52807
по всем вопросам @haarrp @itchannels_telegram - 🔥 best it channels @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - ml 📚 @pythonlbooks -📚books
Пошаговый план изучения Python бесплатно *️⃣
— 30 упорядоченных тем для изучения в виде To do листа
— 20+ идей проектов для портфолио
Узнаете, какие темы и в какой последовательность нужно изучать, чтобы точно освоить Python.
Пройдете обучение не на задачах с апельсинами, а на проектах из реального бизнеса.
🔗 Переходите на сайт и скачивайте план обучения.
✅ УГЛУБЛЁННЫЙ КУРС ПО PYTHON ✅
Хотите попробовать что-то новое или же стать профи в программировании? Вы читаете правильный пост!
Представляем вам новый многомодульный курс, который охватывает Python всесторонне, начиная с самых основ и заканчивая продвинутыми концепциями.
❗️254 часа полного погружения в Python с нулевых знаний до профи OOP, API, SQL Databases, Data Analysis, Web Scraping и Developing, Visualization, Data Science and Machine Learning.
❗️20 работ в ваше портфолио. В ходе обучения вы создадите десятки приложений на Python с использованием Pandas, Flask и Django.
🏡 Домашние задания. В процессе обучения вы также будете решать домашние задания, которые помогут закрепить полученные знания.
👍 Индивидуальная поддержка. Получите ответы и поддержку от наших менторов - профессионалов в области Python.
🕓 Обучение в удобное время. Вы можете совмещать обучение с работой или учебой и проходить курс в своем темпе!
📕 Документ. После тестирования вы получите престижный диплом о профессиональной переподготовке или удостоверение о повышении квалификации.
Не упустите возможность стать лучшим программистом Python! Присоединяйтесь к нашему курсу прямо сейчас и станьте успешным разработчиком! Мы верим в вас и поможем вам достичь больших успехов в программировании!
🌍 Подробнее на сайте Академии IT DMS
Реклама. ИП Никоноров М.Ю., учебный центр ДПО Академия IT DMS, ИНН: 503609802698, erid: 2VtzqwL7tVu
🔪 Pare
Pare создан для того, позволить веб-разработчикам независимо масштабировать свои веб-приложения.
В частности, Pare будет полезен, если у вас есть функции, которые:
- интенсивные вычисления
-блокирующие
- изолированные
- параллельные
В качестве примера использования можно привести парсинг документов, агрегацию данных, обработку веб-хуков и обработку изображений.
С помощью Pare вы можете разгрузить эти задачи от основного веб-сервера, а также получить автоматическое масштабирование для одновременных запросов.> pip install pare
from my_module import my_function
my_function(*args, **kwargs) # local function call
my_function.invoke(*args, **kwargs) # remote Lambda call
await my_function.invoke_async(*args, **kwargs) # async remote Lambda call
🖥 DeltaDB
Delta DB - это легкая, быстрая и масштабируемая база данных, созданная на базе polars и deltalake.pip install deltabase
▪ Github
@pythonl
🖥 Преобразование картинки в карандашный скетч с помощью Python
@pythonl
🔵 Практический интенсив «Python-разработчик: основы за 2 дня» — 27-28 августа в 19:00 мск.
О перспективах направления Python и многом другом расскажет Рафаэль Мухаметшин, Middle Бэкенд-разработчик в «ПИК Digital» с опытом в разработке более 3 лет.
На вебинаре вы:
☑️ Самостоятельно напишете Telegram-бота с карточными мини-играми.
☑️ Познакомитесь с синтаксисом языка и сферами его применения.
☑️ Поймете как продолжить обучение, какие навыки потребуются, чтобы стать backend-разработчиком на Python.
☑️ Узнаете, чего ждут работодатели от junior-разработчиков и что делать, чтобы найти работу без опыта.
🎁 Приятные бонусы: полезный гайд для начинающего Python-разработчика и гайд о сленге в IT всем участникам интенсива!
Foodtech tour Яндекса возвращается: стартуем с митапом в Москве 19 сентября!
В программе суровая энтерпрайз-разработка для опытных бэкендеров. Эксперты расскажут о работе с монолитами на примере Еды и переосмыслении процессинга заказов в Лавке. От Маркета заявлен воркшоп с архитектурными кейсами: без практики точно не останемся.
Foodtech tour охватит 4 столицы: Москва — 19 сентября, Санкт-Петербург — 17 октября, Казань — 14 ноября и Минск — 5 декабря.
👉🏻 Регистрируйтесь в своём городе!
🖥 The autogenetic AGI
Agent K - это саморазвивающийся AGI ( общий ИИ (AGI) – это ИИ, который может ориентироваться в меняющихся условиях, моделировать и прогнозировать развитие ситуации. Если ситуация выходит за стандартные алгоритмы, то он должен самостоятельно найти ее решение ), состоящий из агентов, которые сотрудничают и создают новых агентов по мере необходимости для выполнения задач пользователя.
▪ Github
@pythonl
⚡️ PaletteSnap
PaletteSnap — это Python-программа, предназначенная для создания читаемых цветовых палитр из любых изображений с гарантированным хорошим контрастом и удобством использования.
Приложение устанавливается через pip и автоматически применяет сгенерированную палитру в качестве обоев системы.
PaletteSnap также поддерживает обновление программ, позволяя применять новые палитры без необходимости перезагрузки.
Программа создает отдельные папки для хранения конфигурационных и кэшированных файлов, что делает её удобной для пользователей, знакомых с pywal, аналогичным инструментом.
Кроме того, PaletteSnap поддерживает шаблонизацию, что позволяет применять цветовые палитры на уровне всей системы.
▪ Github
@pythonl
🖥 Автоматическое копирование и вставка с помощью Python
@pythonl
🎞 MeTube
Это веб-интерфейс для youtube-dl с поддержкой плейлистов.
Он позволяет загружать видео с YouTube и множества других сайтов, включая Reddit, LinkedIn и многие другие.
Особо стоит отметить, что MeTube имеет специальные настройки для работы на iOS и расширения для браузеров Chrome и Firefox, что позволяет удобно скачивать видео прямо из браузера.docker run -d -p 8081:8081 -v /path/to/downloads:/downloads ghcr.io/alexta69/metube
▪ GitHub
@pythonl
⚡️ kernel-hardening-checker
Полезная библиотека для проверки security hardening опций в ядре Linux.
pip install git+https://github.com/a13xp0p0v/kernel-hardening-checker
▪Github
@pythonl
🔥 UnpromptedControl
Unprompted Control — это утилита, которая автоматически удаляет объекты с изображений и восстанавливает поврежденные области, используя методы глубокого обучения и смешивания. В этом процессе ключевую роль играют модели Control Net и Stable Diffusion Inpaint Pipeline, которые направляют восстановление и обеспечивают естественное слияние результатов с остальным изображением.
Однако метод имеет свои ограничения, особенно при работе с изображениями лиц и тел людей. В таких случаях может потребоваться маскирование не только самого объекта, но и его теней для достижения наилучшего результата.
Несмотря на эти сложности, репозиторий предлагает ценный инструмент для бесшовного восстановления и удаления объектов.
- Githiub
- Colab
@pythonl
🖥 sqlite-vec
Чрезвычайно маленькое и "достаточно быстрое" расширение для векторного поиска SQLite, которое работает в любом месте!
Проект преемник sqlite-vss.
- Храните и запрашивайте float, int8 и двоичные векторы в виртуальных таблицах vec 0.
- Написан на чистом C, без зависимостей, работает везде, где работает SQLite (Linux/ macOS /Windows, в браузере с WASM, Raspberry Pis и т.д.)
- Предварительная фильтрация векторов с rowid В подзапросах (...)
▪ Github
@pythonl
🖥 Выводим Данные периодической таблицы, с помощью Python
@pythonl
✍ Сhainsaw-human-typing
Полезный на работе инструмент, который позволяет имитировать человеческий ввод текста на клавиатуре, если вы не можете или не хотите вставлять текст напрямую.
#python
▪ Github
@pythonl
🖥 Преобразование видеофайлов в Gif с помощью Python
@pythonl
🌟 Open Interpreter — полное управление компьютером при помощи запросов на естественном языке
pip install open-interpreter
interpreter
💻 Snoop — инструмент OSINT
Snoop Project — один из самых перспективных OSINT-инструментов по поиску никнеймов и остальной информации, написанный на Python.
Snoop поставляется готовыми сборками и не требует зависимостей (или установки python), то есть работает на чистой машине с OS Windows или GNU/Linux.
🗄 GitHub
@pythonl
🖥 Преобразование эмодзи в текст на Python
@pythonl
Извлечение данных из вложенных структур Зачастую приводит к созданию перегруженного кода, который подвержен ошибкам.
в Python 3.10 pattern matching (Сопоставление с образцом ) обеспечивает более декларативный и понятный способ обработки сложных структур данных.
#Python #pythontips
@pythonl
Ворвись в IT с Романом Сакутиным
Онлайн-школы обещают небо в алмазах для всех начинающих айтишников. Но сколько в этом правды? Роман, айтишник с 10 летним опытом, сделал бесплатный симулятор разных айти профессий для полных новичков.
В нём вы сможете пройти свой первый рабочий день под руководством наставника даже если вы абсолютный ноль и получить награду в конце.
Играйте бесплатной в боте - /channel/break_into_it_bot?start=TG_IN_20082024
erid: LjN8KGWhZ
🖥 BBOT
Рекурсивный модульный OSINT инструмент, написанный на Python.
Этот инструмент может выполнять полный процесс OSINT с одной команды, включая перечисление поддоменов, сканирование портов, создание веб-скриншотов (с помощью модуля gowitness), сканирование уязвимостей (с использованием движков) и многое другое.# stable version
pipx install bbot
# bleeding edge (dev branch)
pipx install --pip-args '\--pre' bbot
▪ Github
@pythonl
⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data
C++ t.me/cpluspluc
Python: t.me/pro_python_code
Хакинг: t.me/linuxkalii
Devops: t.me/devOPSitsec
АНАЛИЗ Данных: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_ci
Java: t.me/javatg
Базы данных: t.me/sqlhub
Linux: t.me/linuxacademiya
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
Собеседования МЛ: t.me/machinelearning_interview
МАТЕМАТИКА: t.me/data_math
C++ собеседования: t.me/cppsobes
Kubernets: t.me/kubernetc
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: /channel/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: /channel/addlist/mzMMG3RPZhY2M2Iy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
🎓954ГБ СЛИТЫХ КУРСОВ: @courses
📕Ит-книги бесплатно: /channel/addlist/BkskQciUW_FhNjEy
Проверьте скорость Интернета с помощью Python
@pythonl
🔊 Audio Sample - это мощная библиотека для обработки звука на numpy, созданная для исследователей и используемая разработчиками.
Библиотека поддерживает сложные операции со звуком и предлагает простой синтаксис для тех, кто привык к numpy.
AudioSample идеально подходит для загрузки данных и ETLS, поскольку работает быстро и занимает мало места в памяти.
▪ Github
@pythonl
Поднимаем Кафку, не опуская рук. Отказоустойчивый кластер на вашем ПК
22 августа приглашаем вас на вебинар от Слёрма с Василием Калугиным, владельцем корпоративного сервиса Apache Kafka в АО «ЭР-Телеком Холдинг», чтобы поговорить про Кафку и научиться разворачивать кластер на своём железе.
На вебинаре:
✅ Расскажем про язык Кафки: топики, партиции, продюсеры-консьюмеры, кластер, ноды.
✅ Рассмотрим принципы её работы: как работают очереди сообщений, сколько должно быть консьюмеров для эффективной вычитки, как повысить надёжность кластера с помощью репликации данных.
✅ И покажем, как развернуть кластер Кафки на своём ПК с 3 нодами, schema-registry и авторизацией.
Обычно в инструкциях кластер из 1 ноды, зукипера и 1 брокера, но это не наш путь. Учим работать с реальными исходными данными, а не на теоретических примерах 😉
⚡И наш традиционный розыгрыш — один из участников вебинара получит бесплатное место на курс «Apache Kafka для разработчиков».
➡️ 22 августа в 14:00 мск
➡️ Регистрация — по ссылке
erid: LjN8KTWBt
⚡️ Очень красивая шпаргалка с Python-фреймворками для самых разных задач.
Обработка данных, машинное обучение, визуализация, статистика, парсинг - всё это в одном месте.
@pythonl
🖥👣 removal
это невероятно быстрый валидатор электронной почты на Python, написанный на Rust и предлагающий повышение производительности в 100-1000 раз по сравнению с стандартными валидаторами.
▪ Github
@pythonl