000 точек БЕЗ прыжков: метод «Динамического Шампура» с инерцией
https://habr.com/ru/articles/992228/
Как обойти 10 000 точек без лишних «холостых» прыжков и геометрической путаницы? Традиционные жадные алгоритмы пасуют перед плотными структурами, заставляя инструменты ЧПУ и роботов метаться по всей рабочей зоне. В этой статье я представляю «Алгоритм Динамического Шампура» (Shampur‑Scraper Method) — иерархический подход к задаче коммивояжера, сочетающий инерционное планирование магистралей и динамическую зачистку зон ответственности.
Слепое пятно аудио-форензики: Реализуем скрытый канал передачи данных в метаданных MP3 на Python
https://habr.com/ru/companies/chameleonlab/articles/992276/
Считаете, что спрятать файл внутри песни, не испортив звук, невозможно? Мы тоже так думали, пока не разобрали спецификацию ID3v2 до винтика.Оказывается, внутри каждого MP3-файла есть «слепая зона», куда можно положить ключи шифрования, документы или исходный код
Q-scribe: сервис транскрибации для двоих с нулевой подпиской, разработанный за один вечер
https://habr.com/ru/articles/991924/
Как за один вечер собрать собственную систему транскрибации, если вам надоело платить за подписки и сливать записи конфиденциальных встреч в «облачные мозги»? В этой статье разбираем Q-scribe — прагматичный open-source конвейер для маленькой команды. Идеально для тех, кому нужно быстро превращать видео встреч в текст, сохраняя данные на своем железе.
Последовательный анализ в AB-тестировании: ускоряем принятие решений с помощью mSPRT
https://habr.com/ru/articles/991582/
Современные подходы позволяют не только проводить мониторинг данных без риска математической ошибки, но и останавливать эксперименты значительно раньше срока. В основе такой гибкости лежит методология mSPRT, которая превращает эксперимент из закрытого процесса в прозрачный поток данных.
Django - 5.2.11
https://pypi.org/project/django/5.2.11/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/
coverage - 7.13.3
https://pypi.org/project/coverage/7.13.3/
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/
Разбор threading vs multiprocessing vs asyncio в Python
https://habr.com/ru/articles/991478/
threading, multiprocessing и asyncio. На первый взгляд – механизмы схожие. Но при детальном разборе ясно, что они решают принципиально разные задачи, опираются на разные модели исполнения и обладают своими ограничениями. В статье расскажу об особенностях каждого метода – будет интересно и познавательно.
gunicorn - 25.0.1
https://pypi.org/project/gunicorn/25.0.1/
WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/
Визуализация данных в Python с помощью библиотеки Plotly: база для новичков
https://habr.com/ru/companies/netologyru/articles/992594/
Plotly — библиотека для интерактивной визуализации данных в Python. Она подходит для задач, где статичного графика недостаточно и важно исследовать данные прямо в процессе анализа. В статье разбираем базовые возможности Plotly и основные типы графиков.
Все об устройстве Q65 с примерами на Python (часть 3)
https://habr.com/ru/articles/992436/
Q65 — цифровой протокол, разработанный Джо Тейлором (K1JT) и его командой в 2021 году для проведения минимальных связей в условиях сложных трасс прохождения радиосигнала.В предыдущих частях цикла были рассмотрены структура протокола, алгоритмы формирования сигнала, механизмы компенсации эффекта Доплера, синхронизация и детектирование сигнала в условиях быстрых затуханий сигналов. В этой части статьи рассматривается механизм декодирования данных Q-ary Repeat Accumulation кодов протокола Q65.
sys.settrace: как устроены дебаггеры, coverage и profilers в Python
https://habr.com/ru/companies/otus/articles/988880/
Когда запускаешь pytest --cov код выполняется как обычно, но в конце появляется отчёт о покрытии. Как pytest узнаёт, какие строки выполнились? Ответ в sys.settrace, это низкоуровневый хук, который позволяет перехватывать каждый шаг интерпретатора.На этом механизме построены coverage.py, pdb, PyCharm debugger, hunters, и десятки других инструментов. Разберём, как это работает изнутри и почему трассировка устроена именно так.
LIFO, 3D и Динамический Шампур: как упаковать 6000 объектов в фуру за 12 секунд
https://habr.com/ru/articles/992564/
В статье представлен подробный разбор разработки высокопроизводительного 3D-движка для оптимизации загрузки транспортных средств. Мы прошли путь от простого полочного алгоритма с КПД 58% до комплексной системы, обеспечивающей плотность упаковки до 90%.
Приложение на коленке! Почему Vial и QMK — шляпа?
https://habr.com/ru/articles/992732/
В прошлой статье я подробно рассказал про свою макрос-клавиатуру: про железо, характеристики и немного затронул ваши комментарии 🙂 ссылка на статью. И теперь пришло время рассказать про софт.
dj-celery-panel: Celery Task Inspector for Django Admin
https://github.com/yassi/dj-celery-panel
Обзор Open Source моделей для задачи TTS
https://habr.com/ru/companies/raft/articles/991844/
Задача Text‑to‑Speech (TTS) она же задача синтеза речи — заключается в том, чтобы озвучить заранее подготовленный текст голосом спикера. Данная задача является одной из важных в системах взаимодействия человека и компьютера. Конечно, такая задача генерации речи встречается гораздо реже, чем, например, задача генерации или обработки текста, тем не менее, сферы ее применения со временем только увеличиваются в своих масштабах и становится все более востребованной.
pip - 26.0.1
https://pypi.org/project/pip/26.0.1/
Утилита для управления модулями в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/pip/
Персональный аудиогид по картинам: от запроса до аудио (LLM + TTS)
https://habr.com/ru/articles/992312/
Персональный Telegram-аудиогид, который по запросу строит рассказ о картине и озвучивает его. В статье я покажу, как устроен этот путь от запроса до готового аудио.
CPython — Сборка мусора изнутри, ч.4
https://habr.com/ru/articles/992026/
Пришло время поговорить о главной функции сборщика мусора в CPython. В предыдущих частях мы говорили о поколениях, инкрементальной и полной сборке мусора — но все они в итоге вызывают главную функцию, которая и реализует основной алгоритм циклического сборщика мусора — находит и разрывает циклы у объектов, которые уже вышли из использования.
Django - 4.2.28
https://pypi.org/project/django/4.2.28/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/
Django - 6.0.2
https://pypi.org/project/django/6.0.2/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/
Хватит парсить Excel вручную: я написал библиотеку, которая сделает это за вас
https://habr.com/ru/articles/991462/
Буквально пару недель назад, проводя код-ревью, меня внезапно накрыло осознание: огромный кусок логики наших мини-приложений - это чтение и парсинг Excel-файлов. При этом целая команда разработчиков решает одну и ту же задачу, но каждый по-своему.
Cложные запросы через паттерн Repository. Large Repository
https://habr.com/ru/articles/991494/
После негодования по поводу реализации паттерна Repository в обучающих материалах, а именно скудность функционала, я решил, что нужно расширяться и это привело к тому, что появился ORM Query Builder, о котором подробно расскажет вам эта статья.
Как я создал свой сканер и пришёл к выплатам на багбаунти
https://habr.com/ru/articles/991392/
Сегодня хочу поделиться историей о том, как желание автоматизировать рутинную работу привело меня к созданию собственного инструмента FullMute и, как следствие, к первым серьезным выплатам на платформах bug bounty.Как многие начинающие исследователи, я начал с хаотичного ручного поиска уязвимостей: проверял заголовки, искал известные пути к админкам, пытался угадать версии CMS. Это было неэффективно, медленно и сильно зависело от везения. Мне нужен был «компас», который бы проводил первоначальную разведку за меня и давал четкие цели для атаки. Так родилась идея FullMute.