50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Годная подборка из 20 Kubernetes-челленджей
Подойдут как хардовые вопросы на собес или для самостоятельной тренировки. Забирайте по ссылкам:
1. danielepolencic/kubernetes-challenge-1-counting-endpoints-9d9c49dac2aa">Подсчёт endpoints (как и сколько endpoints будет у Service)
2. danielepolencic/kubernetes-challenge-2-waiting-for-a-miracle-f8448c864397">Ждём чуда (как работает shutdown)
3. danielepolencic/kubernetes-challenge-3-i-said-stop-3323e74002ca">Я сказал стоп (как «оттянуть» время удаления Pod)
4. danielepolencic/kubernetes-challenge-4-designing-shared-clusters-dc836f087fb2">Проектирование shared-кластеров (какую архитектуру выбрать)
5. danielepolencic/kubernetes-challenge-5-kernel-panic-b5409d3db6e4">Kernel panic (время паниковать?)
6. danielepolencic/challenge-6-hop-little-bunny-b0748c3cd907">Прыгай, кролик
7. danielepolencic/kubernetes-challenge-7-how-many-is-too-many-217cbc2c2b63">Сколько — это слишком много
8. danielepolencic/kubernetes-challenge-8-keeping-the-lights-on-bb2826dba28b">Держим свет включённым
9. danielepolencic/kubernetes-challenge-9-greedy-etcd-ba0e395cac8a">Прожорливый etcd
10. danielepolencic/challenge-10-multiplying-pods-ebd2a65e0ac9">Умножение pod’ов
11. danielepolencic/kubernetes-challenge-11-going-indie-0a91d244b17f">В одиночку
12. danielepolencic/challenge-12-rollin-28abe367e76b">Rollin’
13. danielepolencic/challenge-13-all-you-can-eat-c93045d17388">All you can eat
14. danielepolencic/challenge-14-bounce-2ba683214e7b">Bounce
15. danielepolencic/challenge-15-down-the-rabbit-hole-d1d16121a835">В кроличью нору
16. danielepolencic/challenge-16-throttled-93133f8fd0ad">Throttled
17. danielepolencic/challenge-17-sticky-mess-7f7f00be2636">Липкий бардак
18. danielepolencic/challenge-18-dead-or-alive-16357e0b874e">Жив или мёртв
19. danielepolencic/challenge-19-tied-up-dc16a3786218">Связанный по рукам
20. danielepolencic/challenge-20-one-to-bind-them-all-ca83406d0296">Один, чтобы связать их всех
Совет по чистому коду Python:
Не разделяйте части кода с помощью комментариев — лучше извлекайте функции/методы.
Почему?
1. Улучшает читаемость.
2. При рефакторинге имя метода меняется везде (комментарии быстро становятся устаревшими).
Плохой пример:
# Чтение всех тикетов
class CloseAllTickets:
def execute(self):
session = sessionLocal()
# список всех тикетов
tickets = session.query(Ticket).all()
# закрытие тикетов
for ticket in tickets:
ticket.status = "CLOSED"
# сохранение тикетов
session.add_all(tickets)
session.commit()
class CloseAllTickets:
def execute(self):
session = sessionLocal()
tickets = self._list_tickets(session)
self._close_tickets(tickets)
self._save_tickets(session, tickets)
def _list_tickets(self, session):
return session.query(Ticket).all()
def _close_tickets(self, tickets):
for ticket in tickets:
ticket.status = "CLOSED"
def _save_tickets(self, session, tickets):
session.add_all(tickets)
session.commit()
Python это мощный инструмент для анализа и визуализации данных.
А если хочется углубиться, есть курс от FreeCodeCamp специально под это.
Он начинается с основ Python, потом переходит к работе с табличной и графической визуализацией, обработкой изображений и другим темам. Всё на примере астрономических данных. 🌟
👉 @PythonPortal
Для тех, кто пишет GUI на Python с использованием tkinter, есть интересная находка — библиотека tksheet
Она расширяет стандартные возможности tkinter и позволяет встроить в приложение полноценный табличный интерфейс, похожий на Excel. 🎩
С помощью tksheet можно работать с большими объёмами данных, редактировать ячейки прямо в таблице, сортировать, перетаскивать строки и столбцы, использовать undo и redo. Есть поддержка выпадающих меню, чекбоксов, прогресс-баров и встроенного поиска.
Всё это делает её отличным инструментом для создания интерактивных и удобных интерфейсов на базе Python.
👉 @PythonPortal
Запусти собственного AI-агента на Python в Telegram за 5 минут!
evi-run — это легкий и функциональный фреймворк для создания как продвинутых мультиагентных систем, так и обычных AI-ботов. Первая настройка и quick start через Docker Compose за несколько минут!
Для продвинутых пользователей: Настройте и запустите свой экземпляр evi-run без навыков программирования — для личного использования, для сообщества или с монетизацией.
Для разработчиков: Создавайте продвинутые ИИ-системы с модульной архитектурой и централизованной конфигурацией агентов.
Подходит для создания: AI-ассистентов, виртуальных персонажей, автоматизации саппорта, аналитиков данных, торговых агентов и многих других мультиагентных систем.
Вышло большое обновление на GitHub, добавился новый функционал и улучшена архитектура!
Присоединяйся к сообществу evi-run и участвуй в развитии проекта!
📁 Language: #Python (85.9%)
⭐️ Stars: 76
➡️ Cсылка на GitHub
📱 @git_developer
Совет по Python
Чтобы получить полный список дат (включая день недели) для конкретного месяца, можно использовать функцию itermonthdays4.
Возвращаемые значения будут кортежами, где содержатся год, месяц, день месяца и номер дня недели.
👉 @PythonPortal
9 лучших практик Docker, которые стоит знать каждому разработчику
Docker давно стал стандартом для упаковки и запуска приложений. Но чтобы контейнеры были безопасными, быстрыми и удобными в поддержке, важно соблюдать проверенные практики.
Сохраняй этот список ключевых советов 🤝
👉 @PythonPortal
👨💻 Готовы к учебному году? Если нет, то вот вам заряд мотивации, почти из будущего
Яндекс Образование запустили проект, где можно придумать собственное видение технологий. Мечтаете о доставке еды до окна или о самокатах с автопилотом? Самое время визуализировать мечту.
Переходите по ссылке.
Pdf-extract-API
Python-проект, который уже давно используют для извлечения текста из PDF и изображений в удобных форматах Markdown и JSON.
Отличается высокой точностью и умеет работать даже с таблицами и формулами.
В основе FastAPI, асинхронные задачи на Celery и кэширование результатов OCR через Redis. Поддерживаются разные движки распознавания - Marker, Surya-OCR и Tesseract. Есть встроенная функция удаления персональных данных.
Инструмент всё ещё актуален для автоматизации обработки документов, подготовки датасетов и интеграции в RAG-системы. 🪑
Доки: ссылка
👉 @PythonPortal
Появился удобный инструмент для разработчиков, которым не хватало кнопки Copy as markdown
Теперь достаточно добавить into.md/ перед любым URL, чтобы получить чистый и читаемый markdown-вариант страницы или документации, идеально подходящий для работы с LLM.
http://into.md - попробуйте. Это бесплатно 🕺
👉 @PythonPortal
Удобный интерфейс для скачивания видео и аудио
Если вы не любите работать с командной строкой, то youtube-dl-gui это именно то, что вам нужно.
Этот графический интерфейс для популярного инструмента youtube-dl позволяет скачивать видео и аудио с YouTube и других платформ без необходимости использовать терминал.
С помощью youtube-dl-gui вы сможете загружать видео и плейлисты с YouTube и сотен других сайтов, выбирать нужный формат и качество, включая только аудио. Поддерживается одновременная загрузка нескольких файлов, а прогресс загрузки отображается в реальном времени. Также через удобный GUI можно настроить параметры youtube-dl. 😎
Подробнее на GitHub
👉 @PythonPortal
Нашёл топовый опенсорс-тул
Он превращает любой JSON или YAML в интерактивную mind-map.
Удобно разбирать сложные структуры, сразу видно связи и вложенность.
Идеальный инструмент, чтобы не зарываться в «лес скобок» и быстрее понимать данные. Must-have для разработчиков 😧
confmap.com
👉 @PythonPortal
Нашёл мёд для тех, кто хочет освоить Git без нудных лекций. 🚨
Есть десктопное приложение под Mac, Windows и Linux, которое обучает работе с Git через практику.
Задания выполняются прямо в реальном Git и GitHub, репозитории создаются у вас в аккаунте и остаются навсегда.
Поддержка разных языков тоже в комплекте.
Ссылка: https://github.com/jlord/git-it-electron
👉 @PythonPortal
ПМ забирает разработчика на созвон с заказчиком
👉 @PythonPortal
Шпаргалка по NumPy для тех кто в DataScience и ML
Создание и ресейп массивов, статистика, индексация и работа с файлами NumPy остаётся основой численных вычислений в Python
1. Создание массивов и атрибуты
- np.array() — создать массив из списка/кортежа
- np.zeros() — массив из нулей
- np.ones() — массив из единиц
- np.arange() — последовательность с шагом
- np.shape() — размерность массива
- np.dtype() — тип данных массива
2. Манипуляции с массивами и ресейпинг
- np.reshape() — изменить размерность
- np.concatenate() — объединить массивы по оси
- np.vstack() — объединить по вертикали
- np.hstack() — объединить по горизонтали
- np.split() — разделить по индексам
- np.transpose() — транспонировать
- np.resize() — изменить размер
3. Статистический анализ
- np.sum() — сумма элементов
- np.mean() — среднее
- np.median() — медиана
- np.std() — стандартное отклонение
- np.var() — дисперсия
- np.cov() — ковариационная матрица
- np.corrcoef() — коэффициенты корреляции
- np.min() — минимум
- np.max() — максимум
- np.random.rand() — случайные числа 0–1
- np.random.randn() — нормальное распределение
- np.histogram() — гистограмма
4. Индексация и фильтрация
- np.extract() — выбрать по условию
- np.where() — вернуть элементы по условию
- np.isnan() — проверка NaN
- np.sort() — сортировка
- np.unique() — уникальные значения
5. Работа с файлами
- np.save() — сохранить в .npy
- np.load() — загрузить из .npy
Хочешь быстро выучить Python? Освой те 20 процентов тем, которые реально покрывают 80 процентов задач в реальной разработке.
Вот базовый список, без которого никуда:
- переменные, операции и базовые типы данных: строки и числа
- условные конструкции if/else
- основные методы для строк
- циклы for и while
- структуры данных: списки, словари, множества, кортежи
- функции и лямбды
- модули: установка и импорт
- базовая обработка ошибок try/except
- работа с файлами и форматами JSON, CSV
- основы ООП: классы, методы, наследование
Не трать время на метаклассы, декораторы и другие продвинутые фишки, пока не закрепишь базу. Сосредоточься на этих фундаментальных вещах, и сможешь писать реальные приложения. 🎩
👉 @PythonPortal
Яндекс Лицей готовит к будущему в IT: открывает осенний набор на обучение школьников и студентов колледжей, техникумов!
Какие программы тебя ждут:
— «Основы программирования на Python» для уверенного старта в IT: изучение синтаксиса языка и структуры данных, обучение тестированию и работе с библиотеками.
— «Промышленное программирование на Python» для знающих этот язык программирования: создание веб-приложения с Flask, разработка навыков для Алисы, чат-ботов и тестирование программы с unittest и pytest.
После обучение участники получат именные сертификаты, которые добавят баллов при поступлении в вузы-партнеры!
Успей подать заявку на отбор до 10 сентября на сайте Яндекс Лицея.
А об оплате обучение можно не переживать — курсы бесплатные!
Apple выкатил FastVLM и сразу сделал его опенсорс
Это сверхбыстрая vision-language модель, которая умеет одновременно понимать картинки и текст, при этом оптимизирована для работы прямо на устройстве. Полностью открытый код, бери и используй.
Отличная новость для разработчиков, которые хотят встраивать VLM в свои проекты без облаков и лишних затрат. 💯
Демо: https://huggingface.co/spaces/apple/fastvlm-webgpu
Github: https://github.com/apple/ml-fastvlm
👉 @PythonPortal
Объектно ориентированное программирование считается одним из самых популярных способов писать код на Python. 🥺
Для тех кто хочет разобраться в основах Tiago Capelo Monteiro подготовил практическое руководство.
В материале он показывает на примерах что такое объекты и классы как работает параметр self и метод init и сопровождает объяснения большим количеством кода
👉 @PythonPortal
Внимание: сделай код более профессиональным 😠
Используй тот факт, что в Python пустая строка, список, словарь и другие подобные объекты приводятся к False
Так лучше:
if not string:
...
if data:
...
if len(string) == 0:
...
if data != {}:
...
Нельзя просто так взять и уйти от Python
👉 @PythonPortal
GitHub-репозитории, чтобы прокачать Python
- Веб-разработка с Django — https://github.com/django/django
- Инструментарий для Data Science — https://github.com/rasbt/python-machine-learning-book
- Алгоритмические задачи — https://github.com/TheAlgorithms/Python
- Рецепты машинного обучения — https://github.com/ageron/handson-ml2
- Лучшие практики тестирования — https://github.com/pytest-dev/pytest
- Скрипты для автоматизации — https://github.com/soimort/you-get
- Продвинутые концепции Python — https://github.com/faif/python-patterns
Нашёл в Твиттере мощную подборку из 30 статей по системному дизайну (коротко, по делу, с примерами и кодом.)
Можно читать по одной в день, хватит на месяц. Забирайте:
1. Что такое API
2. Что такое вебхуки
3. REST vs GraphQL
4. Что такое API Gateway
5. Балансировщики нагрузки
6. Алгоритмы балансировки нагрузки
7. Прокси vs Обратный прокси
8. Что такое масштабируемость
9. Что такое доступность
10. Как избежать единой точки отказа (SPOF)
11. Объяснение теоремы CAP
12. 15 типов баз данных и когда их использовать
13. 7 ключевых различий между SQL и NoSQL
14. Что такое ACID-транзакции
15. Подробное руководство по индексам в базах данных
16. Шардинг vs Партиционирование
17. Объяснение последовательного хеширования
18. CDC (Change Data Capture)
19. Кэширование
20. Топ-5 стратегий кэширования
21. 7 стратегий вытеснения кэша
22. CDN
23. Алгоритмы ограничения скорости
24. Очереди сообщений
25. Фильтры Блума
26. Идемпотентность в распределённых системах
27. Конкурентность vs Параллелизм
28. Stateful vs Stateless
29. Long Polling vs WebSockets
30. Пакетная (batch) vs потоковая (stream) обработка данных