50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Преподаватель показал, как метод Монте-Карло помогает по-настоящему разбираться в данных. Он собрал интерактивный дашборд на Python с использованием Matplotlib, чтобы студенты могли сами моделировать неопределённость в оценке запасов лития. 🌟
👉 @PythonPortal
Python совет:
itertools.dropwhile пропускает элементы итерируемого объекта, пока условие возвращает True, а затем отдаёт все последующие элементы, начиная с первого, для которого условие стало False.
Итератор dropwhile не вернет ни одного элемента, пока предикат хотя бы раз не даст False.
Пример👇
>>> import itertools
>>> purchase_price = 99.00
>>> daily_prices = [95, 97, 94, 96, 100, 102, 99]
>>> prices_after_gain = list(itertools.dropwhile(lambda price: price <= purchase_price, daily_prices))
prices_after_gain
[100, 102, 99]
Нашёлся бесплатный учебный сайт по программированию на русском
Там много курсов по Python, Tkinter, Django, SQL, алгоритмам. Всякие разборы тем, примеры кода, упражнения. Всё довольно структурировано по разделам, рассчитано на новичков и продолжающих. Автор выкладывает статьи и видеоуроки, иногда небольшие задачи.
👉 @PythonPortal
"Напугайте линуксоида меньше, чем пятью словам"
Я:
Python-приложение, которое собирает и запускает само себя
Есть такой инструмент, называется PyApp. Это обёртка, которая позволяет Python-приложению упаковаться в готовый бинарник прямо во время выполнения. Без мучений с pyinstaller, venv и бесконечным разруливанием зависимостей.
Что получаем:
Собирает исполняемые файлы под Windows, macOS и Linux
Есть управляемые команды, включая самообновление
Настраивается под разные сценарии и окружения
python script.py
Мои Python-скрипты стали куда симпатичнее, когда я открыл для себя рендерер Markdown() из rich.
https://rich.readthedocs.io/en/stable/markdown.html
👉 @PythonPortal
GitHub опубликовал Octoverse 2025
→ TypeScript стал самым используемым языком
→ Python доминирует в AI-проектах
→ 80% репозиториев используют Python, JS, TS, Java, C++ и C#
→ Shell вырос на 324%
→ Узкая специализация на одном фреймворке уже не главное
→ Софта создаётся больше, чем когда-либо раньше
👉 @PythonPortal
Впервые за всю историю интернета появилась альтернатива Википедии
Она называется Grokipedia. Её сделали Илон Маск и команда X. Позиционируют как более правдивую замену Википедии.
Запустили уже с почти 900 тысячами статей и хотят перестроить онлайн-знания с помощью ИИ.
Посмотрим, что из этого выйдет. Напиши, что думаешь :)
👉 @PythonPortal
Пожалуй, один из лучших способов 😬
👉 @PythonPortal
Совет по Python:
Не стоит делать pip freeze > requirements.txt.
Иначе в файле окажется куча зависимостей, которые ты сам не ставил и вообще не понимаешь, зачем они нужны.
Лучше добавляй нужные пакеты вручную в requirements.txt.
Сравни два подхода:
Ручное добавление зависимостей:
Django==5.0.4
pytest==8.1.1
pytest-cov==5.0.0
Результат pip freeze:
asgiref==3.8.1
coverage==7.4.4
Django==5.0.4
iniconfig==2.0.0
packaging==24.0
pluggy==1.5.0
pytest==8.1.1
pytest-cov==5.0.0
pytest-cover==3.0.0
pytest-coverage==0.0
sqlparse==0.5.0
👉 @PythonPortal
Находи профиль человека на 1000+ сайтах
Открытый инструмент Social Analyzer на GitHub реально МЁД.
Вводишь один юзернейм, и он автоматически пробегается по тысяче с лишним соцсетей, вытаскивая все профили этого пользователя.
Он ещё и данные парсит для нормальной аналитики, умеет сверять несколько аккаунтов между собой и строить визуальные графы связей. 😏
👉 @PythonPortal
Учёные снова нашли, как удивить мир технологий. На этот раз под прицел попали грибы. Да-да, обычные шампиньоны и шиитаке превратили в живые микрочипы памяти.
Исследователи взяли мицелий и научились через него гонять и хранить электрические сигналы. Получились такие себе органические мемристоры. Работают они не где-нибудь там в теории, а на частотах до 5,85 кГц. Переключаются между состояниями примерно с 90-процентной точностью. Для живого организма вообще огонь.
Если дело пойдёт дальше, однажды можно будет собрать системник, который нужно не охлаждать, а… поливать. ПК на грибах, уже не просто мем, а крадущийся хай-тек.
👉 @PythonPortal
Как остановить хакерскую атаку:
👉 @PythonPortal
Datalab выкатывает Chandra
Среди open-source OCR внезапно появился новый чемпион. Модель Chandra от команды Datalab залетела на независимые бенчмарки и обошла прежнего топа dots-ocr. Судя по тестам, это не просто ещё один форк, а реально мощный инструмент.
Chandra уверенно работает с текстом, таблицами и даже формулами. Поддерживает больше сорока языков и не только печатный текст, но и старые рукописи. Один из тестов прогнали на письме Рамануджана 1913 года, и модель справилась без кривых артефактов.
Проект полностью открыт
👉 @PythonPortal
Microsoft снова в своём стиле
Собирать решение на агенте с ИИ почти никогда не получается с первого раза.
Дни уходят на то, чтобы крутить промпты, добавлять примеры, надеяться на улучшение. Никакой системы, один сплошной тык.
И как раз это решает Agent Lightning от Microsoft. 😏
Это опенсорсный фреймворк, который обучает ЛЮБОГО ИИ-агента с помощью обучения с подкреплением. Подходит для LangChain, AutoGen, CrewAI, OpenAI SDK или просто Python.
Как это работает:
Агент работает как обычно с любым фреймворком. Просто добавляешь лёгкий вызов agl.emit() или даёшь трейсеру самому собирать данные.
Agent Lightning собирает каждый промпт, вызов инструмента и награду. Сохраняет всё как структурированные события.
Ты выбираешь алгоритм (RL, оптимизация промптов, fine-tuning). Он читает события, находит паттерны и генерирует улучшенные промпты или веса политики.
Trainer загружает обновления обратно в агента. Агент становится умнее, без переписывания кода.
Самое приятное: можно оптимизировать каждого агента в системе из нескольких агентов.
👉 @PythonPortal
Вот почему не стоит выкладывать всё подряд в интернет.
Видео, которое вы видите, пожалуй, одно из самых наглядных по теме осознанности в отношении ИИ.
👉 @PythonPortal
Самый сильный фактор, который предсказывает способность к программированию, это языковая одаренность. Не математика.
В исследовании, опубликованном в Nature, выяснилось, что навык работы с числами объясняет всего 2% различий в уровне навыков.
При этом нейронные особенности, связанные с языком, объясняют 70% различий.
Хорошие программисты отлично работают со словами. Цифры — упрямые.
Говорю это как человек, который любит математику и даже брал ее как дополнительную специализацию.
Факультетам CS, наверное, стоило бы на полном серьезе набирать побольше тех, кто силен в письме.
Ссылка на исследование: тык
👉 @PythonPortal
Освой GitHub MCP Server меньше чем за 90 секунд
Вчера наткнулся на GitHub MCP Server прямо в VS Code и честно, офигел.
Можно создавать репозитории, управлять задачами, делать pull-request’ы и многое другое… не выходя из редактора.
На видео короткое демо, чтобы показать, как MCP Server от github может зарядить твой VS Code 🧠
VS Code реально выходит на новый уровень с этими MCP-серверами от разных инструментов и компаний :)
👉 @PythonPortal
Совет по чистому коду:
Декораторы добавляют переиспользуемый функционал к функциям и помогают соблюдать принцип разделения ответственности.
Они делают код модульным и аккуратным. Освой их, чтобы писать более питонично. 🥺
Пример:
def ask_for_passcode(func):
def inner():
print('Какой пароль?')
passcode = input()
if passcode != '1234':
print('Неверный пароль.')
else:
print('Доступ разрешён.')
func()
return inner
@ask_for_passcode
def start():
print("Сервер запущен.")
@ask_for_passcode
def end():
print("Сервер остановлен.")
start() # декоратор спросит пароль
end() # декоратор спросит пароль
Как владельцы Макбуков в модной кофейне видят твой Lenovo ThinkPad
👉 @PythonPortal
🤤 Виртуальная Linux-среда прямо в браузере.
✓ Без установки, работает на WebAssembly
✓ В комплекте Python, C, C++, Vim, curl и другое
✓ С доступом в интернет — устанавливай всё, что нужно
Попробуй → http://webvm.io
http://webvm.io
👉 @PythonPortal
💻 Пост для тех, кто пишет, дебажит и страдает.
ChatGPT, Cursor, Gemini, Perplexity, Claude — вся эта команда уже готова чинить твой код, пока ты споришь с тимлидом о нейминге переменной.
Генерят тесты, ловят баги, подсказывают архитектуру и даже пишут доку, если руки не доходят (а они никогда не доходят).
Оформить подписку можно через Kupikod — быстро, в рублях и без плясок с зарубежными картами:
✅ низкие цены,
✅ быстрая доставка,
✅ безопасное пополнение,
✅ без боли.
🎁 Промокод PORTAL — на скидку, чтобы оставалось на кофе.
➡️ Залетай и прокачай свой скилл
😑 alphaXiv Labs выкатили Tensor Trace, это интерактивная 3D-визуализацию работы трансформера
Сервис позволяет заглянуть внутрь моделей вроде LLaMA: увидеть каждый тензор, операцию и весь путь данных. Кликаешь на компонент и получаешь соответствующий кусок кода, который за это отвечает. Максимальная наглядность для тех, кому мало схем на картинках.
Ссылка для изучения: https://www.alphaxiv.org/labs/tensor-trace
👉 @PythonPortal
Если тебе кажется, что у тебя стрёмное портфолио, просто вспомни: у создателя Python оно тоже такое, и он всё равно лучший.
👉 @PythonPortal
8 метрик, без которых не обойтись в регрессии
Если строишь модели для предсказания чисел и неважно, цены, спроса или температуры, вот базовый набор метрик, который стоит знать наизусть: MSE, MAE, RMSE, MAPE, R², Weighted MAPE, Symmetric MAPE и RMSLE.
Каждая по-своему показывает, насколько далеко твои предсказания от реальности. Одни чувствительны к выбросам, другие к масштабу, а некоторые нормализуют ошибку, чтобы можно было сравнивать разные модели.
Хорошая шпаргалка, чтобы быстро вспомнить формулы и не путаться, какая метрика когда уместна.
👉 @PythonPortal
PyTorch представили Monarch (новый фреймворк для распределённых вычислений)
Он делает работу с кластерами почти такой же простой, как запуск обычного Python-скрипта. Вместо старого SPMD-подхода теперь всё управляется одной программой, которая координирует тысячи GPU как единую систему.
Процессы объединяются в структуры, похожие на массивы, отказоустойчивость решается через обычный try/except, а данные передаются напрямую между GPU по RDMA. Распределённые тензоры выглядят и ведут себя как локальные. Monarch легко интегрируется с VERL, TorchForge и Lightning AI, так что обучать и отлаживать большие модели можно прямо из Jupyter.
В итоге кластер ощущается как одна машина, а распределённые вычисления как обычный Python-код. 🦝
👉 @PythonPortal