🖥 SQL-квест: фэнтезийное приключение для аналитиков данных

Представь фэнтези-мир, где заклинания - это SQL-запросы, а древние артефакты спрятаны в таблицах и JSON-документах.

🧙Ты - боевой дата-аналитик, который с помощью SQL, Python, ETL и визуализаций охотится за харизматичным злодеем Архивариусом Пакостусом, что ломает индексы, крадёт данные и готовит “шторм данных” на столицу.🔮

В каждом эпизоде тебя ждут: выборы с последствиями, хитрые задачи от простых SELECT до рекурсивных CTE и BigQuery, юмор, эпик и неожиданные повороты.

Хочешь проверить, сможешь ли ты спасти королевство не мечом, а запросами? Тогда добро пожаловать в SQL-квест.

🪄 Начать квест: https://uproger.com/sql-kvest-fentezijnoe-priklyuchenie-dlya-analitikov-dannyh/

Читать полностью…

🎮🚀 NitroGen: Модель для игровых агентов

NitroGen — это открытая модель для создания универсальных игровых агентов, способная предсказывать действия на основе пиксельного ввода. Обученная на крупнейшем наборе данных игрового видео, модель может адаптироваться к новым играм.

🚀Основные моменты:
- Многофункциональная модель для различных игр.
- Обучение на данных из интернет-видео.
- Поддержка адаптации к новым играм после обучения.
- Работает на Windows с Python ≥ 3.12.

📌 GitHub: https://github.com/MineDojo/NitroGen

#python

Читать полностью…

Командная разработка нового уровня

SourceCraft обновился, чтобы команда писала быстрее, безопаснее и спокойнее.

🤖 Специальная ИИ-система для проверки безопасности кода и оформления найденных уязвимостей в карточки, генерация описаний к изменениям для экономии времени при коммитах.
🔧 Поддержка Gitlab CI/CD YAML, обновлённая логика релизов и управление командами.
💻 Конфликты в PR решаются прямо через web-интерфейс SourceCraft.
🔒 Безопасный кодинг: дашборд уязвимостей по всем репозиториям, страница Code Scanning с результатами SAST, rescan и список библиотек с уязвимостями в SCA.

Обновлён UI для CI/CD и добавлены Telegram-нотификации. SourceCraft — единая точка для умного кода. Расскажем в подробностях и ответим на вопросы в канале

Читать полностью…

🧠 Инструмент для решения математических задач

Nomos - это интеллектуальная платформа для решения математических задач и написания доказательств на естественном языке. Она использует параллельные рабочие процессы для генерации и оценки решений, обеспечивая высокую эффективность и точность.

🚀Основные моменты:
- Решение задач с помощью модели Nomos-1.
- Параллельная работа для ускорения процесса.
- Финализация результатов через турниры и консолидацию.
- Оценка решений по 7-балльной шкале.

📌 GitHub: https://github.com/NousResearch/nomos

#python

Читать полностью…

⚡️ Совет по чистому Python-коду:

Избегайте вложенности и длинных функций - разбивайте логику на маленькие, понятные шаги.

Плохо:

def process(data):
    if data:
        for x in data:
            if x > 10:
                print("ok")

Лучше:

def is_valid(x):
    return x > 10

def process(data):
    for x in data:
        if is_valid(x):
            print("ok")

Маленькие функции дают:
- читаемость,
- повторное использование,
- простое тестирование.

Пишите код так, чтобы его легко было читать вслух — это лучший индикатор чистоты.

Читать полностью…

🧩 Утилиты для C++ и Python

cpp-pyutils предлагает набор инструментов для упрощения взаимодействия между C++ и Python. Библиотека включает функции для работы с данными, что позволяет легко интегрировать оба языка в одном проекте.

🚀 Основные моменты:
- Интеграция C++ и Python
- Удобные функции для работы с данными
- Поддержка кросс-языковых вызовов

📌 GitHub: https://github.com/xZepyx/cpp-pyutils

#cpp

Читать полностью…

🕵️‍♂️ Spyder: OSINT Research Tool

Spyder — это универсальный инструмент для открытой разведки (OSINT), который позволяет выполнять поиск информации по крупным глобальным базам данных. Он предоставляет доступ к данным о номерах телефонов, IP-адресах, социальных сетях и многом другом.

🚀Основные моменты:
- Поиск информации о номерах телефонов и IP-адресах
- Доступ к данным социальных сетей (Facebook, Instagram и др.)
- Поиск по именам и физическим адресам
- Проверка доменов и номерных знаков
- Утилита для бомбардировки электронной почты

📌 GitHub: https://github.com/portrret/spyder-osint

Читать полностью…

Вопрос с собеседования

Что выведет этот код и почему?

a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

a = (1, 2, 3)
b = a

a += (4, 5)

print(a)
print(b)

Попробуй сначала сам ответить, а потом смотри разбор.

Часть 1. Списки
a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

Что происходит по шагам:

a = [1, 2, 3]

Переменная a ссылается на список [1, 2, 3].

b = a
Теперь b ссылается на тот же самый список, что и a.
Не копия, а один и тот же объект в памяти.

a += [4, 5]
Важно: для списков += работает как изменение объекта на месте:
это примерно то же самое, что:

a.extend([4, 5])


То есть в существующий список, на который ссылаются и a, и b, добавляются элементы 4 и 5.

Поэтому:

print(a)  # [1, 2, 3, 4, 5]
print(b)  # [1, 2, 3, 4, 5]

Оба указывают на один изменённый список.

Часть 2. Кортежи
a = (1, 2, 3)
b = a

a += (4, 5)

print(a)
print(b)


Кортежи неизменяемы, и здесь начинается магия.

a = (1, 2, 3)
a ссылается на кортеж (1, 2, 3).

b = a
b ссылается на тот же кортеж (1, 2, 3).

a += (4, 5)
Для кортежей += уже не может менять объект на месте (они immutable).
Поэтому Python делает так:

a = a + (4, 5)


То есть создаётся новый кортеж (1, 2, 3, 4, 5) и переменная a переназначается на него.

b при этом остаётся смотреть на старый кортеж (1, 2, 3).

Поэтому:

print(a) # (1, 2, 3, 4, 5)
print(b) # (1, 2, 3)

В чём хитрость

Для списка a += [4, 5] мутирует объект на месте, и это видно через все переменные, которые на него ссылаются.

Для кортежа a += (4, 5) создаёт новый объект и переназначает только a.

Итого:

# Часть со списком:
[1, 2, 3, 4, 5]
[1, 2, 3, 4, 5]

# Часть с кортежем:
(1, 2, 3, 4, 5)
(1, 2, 3)

Если хочешь, могу ещё один хитрый вопрос разобрать - про изменяемые значения по умолчанию в аргументах функции или про циклы и замыкания.

Читать полностью…

🔥КАК УСТАНОВИТЬ PYTHON: Самый простой способ

Самый быстрый и эффективный способ поставить Python без лишних настроек это использовать пакетный менеджер системы. Он сам подтянет зависимости, поставит актуальную версию и настроит доступ к python и pip. Это надёжнее чем скачивать вручную и проще чем возиться с окружениями. Подходит и новичкам и разработчикам.


# Windows через winget
winget install Python.Python

# macOS через Homebrew
brew install python

# Ubuntu и Debian
sudo apt install python3 python3-pip

# Проверка установленной версии
python3 --version
pip3 --version

Читать полностью…

⚡️ Полное руководство по Bash: от основ к продвинутым темам

Bash (Bourne Again SHell) — это одна из самых популярных Unix-оболочек, широко используемая для запуска команд и написания скриптов в Linux и macOS.

Скрипты Bash позволяют автоматизировать рутинные задачи, объединять команды в программы и управлять системой через командную строку.

Данное руководство последовательно познакомит вас с основами Bash (синтаксис, переменные, условия, циклы и т.д.), а затем перейдет к продвинутым возможностям (таким как настройка strict mode, использование trap-обработчиков, планирование задач через cron и др.). Мы рассмотрим практические примеры скриптов, сопровождая их поясняющими комментариями, чтобы у вас сложилось цельное понимание создания надежных Bash-скриптов.

https://uproger.com/polnoe-rukovodstvo-po-bash-ot-osnov-k-prodvinutym-temam/

Видео: https://www.youtube.com/watch?v=ei0a1TT4ukU

Читать полностью…

🖥 ПОДКЛЮЧАЕМ CHATGPT К ТЕЛЕГРАМ-БОТУ НА PYTHON

Самый простой способ сделать Telegram-бота с ChatGPT - использовать API OpenAI.

Ты создаёшь хендлер сообщений, прокидываешь текст в openai.ChatCompletion.create и возвращаешь ответ.

⚡ Важно:
- Используй context user data для хранения диалога (если нужен контекст)
- Храни ключи через переменные окружения
- Не забудь выставить webhook или polling

import openai
from telegram import Update
from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes

openai.api_key = "sk-..."

async def chatgpt_handler(update: Update, context: ContextTypes.DEFAULT_TYPE):
    user_input = update.message.text
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": user_input}]
    )
    await update.message.reply_text(response.choices[0].message.content)

app = ApplicationBuilder().token("TELEGRAM_BOT_TOKEN").build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chatgpt_handler))
app.run_polling()

Читать полностью…

📊 Подробный практический гайд по статистике на Python

Этот практический гайд по статистике на Python - ваш надёжный проводник в мир анализа, визуализации и интерпретации данных.

От простых описательных показателей до регрессий и временных рядов — с примерами, кодом и реальными задачами. Всё, что нужно, чтобы уверенно применять статистику на практике.

🟠Гайд

Читать полностью…

✔️ Эффективность локального ИИ выросла в 5.3 раза за два года.

Группа Hazy Research провела исследование, доказывающее рост жизнеспособности локального ИИ-инференса. Для оценки взяли унифицированный показатель «интеллект на ватт» (intelligence per watt, IPW) - это соотношение точности выполнения задачи к потребляемой мощности.

Результаты показали, что локальные LLM до 20 млрд. параметров уже способны обрабатывать 88.7% типичных одноэтапных запросов в чатах и задачах на логику. Общая эффективность локального ИИ показала рост в 5.3 раза за период с 2023 по 2025 год. Этот скачок обусловлен как улучшением самих моделей (в 3.1 раза), так и развитием аппаратных ускорителей (в 1.7 раза).
stanford.edu

✔️ LeJEPA: self-supervised learning без сложных эвристик.

Ян Лекун предложил простой метод ля self-supervised обучения - LeJEPA. Традиционные подходы требовали сложных трюков чтобы избежать коллапса признаков: stop-gradient и сетей учитель-студент. LeJEPA отказывается от этих эвристик в пользу одного регуляризатора, SIGReg (Sketched Isotropic Gaussian Regularization).

Задача SIGReg - заставить векторы признаков равномерно распределяться в пространстве, формируя изотропное сферическое облако. В своей работе, Ян доказывает, что такая форма математически оптимальна для минимизации ошибок на будущих задачах.

На практике это делает обучение более стабильным, упрощает его масштабирование и оценку качества модели. Тестовая модель на 1.8 млрд. параметров и показала 79% точности на ImageNet-1K. Код LeJEPA доступен на GitHub.
arxiv.org

✔️ Lumine от ByteDance: ИИ-агент, способный часами проходить 3D-игры.

ByteDance разработал ИИ-агента, который может самостоятельно выполнять многочасовые миссии в сложных открытых 3D-мирах, например в Genshin Impact, Honkai: Star Rail и Wuthering Waves. В отличие от своих конкурентов, Lumine обрабатывает видеопоток с экрана и генерирует команды для клавиатуры и мыши в реальном времени.

Агент построен на базе Qwen2-VL-7B и обучен на 1700 часах человеческого геймплея. Сначала он осваивал базовые действия, а затем учился следовать инструкциям и, наконец, развил способность к адаптивному мышлению на небольшом ризонинг-датасете.

В тестах Lumine показал способности сражаться с боссами, используя тактику, решать головоломки и взаимодействовать с NPC. Что важно, агент может переносить навыки, справляясь с задачами в незнакомых локациях и в совершенно новых играх без дополнительного обучения.
lumine-ai.org

✔️ IBM представила квантовые процессоры Nighthawk и Loon.

IBM анонсировала 2 новых квантовых процессора и объявила о переносе всего производства на 300-мм пластины на мощностях Albany NanoTech. Этот переход позволяет снизить стоимость чипов и, по заявлению компании, уже удвоил скорость НИОКР.

Nighthawk на 30% увеличивает сложность схем при прежнем уровне ошибок и ориентирован на задачи с 5000 двухкубитных гейтов. Он станет доступен пользователям IBM к концу 2025 года. Чип Loon, в свою очередь, сфокусирован на отказоустойчивости, он использует эффективные коды коррекции ошибок (qLDPC), реализованные на год раньше, чем планировалось.

Опираясь на эти инновации, IBM подтвердила свои планы по достижению квантового превосходства к 2026 году и созданию полноценной отказоустойчивой системы к 2029.
ibm.com

✔️ Chad IDE: среда разработки со встроенными TikTok и Tinder.

Стартап Clad Labs, выпустился из Y Combinator с продуктом «Chad: The Brainrot IDE». Это среда разработки со встроенными развлечениями. Идея в том, что пока разработчик ждет завершения задачи от ИИ-ассистента, он может полистать TikTok, Tinder или поиграть в мини-игры прямо в окне IDE.

По мнению основателей, это решает проблему «переключения контекста». Вместо того чтобы брать в руки телефон и полностью выпадать из рабочего процесса, разработчик остается в среде разработки и может мгновенно вернуться к коду, как только ИИ закончит свою работу.

Сейчас Chad IDE находится в стадии закрытого бета-тестирования, доступ можно получить только по приглашению.
techcrunch.com

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

LoRA-модель от autoweeb, которая превращает обычные фотографии в аниме-стиль ☺️

Основана на Qwen-Image-Edit-2509.

Работает просто: загружаете фото, пишете что-то вроде «transform into anime» - и получаете аниме-версию исходного снимка. Настроек минимум, результат отличный.

Ссылка: https://huggingface.co/autoweeb/Qwen-Image-Edit-2509-Photo-to-Anime

@data_analysis_ml

Читать полностью…

AIJ Deep Dive: специальный очный трек для AI-профи в рамках международной конференции AI Journey!

Среда для профессионального роста, общение с экспертами мировой AI-индустрии и другими AI-профи — всё это ждёт вас на треке AIJ Deep Dive. В программе — только главные аспекты работы с AI:

Это событие точно нельзя пропустить

1️⃣20 ноября — день Бизнеса: разберём успешные кейсы внедрения, оценим эффективность и практические результаты.

2️⃣ 21 ноября — день Науки: проведём глубокий анализ IT-решений, прорывных научных исследований, R&D-разработок и передовых методик.

На треке вас ждут выступления ведущих экспертов в AI, постер-сессия, специальные форматы для нетворкинга и выставка R’n’D решений. Это уникальная возможность обсудить сложные вопросы с теми, кто действительно понимает ваши вызовы.

Где? Офис Сбера, Кутузовский проспект, д. 32, к. 1 (Е)
Когда? 20–21 ноября 2025 года

По ссылке — форма регистрации на очное участие. Присоединяйтесь к профессиональному AI-сообществу!

Читать полностью…

☠️ Один Python-скрипт - убивает потребность в Excel #python #Excel

CSV в папке - и через секунды у тебя:
- быстрый анализ без ручных фильтров
- топ товаров и суммарная выручка
- график продаж по дням
- один повторяемый сценарий вместо 20 кликов

Фишка в том, что ты один раз написал скрипт - и дальше просто кидаешь новые CSV, получая одинаковый отчёт каждый раз.

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales.csv", parse_dates=["date"])
print("Выручка:", df["revenue"].sum())
print(df.groupby("product")["revenue"].sum().sort_values(ascending=False).head(5))

daily = df.groupby(df["date"].dt.date)["revenue"].sum()
daily.plot(title="Выручка по дням")
plt.tight_layout(); plt.show()

Читать полностью…

✍️ python-course - структурированный и глубокий разбор Python от базовых принципов до продвинутых тем.

Это подробный текстовый курс для вдумчивого самостоятельного изучения. Материал выстроен последовательно: от основ синтаксиса и ключевых конструкций — к ООП, генераторам, итераторам, замыканиям и внутреннему устройству языка. Без воды, с акцентом на понимание того, как и почему Python работает именно так.

Подойдёт тем, кто хочет:

- выстроить прочный фундамент

- систематизировать разрозненные знания

- глубже разобраться во внутренних механизмах языка

https://python-course.eu/

Читать полностью…

⚡️ Большинство быстрых text-to-speech моделей звучат роботизировано.

Большинство качественных - слишком медленные.
И почти ни одна не решает вопрос аутентичности аудио на уровне архитектуры.

Resemble AI закрыли все три проблемы сразу.

Chatterbox Turbo 0 это:

🟢 <150 мс до первого звука
🟢 Качество уровня SOTA - превосходит более крупные проприетарные модели
🟢 Естественные, программируемые эмоции и интонации
🟢 Zero-shot клонирование голоса всего по 5 секундам аудио
🟢 PerTh watermarking - проверяемое и аутентифицированное аудио
🟢 Полностью open source, никакой «чёрной магии»

Редкий пример, когда скорость, качество и безопасность не идут на компромисс, а работают вместе.

HuggingFace: https://huggingface.co/spaces/ResembleAI/chatterbox-turbo-demo

Читать полностью…

🚀 Большое обновление Qwen Code v0.2.2–v0.3.0

✨ Два ключевых обновления:

🎯 Stream JSON
• --output-format stream-json — потоковый вывод
• --input-format stream-json — структурированный ввод
• 3-уровневая архитектура адаптеров + управление сессиями
• Идеально для SDK, автоматизации и CI/CD

🌍 Полная интернационализация
• Встроенные интерфейсы EN/CN + расширяемые языковые пакеты
• /language ui zh-EN - мгновенная смена языка
• /language output English - задаём язык ответов модели
• Сообщество может добавлять свои локализации 🌏

🛡️ Безопасность и стабильность выросли
• Защита от переполнения памяти
• Починили кодировки Windows
• Улучшена кроссплатформенность и определение ripgrep
• Переработана авторизация и управление authType
• Стабильный CI/CD и исправленные интеграционные тесты
• Поддержка провайдера ModelScope и stream_options
• Улучшены подсказки, уведомления в терминале и логика завершения промптов
• Множество внутренних фиксов - заметно более стабильная работа 💪

https://github.com/QwenLM/qwen-code

Читать полностью…

🔥 На stepik вышел курс, который учит Создавать настоящие AI-сервисы, а не просто запускать скрипты?

Этот практический курс по Python и FastAPI покажет, как собрать полноценное приложение с ИИ, базой данных, автогенерацией контента и Telegram-ботом.

Ты пройдёшь путь от первого HTTP-запроса до рабочего сервиса, который сам генерирует текст через ИИ, сохраняет данные, отправляет результаты по расписанию и отвечает пользователям.

Никакой теории ради теории - только практические шаги, из которых рождается реальный продукт.

🎁 48 часов действует скидка в 40% процентов

👉 Начать учиться на Stepik

Читать полностью…

🔥 Python: Эффективное использование контекстных менеджеров

Контекстные менеджеры в Python позволяют управлять ресурсами и предотвратить утечки, особенно при работе с файлами. Используя with, вы гарантируете, что файл будет закрыт автоматически, даже если произойдет ошибка.

from contextlib import contextmanager

@contextmanager
def open_file(filename):
    try:
        f = open(filename, 'r')
        yield f
    finally:
        f.close()

with open_file('example.txt') as file:
    data = file.read()
    print(data)

https://www.youtube.com/shorts/I8j3Y6NunYg

Читать полностью…

✔️ Как организовать архитектуру большого Python-проекта?

Главная цель - чтобы через полгода было не стыдно открывать код: понятно где что лежит, как это тестировать и куда встраивать новые фичи.

Основные принципы:
- Разделяй по ответственности, а не по типу файла
- Минимизируй связь между слоями
- Явно отделяй ядро домена от инфраструктуры (БД, HTTP, очереди)

Пример базовой структуры:
- app/
- api/ - HTTP handlers, REST, gRPC, CLI
- services/ - бизнес-логика, сценарии use case
- domain/ - сущности, модели, value objects
- repositories/ - работа с БД, кэшами, внешними сервисами
- config/ - настройки, env, схемы конфигурации
- utils/ - вспомогательные функции, которые не завязаны на домен
- tests/ - тесты по тем же модулям, что и в app/
- scripts/ - миграции, разовые утилиты, maintenance

Рекомендации:
- Один входной файл (main.py или cli.py), вся логика - в app/*
- Конфигурацию не хардкодить, а прокидывать через env и config-объекты
- Внутри services работать с абстрактными интерфейсами репозиториев, а не с конкретным ORM
- С самого начала заводить тесты, пусть даже простые, и поддерживать схему tests/ в том же дереве, что и код
- Любой новый модуль должен отвечать на вопрос: к какому слою относится и от кого ему можно зависеть

Если проект растет, не бойся дробить:
- крупный модуль на подмодули
- общие зависимости в отдельный layer (shared, common)
- разные bounded context в отдельные пакеты внутри app/

Архитектура большого проекта - это не про идеальный паттерн, а про понятные границы и минимальный хаос.

https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/

Видео: https://www.youtube.com/watch?v=Dk7A8ElHcKE

Читать полностью…

🖥 Bash Академия: секреты командной строки, которые нигде не рассказывают

Олег Шелест - профессионал по информационной безопасности, раскрывает скрытые механики Linux, с помощью наглядных картинок и коротких, максимально понятных разборов у себя в тг канале.

- Без воды.
- Без лишней теории.

Только практические приёмы, которые реально используют профи.

Если хочешь уверенно владеть Bash - здесь ты получишь всё, что нужно: t.me/bashmastter

Читать полностью…

Боты — это не будущее, это уже норма для Python-разработчика 🐍
Вас спросят на собеседовании: "А вы ботов писали?" И если ответите "нет" — потеряете позицию тому, кто написал.
За 4 месяца вы писать ботов быстро и качественно.
Что будет в стеке:
✅ aiogram и pyrogram — библиотеки, что нужны в каждом проекте
✅ Асинхронность (asyncio/await) — напишешь быстрые боты
✅ FSM, middlewares, webhooks — архитектура, как в боевых условиях
✅ SQLAlchemy + Postgres — боты со своей БД
✅ Django админ-панель — управляешь ботом, как профессионал
✅ AI-интеграции — Hugging Face, локальные модели, бесплатные сервисы РФ
✅ Docker + облако — задеплоишь, как в real projects
✅ VK API + Telegram — мультиплатформенность в резюме
Это не курс "Hello Bot" — это боевая подготовка.

⏰ Старт 26 ноября — это последний шанс в этом году!
Сейчас скидка 10% на сайте, а по промокоду Chatbots5 скидка ещё 5%!

👉 Регистрация и подробности о курсе: https://tglink.io/8357e54e5f21?erid=2W5zFJaCkVv

#реклама
О рекламодателе

Читать полностью…

🚨 SQL Никогда НЕ ДЕЛАЙ ТАК #sql

НИКОГДА НЕ ЛОМАЙ ИНДЕКСЫ ФУНКЦИЯМИ: не оборачивай индексируемые поля в функции внутри WHERE.

Как только ты пишешь LOWER(), CAST(), COALESCE() или любые вычисления по колонке — индекс перестаёт работать, и запрос падает в полное сканирование таблицы.

Это одна из самых тихих причин, почему запросы внезапно превращаются в тормоза.

Вместо этого приводи значения заранее или используй функциональные индексы.

 Плохо: индекс по email НЕ используется  
SELECT *  
FROM users  
WHERE LOWER(email) = 'user@example.com';

-- Хорошо: нормализуем значение заранее  
SELECT *  
FROM users  
WHERE email = 'user@example.com';

-- Или создаём функциональный индекс (PostgreSQL)  
CREATE INDEX idx_users_email_lower ON users (LOWER(email));

Читать полностью…

📊 Калькулятор налогов на криптовалюту 🚀
Crypto Tax Calculator — это открытое решение для расчета налогов на криптовалюту и личные доходы. Подходит для индивидуальных пользователей и организаций, обеспечивая прозрачность и соответствие требованиям разных налоговых юрисдикций. Инструмент объединяет все криптоактивы в понятный отчет.

🚀 Основные моменты:
- Поддержка множества криптовалют и фиатных валют
- Автоматическое извлечение данных из популярных бирж
- Генерация отчетов в PDF и CSV
- Конфигурация параметров для точных расчетов
- Интерактивный режим для удобного использования

📌 GitHub: https://github.com/xhyata/crypto-tax-calculator

#python

Читать полностью…

Ты пилишь бэкенд на Python. Заказчик спрашивает: "А можем добавить AI-поиск?"

Ты: "Эээ... ну наверное... дорого..."

Курс «LangChain: с нуля до продакшн» — за 7 недель научишься:
→ RAG-поиск по документам (FAQ-бот, поиск по базе знаний)
→ API на FastAPI с LLM под капотом
→ Агенты для анализа CSV/JSON

Не нужно становиться ML-инженером. Просто интегрируешь LLM как ещё один сервис.

Скидка 25% — 72 часа.

Начать со скидкой

Читать полностью…

📝 NoteDiscovery: Ваши заметки под контролем

NoteDiscovery — это легкое, саморазворачиваемое приложение для ведения заметок, которое обеспечивает полный контроль над вашей базой знаний. С современным интерфейсом вы можете писать, организовывать и находить свои заметки на собственном сервере.

🚀Основные моменты:
- 🔒 Полная конфиденциальность — ваши заметки остаются на вашем сервере
- 💰 Бесплатно — никаких подписок или скрытых платежей
- 🚀 Быстрая и легкая навигация — мгновенный поиск
- 🎨 Настраиваемые темы — множество вариантов оформления
- 🔌 Расширяемость — система плагинов для дополнительных функций

📌 GitHub: https://github.com/gamosoft/NoteDiscovery

#python

Читать полностью…

Основные команды Docker, которые нужно помнить в работе:

- docker ps – показывает запущенные контейнеры
- docker ps -a – показывает все контейнеры, включая остановленные
- docker images – список локальных образов
- docker pull nginx – скачать образ
- docker run nginx – запустить контейнер
- docker run -d nginx – запустить в фоне
- docker run -p 8080:80 nginx – проброс порта
- docker exec -it <id> sh – зайти внутрь контейнера
- docker logs <id> – посмотреть логи
- docker stop <id> – остановить контейнер
- docker rm <id> – удалить контейнер
- docker rmi <image> – удалить образ
- docker build -t myapp . – собрать образ
- docker compose up -d – поднять сервисы
- docker compose down – остановить и удалить их

Читать полностью…

🖼️🛠️ Удаление водяных знаков из изображений с Sora2

Sora2 Watermark Remover — это инструмент для автоматического удаления водяных знаков с изображений, использующий современные алгоритмы обработки. Он подходит для работы с различными типами изображений и может быть полезен как для разработчиков, так и для дизайнеров.

🚀Основные моменты:
- Эффективное удаление водяных знаков
- Поддержка различных форматов изображений
- Легкая интеграция в проекты
- Открытый исходный код для доработки
- Простой интерфейс для пользователей

📌 GitHub: https://github.com/ammiehax/sora2-watermark-remover

#python

Читать полностью…