50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Совет по Python:
Добавление элемента в конец списка работает за O(1), но вставка в середину списка стоит O(n).
collections.deque обеспечивает O(1) при добавлении элементов с любого конца.
👉 @PythonPortal
Наконец-то появился open-source инструмент для контекстной инженерии на Python.
Pixeltable это единая декларативная платформа, которая закрывает весь мультимодальный пайплайн от хранения данных до выполнения моделей.
Идея простая. Вместо того чтобы связывать между собой векторную БД, SQL-хранилище, сервис эмбеддингов и фреймворк под агентов, всё живет в одной системе.
Документы, эмбеддинги, история диалогов и результаты агентов это просто таблицы. Эмбеддинги считаются автоматически как вычисляемые колонки. Векторный поиск работает вместе с обычными операциями над данными.
Система заточена под полноценный контекстный пайплайн.
Вот стартовый ноутбук с примером того, как построить контекстную инженерию на Pixeltable.
👉 @PythonPortal
Как создать синусоидальную волну на Python с помощью Bokeh и NumPy 🐍
import numpy as np
from bokeh.layouts import gridplot
from bokeh.plotting import figure, output_file, show
N = 100
x = np.linspace(0, 4 * np.pi, N)
y0 = np.sin(x)
output_file('sinewave.html')
sine = figure(width=500, plot_height=500, title='Sine')
sine.circle(x, y0, size=10, color="navy", alpha=0.5)
p = gridplot([[sine]], toolbar_location=None)
show(p)
ПОСЛЕДНИЕ НОВОСТИ: Вчера Cloudflare на пару минут лег , и следователи обвиняют в этом Whiskers. 👀
👉 @PythonPortal
Разработчики ядра Python предлагают сделать язык программирования Rust жёсткой зависимостью для Python.
Конкретно речь идёт о CPython (де-факто эталонной реализации Python)
Такая зависимость от Rust фактически сделает невозможным современный Python на ряде платформ, не поддерживаемых Rust (включая RiscOS, PPC-Mac’и, некоторые версии CentOS и другие)
👉 @PythonPortal
Когда фиксишь один баг, но тут прилетает новый
👉 @PythonPortal
Большая новость: теперь Google Colab можно запускать прямо внутри VS Code.
То есть можно писать код в нормальном редакторе, а ноутбук подключать к Colab GPU/TPU окружению для ML/AI задач.
Настройка занимает пару минут. И бесплатно.
Как стартануть:
1. Ставишь расширение Google Colab из Marketplace в VS Code
2. Открываешь .ipynb
3. Выбираешь ядро Colab
4. Авторизуешься и всё, поехали
👉 @PythonPortal
Совет по чистым тестам в Python:
В большинстве случаев твои тесты должны покрывать:
- все happy path сценарии
- edge/corner/boundary кейсы
- негативные тесты
- проверки на безопасность и некорректные вводы
import uuid
from dataclasses import dataclass
from typing import Optional
@dataclass
class User:
username: str
class InMemoryUserRepository:
def __init__(self):
self._users = []
def add(self, user: User) -> None:
self._users.append(user)
def search(self, query: Optional[str] = None) -> list[User]:
if query is None:
return self._users
else:
return [
user
for user in self._users
if query in user.username
]
# happy path
def test_search_users_without_query_lists_all_users():
user1 = User(username="john@doe.com")
user2 = User(username="marry@doe.com")
repository = InMemoryUserRepository()
repository.add(user1)
repository.add(user2)
assert repository.search() == [user1, user2]
# happy path
def test_search_users_with_email_part_lists_all_matching_users():
user1 = User(username="john@doe.com")
user2 = User(username="bob@example.com")
user3 = User(username="marry@doe.com")
repository = InMemoryUserRepository()
repository.add(user1)
repository.add(user2)
repository.add(user3)
assert repository.search("doe") == [user1, user3]
# edge test case
def test_search_users_with_empty_query_lists_all_users():
user1 = User(username="john@doe.com")
user2 = User(username="marry@doe.com")
repository = InMemoryUserRepository()
repository.add(user1)
repository.add(user2)
assert repository.search("") == [user1, user2]
# negative test case
def test_search_users_with_random_query_lists_zero_users():
user1 = User(username="john@doe.com")
repository = InMemoryUserRepository()
repository.add(user1)
assert repository.search(str(uuid.uuid4())) == []
# security test
def test_search_users_with_sql_injection_has_no_effect():
user1 = User(username="john@doe.com")
repository = InMemoryUserRepository()
repository.add(user1)
repository.search("DELETE FROM USERS;")
assert repository.search() == [user1]
Зарплата 207.000р у Middle-разработчика в Яндекс
«В день уходит несколько часов на созвоны, в остальное время закрываю задачки из спринта, редко перерабатываю. У компании топовый офис, но с коллективом как-то не заладилось. Радуюсь классному ДМС и стабильной зарплате» - middle разработчик из Яндекса.
Бигтех по-русски - канал с реальными зарплатами и историями IT-специалистов российского БигТеха. Там уже опубликованы рассказы программистов Альфа-банка, Сбера и Тинькофф 🤯
Читайте: @bigtech_russia
Представляю Goldman Sachs GS-Quant
Python-инструментарий для количественного анализа, созданный Goldman Sachs.
GS Quant — это Python-набор инструментов для квант-финансов, построенный на базе одной из самых мощных платформ управления рисками.
GS Quant создан для ускорения разработки квант-трейдинговых стратегий и решений для риск-менеджмента. В его основе более 25 лет опыта работы на глобальных рынках.
Чтобы получить доступ к API, нужен client id и secret. Они доступны только институциональным клиентам Goldman Sachs.
Исходники GS-Quant можно найти на GitHub:
https://github.com/goldmansachs/gs-quant
👉 @PythonPortal
Весь мир: простая понятная капча
Китайцы: почисть лоток
👉 @PythonPortal
Знаешь, что неприятно реализовывать в Python?
Функцию скользящего среднего.
Ручное хранение всех значений в окне, тот ещё гемор.
Если только ты не используешь collections.deque.
Её параметр maxlen позволяет автоматически выбрасывать лишние значения из окна.
👉 @PythonPortal
Фотоскрейпинг наконец-то подъехал!
В новом v2 эндпоинте Firecrawl теперь можно тянуть картинки с сайтов. Подходит для мультимодальных LLM-приложений, дообучения моделей и прочих задач.
Можно навесить фильтры по разрешению, соотношению сторон или типу изображения.
Уже больше 66 тысяч звезд на GitHub 😁
👉 @PythonPortal
Когда стало скучно с одним рабочим проектом и на фрилансе взял еще 2 новых
👉 @PythonPortal
🔵🗣Вырасти до хардового Middle+ аналитика.
Как? Добавьте к своим скилам навыки в проектировании архитектуры и интеграций веб-сервисов!
Рассмотрите — авторский курс про архитектуру и интеграции
с практикой.
—————
По результатам курса вы:
▫️научитесь выбирать стиль интеграции под вашу задачу;
▫️сможете проектировать с нуля и описывать интеграции в современных стилях (API: REST, SOAP, gRPC и др. + брокеры сообщений);
▫️поймете, как правильно собирать требования и моделировать в UML;
▫️подготовитесь к собеседованию, решив более 100 тестов;
▫️разработаете свой API на Python;
—————
🟢Вы получите большую базу фундаментальных знаний, доступ к урокам и обновлениям остается навсегда 💡
• Всю программу и отзывы смотрите в боте курса.
• Бонусный модуль про проектирование баз данных — нормализация, транзакции, основы DWH, индексы.
• Результат после прохождения курса: 15 рабочих проектов в портфолио.
• Доступ к чату учеников (общение, обмен опытом, помощь внутри сообщества)
🔹🔹 С чего начать?🔹🔹
С открытых бесплатных уроков по архитектуре и интеграциям в чат-боте курса. Переходите.
👇
@studyit_help_bot
Скидка на курс от канала —
1 000₽ по промокоду PYTHON
до конца ноября
Наиболее распространенные команды Git
👉 @PythonPortal
Новая игрушка для тех, кто обожает странные, технологичные и слегка психоделические штуки. 👍
Недавно нашёл экспериментальный редактор, который больше похож на арт-инсталляцию для хакеров, чем на обычный IDE.
Что внутри:
Шейдерные эффекты, неон и эффект старого экрана. Не обязательно, но включить можно
Полноценная подсветка синтаксиса и разбор кода через Tree Sitter. Rust, Python, Go, C++ и ещё куча языков.
LSP работает на ура. Переходы по символам, автокомплит, подсказки типов. Настраивать ничего не пришлось.
Встроенный терминал, и не просто терминал, а на основе st. Для любителей минимализма и сурового UX.
Мультикурсор, кастомные парсеры и всякие удобства для тех, кто пишет на своём таинственном языке, о котором знают три человека в мире.
Поддержка ИИ-подсказок. Можно цеплять модели через OpenRouter и выбирать, кто сегодня будет вашим робот-напарником.
Я только что нашёл сайт, который объясняет HTTP-коды… через мемы.
200, 404, 500 и вся эта банда.
Учить HTTP таким способом надо прямо на первом курсе программирования.
→ http://github.com/keijeizei/httpmemes
👉 @PythonPortal
Как получить минимальное и максимальное значения последовательности в Python, используя встроенные функции.
Обрати внимание: обе функции поддерживают удобный параметр default, который можно задать на случай, если последовательность окажется пустой.
👉 @PythonPortal
Oxylabs это довольно известная компания в сфере веб-скрейпинга с десятилетним опытом.
Они выпустили Python-пакет для веб-парсинга. С его помощью можно вытаскивать данные из e-commerce сайтов, поисковиков, сервисов недвижимости и многого другого.
Вот простой пример парсинга результатов Bing:
from oxylabs import RealtimeClient
# Указываем данные для авторизации в Oxylabs API
username = "username"
password = "password"
# Создаем Realtime-клиент с нашими кредами
client = RealtimeClient(username, password)
# Используем bing_search, чтобы получить результаты Bing по запросу "nike"
result = client.bing.scrape_search("nike")
# Выводим сырые данные (как есть)
print(result.raw)
Junior нам не нужен, нам нужен младший разработчик
👉 @PythonPortal
Теперь в Minecraft можно генерировать 3D-объекты по одному промпту.
Мод Falcraft добавляет в игру продвинутый AI. Можно на лету менять текстуры блоков через NanoBanana или генерировать целые 3D-структуры одной командой прямо во время игры. 🌟
Скачать на GitHub: https://github.com/blendi-remade/falcraft?tab=readme-ov-file
👉 @PythonPortal
Ловите очередной полезный гайд
👉 @PythonPortal
78 тем, которые необходимо освоить в области Data Science
👉 @PythonPortal
Сегодня разработчики представили новый формат данных под названием TOON. Его уже успели окрестить сменщиком JSON. Идея простая: дать ИИ понятный, компактный и быстрый формат без лишнего мусора и перегруженной структуры.
TOON экономит токены, ускоряет обработку и уменьшает объем передаваемых данных. По заявлениям авторов, формат оптимизирован не только для хранения, но и для взаимодействия с моделями искусственного интеллекта, включая гибридные и мультимодальные системы.
Поддержка уже заявлена для JavaScript, Python, Rust, Java и еще нескольких языков, а значит разработчики могут попробовать формат прямо сейчас, без ожидания экосистемы и сторонних библиотек.
Goodbye JSON, hello TOON. 🌟
👉 @PythonPortal
Nano-vLLM - облегченная реализация vLLM, созданная с нуля.
Это минималистичный движок для инференса LLM размером примерно 1200 строк кода на Python, который при этом показывает производительность на уровне vLLM и иногда даже выше.
Главная идея простая - дать быстрый, понятный и лёгкий движок, который можно разобрать буквально за вечер и адаптировать под свои задачи. Поддерживается кеширование, тензорный параллелизм и работа на GPU. Работает локально, без зависимости от облаков.
На тестах с моделью Qwen3-0.6B и 256 параллельными запросами Nano-vLLM показал скорость 1314.65 токенов/с против 1353.86 у vLLM. Разница не превышает 3%, при этом код Nano-vLLM проще и доступнее для модификаций.
Интерфейс совместим с vLLM, за исключением метода генерации. Примеры использования включены в репозиторий.
👉 @PythonPortal
Когда атрибут определён и в экземпляре, и в классе, при обращении Python всегда берет значение из экземпляра.
Атрибут класса используется только если в экземпляре его нет.
class Warehouse:
purpose = "storage"
region = "west"
w1 = Warehouse()
print(w1.purpose, w1.region) # storage west
w2 = Warehouse()
w2.region = "east"
print(w2.purpose, w2.region) # storage east
Выложили записи конфы «Я про бэкенд» - той самой, где раскрывали, как устроен бэкенд сегодня
Мир ускоряется: всё вокруг оцифровывается, RPS растёт, ML проникает во все сервисы подряд. Архитектуры усложняются, и поддерживать стабильность при таких масштабах - уже само по себе искусство. Но российские команды этот челлендж держат уверенно
4 октября в Москве на «Я про бэкенд» эксперты наших бигтехов делились, как решают реальные продовые задачи: от ML-инфраструктуры до рекомендательных и генеративных систем.
Особенно зашёл доклад Антона Полднева, руководителя инфраструктуры Яндекс Рекламы. Он рассказал, как их рекомендательный движок ежегодно экономит 200 тысяч CPU, и как команда перестроила архитектуру, которая держит более миллиона запросов в секунду.
Антон поделился конкретными подходами к оптимизации: от хаков на стыке с GPU до тонкой настройки балансировки. А ещё разобрал ключевые тренды в развитии инфраструктуры рекомендаций, без которых невозможно серьёзно нарастить эффективность.
В общем получилось очень насыщенно. Такое мы смотрим 👍
Посмотреть это выступление и другие доклады можно здесь:
- YouTube
- VK Видео
Реклама. ООО "Яндекс". ИНН 7736207543 Erid 2VSb5wAKbPX