50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Python vs Java 😮
Основное различие:
➖Python интерпретируемый язык, его код выполняется через виртуальную машину Python.
➖Java сначала компилируется в байт-код, а затем выполняется в JVM с помощью JIT-компиляции.
➖Java, как правило, быстрее в работе, а Python проще для написания и отладки.
👉 @PythonPortal | #ресурсы
Визуализация сложных данных в Python стала еще проще! 😮
Знакомьтесь, Cosmograph для Python — виджет, который обеспечивает ускоренную на GPU интерактивную визуализацию графов прямо в твоих Jupyter Notebook.
Почему это прорыв?
🟢Производительность на GPU
🟢Интерактивное исследование сети (панорамирование, масштабирование, наведение, выбор)
🟢Гибкая настройка (расположение, цвета, размеры и многое другое)
🟢Бесшовная интеграция в ноутбуки и простая установка через pip
Но это еще не все:
☑ Симуляции на основе силовых полей для динамических визуализаций
☑ Гладкая работа с крупными графами
☑ Минимальная настройка — просто pip install cosmograph
⏩ Ссылка:
https://github.com/cosmograph-org/py_cosmograph
👉 @PythonPortal | #ресурсы
Глубокое обучение
- Всего видео: 30
Этот плейлист содержит всё, что нужно знать о нейросетях: от основ до передовых технологий с трансформерами, которые являются основой ChatGPT.
⏩Источник:
https://www.youtube.com/playlist?list=PLblh5JKOoLUIxGDQs4LFFD--41Vzf-ME1
👉 @PythonPortal | #видео
Ускорьте Python в 50 раз за 4 простых шага
По умолчанию интерпретатор Python, CPython, работает медленно, в основном из-за своей динамичности.
После определения переменной с определённым типом её можно изменить на другой. Эти динамические манипуляции приводят к дополнительным затратам на выполнение и память.
Чтобы ускорить работу, используйте модуль Cython. Он превращает код Python в C, делая его быстрым и эффективным.
Вот как использовать модуль Cython:
1) Загрузите модуль Cython: %load_ext Cython
2) Добавьте магическую команду Cython
3) Указывайте типы данных параметров при использовании функций
4) Определяйте каждую переменную с помощью ключевого слова cdef и указывайте её тип данных
Вот и всё!
Теперь ваш код будет работать с ускорением до скорости нативного машинного кода, как показано на картинке.
👉 @PythonPortal | #tips
Альтернатива Pandas, работающая в 100 раз быстрее!
(Она даже может обойти GPU-библиотеки для работы с DataFrame)
Хотя Pandas — самая популярная библиотека для работы с DataFrame, у нее есть серьезные ограничения:
🟢Pandas использует только одно ядро CPU.
🟢Часто создает громоздкие DataFrame.
🟢Жадное (немедленное) выполнение мешает глобальной оптимизации.
Представляем FireDucksDev — высокооптимизированную замену Pandas, которую можно использовать без изменений кода.
Просто замените одну строку:
import fireducks.pandas as pd
Смотрите, как курсор управляет моим браузером. Он может видеть, что происходит, включая логи сети и консоли.🐈
Теперь мой курсор может отлаживать и исправлять проблемы на сайте без необходимости копировать и вставлять.
ОГРОМНОЕ ускорение для веб-разработки — с этим курсор может конкурировать с v0 и Replit в автономной разработке веб-приложений.
🔜 https://github.com/eastlondoner/cursor-tools
👉 @PythonPortal | #ресурсы
Скрипт парсер
Скрипт простой, мощный и универсальный Telegram бот для парсинга, разработанный для упрощения процесса извлечения данных с веб-сайтов.
Он имеет удобный интерфейс с меню и поддерживает широкий спектр опций извлечения данных, включая необработанный HTML, элементы HTML, абзацы, ссылки, аудио и видео.
🤖 ЯП: Python 3.11+
📂 Модули: pyrogram, bs4, requests, html5lib
🖥 База данных: -
👉 @PythonPortal | #ресурсы
CuPy — это библиотека для работы с массивами в стиле NumPy, но с поддержкой вычислений на GPU.
Она позволяет использовать NVIDIA CUDA для ускорения операций с массивами, что делает её полезной для научных вычислений, машинного обучения и других задач, требующих высокой производительности. 🐈
🟢Полная совместимость с NumPy (можно легко заменить numpy на cupy в коде).
🟢Аппаратное ускорение на GPU через CUDA.
🟢Поддержка многопоточных вычислений.
🟢Поддержка FFT, линейной алгебры, разреженных матриц и других численных методов.
Если у тебя есть видеокарта NVIDIA и установленная CUDA, ты можешь использовать CuPy для ускорения кода, который обычно работает на CPU через NumPy.
🔜 https://github.com/cupy/cupy
👉 @PythonPortal | #ресурсы
Книга "Mathematics for Machine Learning" (MML) — это учебник по математическим основам машинного обучения.
Она охватывает ключевые темы из математики, которые необходимы для понимания алгоритмов машинного обучения.
🟢Линейная алгебра – векторы, матрицы, собственные значения, сингулярное разложение.
🟢Анализ (исчисление) – градиенты, частные производные, оптимизация.
🟢Вероятность и статистика – случайные переменные, распределения, байесовская теория.
🟢Оптимизация – градиентный спуск, методы Ньютона.
🟢Применение в машинном обучении – примеры алгоритмов с математической точки зрения.
Это отличное введение в математику для тех, кто хочет глубже понять принципы машинного обучения. ❤️
⛓ Ссылка: тык
👉 @PythonPortal | #ресурсы | дать буст
18 распространенных портов, о которых стоит знать
FTP (21, TCP) – Протокол передачи файлов
SSH (22, TCP) – Безопасный удалённый доступ (Secure Shell)
Telnet (23, TCP) – Удалённый вход (незащищённый)
SMTP (25, TCP) – Простой протокол передачи почты
DNS (53, TCP/UDP) – Запросы системы доменных имён
DHCP Server (67, UDP) – Протокол динамической конфигурации хоста (сервер)
DHCP Client (68, UDP) – Протокол динамической конфигурации хоста (клиент)
HTTP (80, TCP) – Протокол передачи гипертекста (основа веб-сайтов)
POP3 (110, TCP) – Протокол получения почты (версия 3)
NTP (123, UDP) – Протокол времени в сети
NetBIOS (139, TCP) – Служба NetBIOS
IMAP (143, TCP) – Протокол доступа к электронной почте
HTTPS (443, TCP) – Защищённый HTTP (SSL/TLS)
SMB (445, TCP) – Протокол совместного использования файлов и принтеров
Oracle DB (1521, TCP) – Порт для взаимодействия с базой данных Oracle
MySQL (3306, TCP) – Порт для взаимодействия с базой данных MySQL
RDP (3389, TCP) – Протокол удалённого рабочего стола
PostgreSQL (5432, TCP) – Порт для взаимодействия с базой данных PostgreSQL
😦 Эти порты используются в администрировании серверов, сетевой безопасности и разработке приложений.
👉 @PythonPortal | #ресурсы | дать буст
Ниже приведён прикладной пример использования библиотеки NetworkX для решения простой задачи на графах: представим, что у нас есть небольшая сеть дорог в городе, и мы хотим найти самый быстрый маршрут от склада до магазина с учётом скоростей на участках дорог.
- Узлы графа (nodes) — это перекрёстки.
- Рёбра графа (edges) — это дороги между перекрёстками.
- У каждого ребра есть:
- длина дороги (в километрах),
- скорость (км/ч), с которой можно проехать этот участок.
Целевая метрика: время в пути (в часах). Мы хотим найти кратчайший (по времени) путь, а не по географическому расстоянию.
import networkx as nx
def build_city_graph():
"""
Создаёт и возвращает ориентированный граф (DiGraph) с атрибутами:
- distance (км)
- speed (км/ч)
"""
G = nx.DiGraph()
# Добавим несколько перекрёстков (можно просто добавлять рёбра,
# тогда вершины создадутся автоматически)
ПИШЕМ СОБСТВЕННЫЙ WEB-FRAMEWORK НА PYTHON
Видео посвящено созданию простого веб-фреймворка на Python, его интеграции с Gunicorn и организации маршрутизации. 🔥
📲 Источник: тык
👉 @PythonPortal | #видео
Как создать свой веб-фреймворк на Python?
📖 Читать: ссылка
👉 @PythonPortal | #статья
Python Pandas для машинного обучения
Файл содержит заметки и примеры кода, посвященные работе с библиотекой Pandas в Python, в контексте машинного обучения. Основное внимание уделяется следующим аспектам:
Обработка данных:
⏩Загрузка, фильтрация, агрегация и подготовка данных.
⏩Удаление пропусков, нормализация, кодирование (например, one-hot encoding).
Работа с Series и DataFrame:
⏩Создание, индексирование, фильтрация и редактирование объектов.
⏩Применение методов для статистического анализа, сортировки и очистки данных.
Интеграция с другими библиотеками: Seamless взаимодействие Pandas с инструментами Python для машинного обучения.
Файл содержит теоретические объяснения, примеры кода и ссылки на внешние ресурсы. 🧠
👉 @PythonPortal | #ресурсы | дать буст
Правильный импорт собственных модулей Python
Видео рассказывает о правильном способе импорта пользовательских модулей Python, использовании файла __init__.py для создания модулей и структурировании кода с несколькими файлами и директориями.
📲 Источник: тык
👉 @PythonPortal | #видео
Это справочник по регулярным выражениям на русском языке.
➖Якорей (например, ^ – начало строки, $ – конец строки)
➖Символьных классов (\d – цифра, \s – пробел и т. д.)
➖POSIX-классов ([:alpha:] – все буквы, [:digit:] – цифры и т. д.)
➖Утверждений (например, ?= – вперед смотрящее утверждение)
➖Шаблонов (например, \d{1,2}/\d{1,2}/\d{4} – дата в формате dd/mm/yyyy)
➖Кванторов (*, +, ?, {n} и их нежадные версии)
➖Специальных символов (\n – новая строка, \t – табуляция и т. д.)
➖Диапазонов ([a-z], [^0-9] и т. д.)
➖Модификаторов (g – глобальный поиск, i – регистронезависимый и т. д.)
👉 @PythonPortal | #ресурсы
Книга "Machine Learning Yearning" (Автор: Эндрю Нг)
🟢Как правильно выбирать стратегию для ML-проектов
🟢Постановка задач и выбор метрик оценки
🟢Работа с тренировочными и тестовыми наборами данных
🟢Анализ ошибок и определение ключевых проблем модели
🟢Баланс между предвзятостью (bias) и разбросом (variance)
🟢Улучшение качества моделей с помощью регуляризации, архитектуры нейросетей и других методов
🟢Работа с распределением данных и генерализация моделей
Книга не углубляется в математические детали, а делает упор на практическое руководство по улучшению ML-систем.
📝Читать:
https://home-wordpress.deeplearning.ai/wp-content/uploads/2022/03/andrew-ng-machine-learning-yearning.pdf
👉 @PythonPortal | #книги
enumerate и zip в Python 🖥
👉 @PythonPortal | #ресурсы
5 декораторов Python, которые должен знать каждый разработчик 😜
➖Статья знакомит разработчиков с мощным инструментом Python, который позволяет изменять поведение функций и методов без изменения их исходного кода.
В ней рассматриваются техники, способные улучшить читаемость, повторное использование и производительность кода, а также упрощают работу с кэшированием, доступом к данным и логированием
📝Читать:
https://www.clcoding.com/2025/02/5-python-decorators-every-developer.html
👉 @PythonPortal | #статья
"Машинное обучение с помощью Python"
Этот 366-страничный учебник для студентов инженерных специальностей теперь БЕСПЛАТНЫЙ.
📝Цель этой книги — обсудить разработку моделей машинного обучения с использованием Python. Искусственный интеллект (AI) и машинное обучение (ML) являются важными навыками, которые необходимы каждому выпускнику инженерных и управленческих специальностей для успешного карьерного роста
Получите свой экземпляр:
⏩ https://ggnindia.dronacharya.info/Downloads/Sub-info/RelatedBook/4thSem/Fundamentals-of-AIML-text-book-4.pdf
👉 @PythonPortal | #книги
20 БЕСПЛАТНЫХ ресурсов для изучения Python:
🟢 Веб-сайты:
- Python.org
- Официальный учебник Python: docs.python.org/3/tutorial/
- Документация Python: docs.python.org/3/
- Codecademy:
- Курс "Learn Python 3": codecademy.com/learn/learn-python-3
- freeCodeCamp:
- Курс "Python for Everybody": freecodecamp.org/learn/scientific-computing-with-python/
-тЗадачи Python: freecodecamp.org/learn/python-challenges
- W3Schools:
- Учебник Python: w3schools.com/python/
- Real Python:
- Уроки: realpython.com/tutorials/python/
- GeeksforGeeks:
- Учебник Python: geeksforgeeks.org/python-programming-language/
🟢Интерактивные платформы:
- Академия Хана:
Intro to Programming: http://khanacademy.org/computing/computer-programming
- MIT OpenCourseWare:
Введение в информатику и программирование на Python: http://ocw.mit.edu/courses/6-0001-introduction-to-computer-science-and-programming-in-python-fall-2016/.
🟢Книги и электронные книги:
- Think Python:
Книга онлайн: http://greenteapress.com/wp/think-python-2e/
- Автоматизируйте скучные вещи с помощью Python:
Читать бесплатно онлайн: http://automatetheboringstuff.com
🟢Видеоуроки:
YouTube:
- CS Dojo (Youtube-канал YK Sugi): http://youtube.com/c/CSDojo.
- Corey Schafer: http://youtube.com/user/schafer5
- edX:
Введение в Python: http://edx.org/learn/python
🟢Практические платформы:
- LeetCode:
Python Coding Challenges: http://leetcode.com/problemset/all/?search=python
- HackerRank:
Практика Python: http://hackerrank.com/domains/python
👉 @PythonPortal | #ресурсы
Панель потоковых данных GitHub — это произведение искусства. 🐈
👉 @PythonPortal | #видео
Скрипт мониторинг YouTube каналов 🔥
Скрипт Telegram бот который отслеживает каналы YouTube и отправляет мгновенные уведомления в группы Telegram при загрузке новых видео. Идеально подходит для менеджеров сообществ и создателей контента, которые хотят держать свою аудиторию в курсе событий.
🤖 ЯП: Python 3.11+
📂 Модули: requests , pyTelegramBotAPI
🖥 База данных: -
⛓ Скачать скрипт
👉 @PythonPortal | #ресурсы
🔒 7539 ГБ платного контента для программистов утекли в Telegram
Выбирай направление и обучайся:
👩💻 Java — 644 ГБ
🖥 Python — 724 ГБ
🖥 Frontend — 981 ГБ
🖥 Backend — 817 ГБ
👩💻 Все языки — 4373 ГБ
Пост удалится через 48 часов 🕔
Краткий курс DeepSeek-R1
Узнайте об инновационном подходе с использованием обучения с подкреплением, который лежит в основе DeepSeek-R1, и исследуйте, как этот инструмент достигает производительности, сопоставимой с промышленными гигантами, такими как o1 от OpenAI, но с гораздо меньшими затратами
Вы изучите его архитектуру, практическое применение и способы развертывания этой модели, чтобы использовать ее передовые аналитические способности для собственных проектов. 🧔♂️
📲 Источник: тык
👉 @PythonPortal | #видео
Шпаргалка по синтаксису Python.
Сохраняем и пользуемся 😁
👉 @PythonPortal | #ресурсы | дать буст
Тренируйте и оценивайте все свои модели машинного обучения сразу! ⚔️
Представляем Lazy Predict — библиотеку Python, которая позволяет тренировать, тестировать и оценивать все ваши модели машинного обучения одновременно всего с несколькими строками кода.
Вы можете установить библиотеку Lazy Predict для Python с помощью следующей команды:
pip install lazypredict
Программа на Python для преобразования десятичного числа в его эквивалент римскими цифрами.
👉 @PythonPortal | #ресурсы | дать буст
Пигментный код 😤
Pygments — библиотека для подсветки синтаксиса, написанная на Python.
➡ Поддерживает более 500 языков, экспорт в HTML, LaTeX и другие форматы. Используется для красивого отображения кода в документации, блогах и инструментах.
⛓ Ссылка: тык
👉 @PythonPortal | #ресурсы
Диаграмма как код
diagram-as-code — Python-библиотека для программного создания диаграмм, таких как архитектурные схемы, диаграммы процессов и потоки данных! 🍩
Этот инструмент позволяет создавать и обновлять диаграммы с помощью кода, что особенно полезно для автоматизации документации и визуализации, особенно в контексте облачной инфраструктуры, например AWS.
👉 @PythonPortal | #ресурсы | дать буст