50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
При применении нескольких фильтров к серии в Pandas лучше разбивать условие на несколько строк:
s = pd.Series([10, 15, 20, 25, 30])
s.loc[
(s > 20) &
(s % 2 == 1)
]
25
История SQLite началась в 2000 году, когда разработчик Д. Ричард Хипп создавал ПО для эсминца ВМС США.
Военным нужна была база данных, способная работать где угодно:
• без сервера
• без интернета
• без администратора
• без настройки
Так появился SQLite.
В отличие от MySQL, PostgreSQL и Oracle, SQLite не запускает отдельный серверный процесс. Вся база данных хранится в одном файле, а приложение работает с ним напрямую.
Никакой установки, конфигурации или сетевых подключений.
Сегодня SQLite используется в миллиардах устройств и приложений:
→ iPhone
→ Android
→ Google Chrome
→ продукты Adobe
→ встраиваемые и авиационные системы
С высокой вероятностью вы уже использовали SQLite сегодня:
- Instagram
- Spotify
- WhatsApp
Самое удивительное — проект по-прежнему поддерживает его создатель, Ричард Хипп.
Без венчурных инвестиций, IPO и продажи компании.
SQLite остаётся одним из самых распространённых программных продуктов в мире, хотя большинство пользователей даже не знают его названия.
👉 @PythonPortal
Китайский разработчик tw93 устал от того, что Electron-приложения съедают сотни мегабайт памяти и дискового пространства.
Вместо очередного приложения на Electron он создал Pake на Rust + Tauri, который использует нативный WebView операционной системы.
Результат:
• Slack — 8 МБ вместо 524 МБ
• Discord — 9 МБ вместо 265 МБ
• ChatGPT — 9 МБ вместо 260 МБ
Спустя четыре года проект набрал более 51 000 звёзд на GitHub.
https://github.com/tw93/pake
Сейчас Pake позволяет одной командой превратить практически любой сайт в лёгкое нативное десктопное приложение. Для ChatGPT, Grok, Gemini, Discord, YouTube, Twitter и других сервисов уже доступны готовые сборки весом менее 10 МБ.
👉 @PythonPortal
LiteParse v2.1 — самый быстрый PDF → Markdown парсер в мире
И при этом он точнее любого другого open-source парсера без использования моделей (pymupdf4llm, opendataloader, pdf-inspector, markitdown) по результатам трёх стандартизированных бенчмарков: olmOCR0-bench, opendataloader-bench и ParseBench.
Представляем LiteParse v2.1. Базовая версия LiteParse v2 уже была самым быстрым парсером документов в текст на рынке, а в этом релизе появилась поддержка Markdown.
Проект полностью открыт (лицензия Apache 2.0) и бесплатен. Доступен через CLI, Rust, Node.js, Python и WASM, а также устанавливается как агентный навык в один клик.
Подробнее: https://llamaindex.ai/blog/markdown-comes-to-liteparse
Репозиторий LiteParse: https://github.com/run-llama/liteparse
👉 @PythonPortal
Пособие Path to Senior Engineer Handbook собрало ресурсы для разработчиков, которые хотят вырасти до уровня Senior Engineer.
Внутри:
Более 50 рассылок по профессиональному росту, системному дизайну, лидерству и веб-разработке.
Подборка книг по коммуникации, техническому письму и построению рабочих отношений.
Отобранные YouTube-каналы, подкасты и профессиональные сообщества.
Курсы, научные статьи и образовательные платформы для более глубокого изучения тем.
Хорошая отправная точка для тех, кто хочет прокачивать не только технические навыки, но и архитектурное мышление, коммуникацию и лидерские компетенции.
👉 @PythonPortal
Сколько сервисов вы используете для работы с нейросетями?
Один — для текста, второй — для изображений, третий — для кода. Плюс отдельные подписки, разные оплаты и десятки вкладок.
Polza.ai объединяет всё это в одном месте.
Это агрегатор нейросетей, где собраны сотни ИИ-моделей и провайдеров — как зарубежных, так и российских. Тексты, код, изображения, видео и аудио доступны через единый кабинет.
Работать можно через API или в удобной Нейростудии — без сложной настройки и лишней технической рутины.
Внутри платформы есть прозрачная аналитика: видно все запросы, используемые модели, расходы и стоимость каждого действия. Можно сравнивать провайдеров, выбирать оптимальные решения под свои задачи и полностью контролировать бюджет.
Оплата в рублях, единый баланс, автопополнение и полная история списаний избавляют от лишней бухгалтерии. А для команд предусмотрены роли, управление доступами, счета и закрывающие документы.
🔶Polza.ai — один кабинет для всей работы с ИИ. Без хаоса из сервисов, подписок и оплат.
На Reddit кто-то собрал все ресурсы, которые использовал для подготовки к собеседованиям по алгоритмам, System Design и Machine Coding. В итоге дошёл до интервью в Google.
1. Алгоритмы и паттерны
Перед тем как гриндить задачи, стоит разобраться с паттернами.
• All LeetCode Articles on Coding Patterns Summarized
https://leetcode.com/discuss/interview-question/5366542/all-leetcode-articles-on-coding-patterns-summarized-in-one-page
• Solved All Two Pointers Problems in 100 Days
https://leetcode.com/discuss/study-guide/1688903/Solved-all-two-pointers-problems-in-100-days
• Tree Question Pattern 2023 — Tree Study Guide
https://leetcode.com/discuss/study-guide/2879240/tree-question-pattern-2023-tree-study-guide
• Important and Useful Links from All Over LeetCode
https://leetcode.com/discuss/general-discussion/665604/Important-and-Useful-links-from-all-over-the-LeetCode
• Coding Interview Preparation Problems for Beginners
https://leetcode.com/discuss/interview-question/448284/Coding-Interview-preparation-problems-for-beginners
2. Подготовка под компании
• Google, Meta, Apple, Amazon Senior SDE Preparation
https://prachub.com/?sort=hot&company=Meta%2CGoogle%2CTikTok%2CAmazon
• A Study Guide for Passing the Google Interview
https://prachub.com/interview-guide
Автор также сделал небольшой трекер для подготовки:
• задачи по компаниям
• статусы Todo / Solved / Revision
• автоматическое планирование повторений
• AI-помощник с подсказками вместо готовых решений
https://prachub.com/questions
3. System Design (HLD)
Вместо случайных статей — структурированные подборки:
• Arch 25 — самые частые системы и паттерны
• Arch 50 — инфраструктура, данные и отказоустойчивость
• Arch 75 — более сложные сценарии и специализация под компании
• Arch All — полный банк из 103 HLD-задач
• Core Concepts — 33 разбора распределённых систем
4. Machine Coding / LLD
Эту часть многие недооценивают до первого провала на интервью.
• MaCo 30 — самые частые задачи
• MaCo 60 — расширенная подборка
• MaCo All — полный набор из 103 задач
• Design Patterns — 31 паттерн проектирования
Если готовишься на SDE2/Senior, то одного LeetCode обычно уже недостаточно. System Design и LLD начинают влиять на результат не меньше, чем алгоритмы.
👉 @PythonPortal
Artificial Analysis открыла исходный код Stirrup — фреймворка для Python-разработчиков, создающих AI-агентов.
Самая болезненная часть обычно начинается не с первого вызова модели.
Проблемы появляются вокруг инструментов, файлов, контекста, клиентов провайдеров и выполнения кода.
Stirrup старается решить именно эту часть, оставаясь лёгкой основой без навязывания жёсткого пайплайна или архитектуры.
Из интересного:
агентный цикл с finish-tools
сессии для управления жизненным циклом инструментов и файлов
локальное выполнение кода и веб-инструменты из коробки
поддержка выполнения кода через Docker и E2B
MCP, skills, мультимодальный ввод и интеграция с LiteLLM
В этой компании амбиции встречают поддержку
Сегодня советуем канал про работу в Selectel — компании, где нет жестких рамок. Только инженерное творчество, свобода экспериментировать и хардкорные задачи, которые пушат рынок.
Selectel — провайдер ИТ-инфраструктуры с собственными дата-центрами, технологиями и хардкорными продуктами. А в своем канале ребята рассказывают про то, как и кто всё это создает: живые кейсы, рабочие практики, контент про развитие софтов и полезные инструменты, которые легко забрать себе.
Что советуем почитать у ребят:
• Пет-проекты сотрудников Selectel — от CTF-площадки до Minecraft-сервера
• Что было дальше — квест про будни разработчика
• Все идет по cronу — или нет?
• А ты точно разработчик? Про собеседования в эпоху AI
Контент разный, но годный — много технических разборов с примерами, внутренней кухни реальных проектов и дайджестов техконтента. Подписывайтесь, чтобы не пропустить новые посты (и свежие вакансии — говорят, у ребят хорошо).
Реклама. АО "Селектел". erid:2W5zFHSi76H
Матрицы Дирака (чаще называемые гамма-матрицами) — это набор матриц, введённых Полем Дираком при создании уравнения Дирака.
Они играют ключевую роль в квантовой механике и квантовой теории поля, особенно при описании частиц со спином 1/2, таких как электрон.
Paul Dirac — один из крупнейших физиков-теоретиков XX века. Он внёс фундаментальный вклад в развитие квантовой механики и квантовой электродинамики и считается одним из основателей современной теоретической физики.
Работы Дирака привели к появлению релятивистской квантовой теории электрона и предсказанию существования антиматерии задолго до её экспериментального обнаружения.
👉 @PythonPortal
Этот инструмент проверяет производительность всего сайта.
Он сканирует все страницы и выставляет оценку каждой из них.
Что-то вроде Lighthouse, но с обзором всего сайта целиком.
Запуск:
npx unlighthouse --site <ваш-сайт>
Если ты давно используешь Claude Code или Codex для разработки проектов, стоит попробовать Trellis.
Назвать его самым близким к «памяти проекта для ИИ» решением на сегодняшний день — не преувеличение.
Многие замечают, что со временем ИИ начинает работать менее надёжно. Обычно первым делом пытаются перейти на более мощную модель или писать ещё более длинные промпты. Но проблема часто не в модели. Каждый новый запуск начинается практически с чистого листа: структуру проекта, соглашения по именованию, выбранный стек технологий и текущее состояние работы приходится объяснять заново.
Trellis решает эту проблему на уровне проекта.
Он создаёт каталог .trellis/, где хранит правила команды, задачи, прогресс и накопленные знания о проекте. Всё это коммитится в репозиторий вместе с кодом. Когда ИИ подключается к работе, он сначала читает эти данные и сразу понимает, какие правила соблюдать, на каком этапе находится проект и над чем нужно работать дальше.
По сути, проект получает собственную долговременную память. Передача задач между сессиями перестаёт быть болезненной, независимо от того, какой агент продолжает работу.
Причём Trellis — это не просто хранилище контекста. Он предлагает полноценный рабочий процесс: сначала уточнение требований, затем реализация, после этого самопроверка по правилам проекта и тестам, а в конце сохранение нового опыта обратно в проект для будущих сессий.
Есть и менее известные возможности.
Для сложных задач Trellis может самостоятельно разбивать работу на подзадачи и запускать несколько параллельных ИИ-агентов без конфликтов между ними.
В командной разработке правила, созданные одним разработчиком, автоматически начинают применяться всеми агентами остальных участников команды. Новые разработчики получают единый контекст практически без дополнительной настройки.
Trellis не привязан к конкретному инструменту. Он поддерживает 14 платформ для ИИ-разработки, включая Claude Code, Codex, Cursor и другие.
Использовать ИИ без дополнительной памяти — примерно как каждый день нанимать нового умного подрядчика, который ничего не помнит о вчерашней работе.
С Trellis ИИ начинает работать так, будто у проекта появилась команда, которая помнит накопленный опыт и придерживается общих правил.
Open Source-проект. На данный момент — более 9000 звёзд на GitHub и свыше 5000 загрузок в неделю.
GitHub: https://github.com/mindfold-ai/trellis
👉 @PythonPortal
Google опубликовала бесплатное руководство по масштабированию ИИ-моделей и работе с GPU.
📘 How to Scale Your Model
https://jax-ml.github.io/scaling-book/
📘 How to Think About GPUs
https://jax-ml.github.io/scaling-book/gpus/
В материалах разбираются принципы масштабирования моделей, устройство GPU, вычислительные ограничения, пропускная способность памяти, параллелизм и другие темы, которые пригодятся при обучении и запуске современных ИИ-моделей.
Полностью бесплатно и доступно онлайн.
👉 @PythonPortal
Foundations of Computer Science от Alfred Aho и Jeffrey Ullman доступна бесплатно онлайн.
Классический учебник по информатике, который охватывает:
• конечные автоматы
• формальные языки
• теорию вычислений
• основы алгоритмов и вычислительных моделей
Хорошая отправная точка для тех, кто хочет разобраться в фундаментальных концепциях Computer Science, лежащих в основе компиляторов, языков программирования и теории вычислений.
Книга:
http://infolab.stanford.edu/~ullman/focs.html
#computerscience #book #theory #cs
👉 @PythonPortal
⚡️Джуны и мидлы, общий сбор!
Пришел вас порадовать, если вы хотите прокачаться в теме параллелизма.
В школе Python разработки Pytex 16 июня в 19:00 по МСК пройдет открытый урок с Senior-разработчиком Артёмом Шумейко.
На уроке разберётесь:
🟢почему async/await сам по себе не делает приложение быстрым
🟢где проходит граница между корутинами, потоками и процессами
🟢как защищать базу данных от лавины одинаковых запросов
🟢как работают Single Flight и распределённые блокировки
🟢как координировать несколько воркеров при работе с внешними API
🟢как использовать очереди и батчинг событий, чтобы не увеличивать latency
🟢как правильно выносить тяжёлые операции в фоновые задачи
Посмотрите на реальные проблемы, которые возникают в проде под нагрузкой, и на паттерны, которые используют команды для их решения.
ЗАПИСАТЬСЯ НА ОТКРЫТЫЙ УРОК
Это абсолютно бесплатно, поэтому регистрируйтесь и качайте харды ⬆️
А больше про параллелизм в Python читайте в этом канале
Похоже, у Adobe Acrobat появился серьёзный конкурент.
Open-source проект Stirling-PDF предлагает полноценный набор инструментов для работы с PDF и запускается полностью локально — без загрузки документов на сторонние серверы.
Сервис включает более 50 функций для работы с PDF:
• объединение и разделение файлов
• сжатие и конвертацию документов
• OCR для распознавания текста на сканах
• добавление паролей, подписей и водяных знаков
• редактирование и скрытие конфиденциальных данных
• REST API для автоматизации
Проект можно развернуть через Docker на собственном сервере или ПК.
По словам разработчиков, все операции выполняются локально, а файлы не покидают устройство пользователя.
На фоне стоимости Adobe Acrobat Pro в $239 в год Stirling-PDF распространяется бесплатно и с открытым исходным кодом.
На данный момент проект собрал более 81 тыс. звёзд на GitHub и свыше 25 млн загрузок.
👉 @PythonPortal
Разработчик представил Flashtype — Markdown-редактор для Claude и Codex.
Инструмент позволяет редактировать Markdown через ИИ, отслеживать каждое изменение и просматривать diff между версиями.
Проект полностью открыт и уже доступен всем желающим.
В комментариях проект уже сравнивают с Obsidian. Автор называет главными отличиями встроенный контроль версий и нативную интеграцию с Claude/Codex.
Среди первых пожеланий сообщества — поддержка HTML-превью для диаграмм и визуализаций, а также исправление багов на ранних версиях.
👉 @PythonPortal
🔥VPS + ISPmanager со скидкой до 100% на Waicore
Запускаете сайты на VPS? Сейчас самое время попробовать ISPmanager практически бесплатно.
➕ Наши акции:
— 100% скидка на первый месяц лицензии ISPmanager при заказе VPS из категории «Веб-хостинг»
— Скидка 60% на лицензии ISPmanager при отдельной покупке
Также доступны:
🛡 SSL-сертификаты
🛡 BitNinja для защиты серверов от атак, спама и вредоносного ПО.
Получаете готовый VPS с установленной панелью управления и можете сразу приступать к работе с сайтами, почтой, базами данных и другими сервисами.
⚡️Акция действует месяц.
Подробнее на сайте WAICORE.
NVIDIA выпустила модель распознавания речи всего с 0.6 млрд параметров.
Она называется Nemotron-3.5-ASR.
- Поддерживает более 40 языков.
- Выдаёт результат в режиме реального времени через потоковый вывод.
- Может работать полностью на CPU, без GPU.
- Работает в 2.5 раза быстрее официального рантайма NeMo, при этом качество распознавания остаётся идентичным.
- Подходит для полностью офлайн-сценариев.
- Легко встраивается в пайплайны ИИ-агентов.
https://huggingface.co/nvidia/nemotron-3.5-asr-streaming-0.6b
👉 @PythonPortal
Как создать декоратор с аргументами через класс в Python 🐍
👉 @PythonPortal
Если хочешь серьёзно прокачать DSA (структуры данных и алгоритмы), посмотри этот цикл лекций
В нём около 90 часов материала по всем ключевым темам спортивного программирования, причём всё объясняется очень доступно и понятно.
Мне очень понравилось, как он преподаёт.
Ссылка : https://www.youtube.com/playlist?list=PLrS21S1jm43igE57Ye_edwds_iL7ZOAG4
👉 @PythonPortal
10 GitHub-репозиториев, которые стоит посмотреть AI-инженеру
1. Hands-On AI Engineering
Подборка AI-приложений и агентных систем с практическими кейсами использования LLM.
👉 github.com/Sumanth077/Hands-On-AI-Engineering
2. Hands-On Large Language Models
Полный код из книги Hands-On Large Language Models: от основ до файнтюнинга.
👉 github.com/HandsOnLLM/Hands-On-Large-Language-Models
3. AI Agents for Beginners
Бесплатный курс от Microsoft из 11 уроков по созданию AI-агентов.
👉 github.com/microsoft/ai-agents-for-beginners
4. GenAI Agents
Большая коллекция туториалов и реализаций агентных систем.
👉 github.com/NirDiamant/GenAI_Agents
5. Made With ML
Про разработку, деплой и поддержку production-ready ML-систем.
👉 github.com/GokuMohandas/Made-With-ML
6. Learn Harness Engineering
Практический курс по Harness Engineering для AI-агентов.
👉 github.com/walkinglabs/learn-harness-engineering
7. AutoResearch
Автономные циклы ML-экспериментов от Andrej Karpathy.
👉 github.com/karpathy/autoresearch
8. Designing Machine Learning Systems
Конспекты и материалы по книге Chip Huyen.
👉 github.com/chiphuyen/dmls-book
9. Awesome LLM Inference
Подборка материалов по инференсу LLM: Flash Attention, KV Cache, квантование и другое.
👉 github.com/xlite-dev/Awesome-LLM-Inference
10. LLM Course
Практический курс по LLM с roadmap и Colab-ноутбуками.
👉 github.com/mlabonne/llm-course
👉 @PythonPortal
Если часто работаешь с изображениями, скриншотами или сканами документов, вот полезная OCR-утилита для терминала.
Она использует Apple Vision Framework, поэтому всё распознавание выполняется локально на устройстве.
npx mac-ocr ./image.png
Python Docker Tutorials
На этой странице собраны все руководства по использованию Docker с Python.
https://realpython.com/tutorials/docker/
👉 @PythonPortal
Это исследование хорошо ложится на опыт любого, кто активно работает с Claude Code, Codex или другими агентами.
Оно смотрит не на бенчмарки, а на реальную работу в разработке:
как именно AI-агенты раздражают разработчиков в живых сессиях.
Авторы проанализировали 20 574 сессии (IDE и CLI). “Фейл” они определили не как падение кода, а как моменты, когда разработчик начинает исправлять, прерывать или спорить с агентом.
Картина довольно приземлённая. Чаще всего проблема не в том, что код не работает. Проблема в том, что агент нарушает явно заданные ограничения.
Ты пишешь: “не трогай этот файл”, “пока ничего не меняй”, “сделай минимальные правки” — он всё равно лезет дальше.
Просишь объяснить проблему — он параллельно начинает менять код.
Говоришь проверить всё перед финальным ответом — он рапортует успех до запуска проверок.
Есть интересное разделение:
CLI-агенты чаще нарушают границы, потому что им дают длинные, слабо ограниченные задачи.
IDE-агенты чаще делают локальные ошибки, потому что работают как плотный “копилот” и постоянно правят код в мелких итерациях.
Самое неприятное в этих сбоях — они редко ломают систему сразу. Они просто съедают время и доверие. Приходится постоянно перепроверять: понял ли он задачу, не вышел ли за рамки, реально ли он что-то проверил.
Это хорошо совпадает с практикой: утомляет не столько генерация кода, сколько постоянный контроль над тем, не уехал ли агент в сторону.
И отсюда простой вывод. Улучшение агентов — это не только про качество кода. Это про соблюдение границ, понимание намерений и честную отчётность о прогрессе.
Главная проблема тут не в скорости написания кода. А в том, сколько времени уходит на разбор того, что он “написал не туда”.
👉 @PythonPortal
Часто вижу, как люди говорят, что в IT невозможно войти без дорогих курсов.
При этом огромное количество качественных материалов доступно бесплатно:
📚 Computer Science
https://github.com/ossu/computer-science
📚 Data Structures & Algorithms
https://github.com/jwasham/coding-interview-university
📚 System Design
https://github.com/donnemartin/system-design-primer
📚 Web Development
https://github.com/TheOdinProject/curriculum
📚 Frontend / Backend / DevOps / Cloud
https://github.com/kamranahmedse/developer-roadmap
📚 Data Engineering
https://github.com/DataTalksClub/data-engineering-zoomcamp
📚 Machine Learning & AI
https://github.com/microsoft/ML-For-Beginners
📚 MLOps
https://github.com/DataTalksClub/mlops-zoomcamp
📚 Cybersecurity
https://github.com/OWASP/CheatSheetSeries
📚 Linux
https://github.com/trimstray/the-book-of-secret-knowledge
📚 Free Programming Books
https://github.com/EbookFoundation/free-programming-books
В Python есть несколько способов получить MAC-адрес компьютера. Вот один из них:
#Python
👉 @PythonPortal