1963
Сборник наиболее интересных Python материалов. https://pythondigest.ru/ Сделать донат - https://boosty.to/pydigest Блог автора - @whydaily Рекомендуем хостинг https://firstvds.ru/?from=421453
Deploy Gradio Apps on Hugging Face Spaces
https://ift.tt/YILltTQ
Изобретаем polimer — фреймворк на Python для ускорения разработки научных прототипов
https://ift.tt/eXJ3U4N
Он позволяет превратить оригинальную идею в рабочий MVP за считанные дни, но в условиях такой скорости разработчикам не всегда удается посвятить достаточное время тщательной проработке кода, что создает барьер на пути дальнейшего превращения прототипа в завершенный продукт.
Matt Layman: Optimizing SQLite - Building SaaS #210
https://ift.tt/rSawdKo
Пишем свой PyTorch на NumPy. Часть 3. Строим граф вычислений
https://ift.tt/cS2qpvV
В этой статье мы продолжим реализацию собственный библиотеки машинного обучения на NumPy!
RealOrangeOne/django-tasks
https://ift.tt/fC6de9b
A reference implementation and backport of background workers and tasks in Django.
Polars vs Pandas: битва титанов. Кто кого?
https://ift.tt/p6cWtLO
Сегодня будем сравнивать две библиотеки — Polars и Pandas. Обсудим, какие преимущества есть у Polars и за счет чего она выигрывает в производительности.
opik
https://ift.tt/G0ILTRh
From RAG chatbots to code assistants to complex agentic pipelines and beyond, build LLM systems that run better, faster, and cheaper with tracing, evaluations, and dashboards.
Сводка pythonz 22.12.2024 — 29.12.2024
https://ift.tt/nFNVlDp
А теперь о том, что происходило в последнее время на других ресурсах.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- [Видео] Итоги года мира Python 2024
- Polars vs Pandas: битва титанов. Кто кого?
- Пишем свой PyTorch на NumPy. Части 2-4
- SVG-виджеты для tcl/tk. Финальный аккорд. Часть IV
- [Видео] Самописный PyCharm плагин
- htmy: Async, Pure-Python Rendering Engine
- django-liveconfigs - управление настройками в django
- pylint - 3.3.3
Заходите в гости - https://pythondigest.ru/issue/576/
SOAP, XML и Python: получаем данные с zakupki.gov.ru
https://ift.tt/N34Clwv
Эта статья написана для начинающих пользователей, которые хотят разобраться в работе сервиса отдачи информации zakupki.gov.ru. Мы шаг за шагом разберем, как получить токен для физического лица, как выглядит XML-документ для запроса и как написать простую программу на Python для взаимодействия с сервисом.
Remote Config и A/B-эксперименты: история разработки и основные возможности
https://ift.tt/KI4gTCk
Сегодня расскажу про наш сервис Remote Config и A/B-эксперименты — это переработка одного из моих докладов
[Видео] Анализируем исходный код с пользой
https://www.youtube.com/watch?v=t54bsTZNJgQ
Расскажу, как обеспечить соблюдение командных конвенций и порядок в хранилище тестовых артефактов с помощью синтаксического анализа. Также поделюсь опытом написания и внедрения собственного линтера для проекта с пятьюстами тестовыми сценариями, который значительно упростил работу ревьюеров и улучшил читабельность отчетности.
[Видео] Самописный PyCharm плагин
https://www.youtube.com/watch?v=akupVAsXvX8
Подход к ведению словаря терминов используемых в коде Python-проекта. Как он может помочь в уменьшении когнитивной нагрузки при чтении кода и помочь новому разработчику быстрее погрузиться в контекст проекта.
[Видео] Итоги года мира Python 2024
https://www.youtube.com/watch?v=3ThZib6k1Hw
Talk Python to Me: #490: Django Ninja
https://ift.tt/T8W4NRm
Audio
pyparsing - 3.2.1
https://ift.tt/naQ3tKz
Python модуль для синтаксического анализа. Скачать можно по ссылке: https://pypi.python.org/pypi/pyparsing/
Следим за Telegram по-деловому
https://ift.tt/TtJKfG1
Прошло полгода с момента введения бизнес-режима в Telegram. В статье я расскажу, как можно классно использовать использовать эту фичу и не потерять свой аккаунт.
Пишем свой PyTorch на NumPy. ФИНАЛ. Запускаем GPT-2
https://ift.tt/Cquk1Sl
В этой части мы будем писать инференс код для GPT2 на собственной библиотеке!
Django: Fail in templates with {% url '' %}
https://ift.tt/VZAHJ9d
This Django Template Tag is Killing Your Performance
https://ift.tt/8OvoSQC
Avoid performance pitfalls by replacing the length template filter with count() for QuerySet objects to prevent excessive memory and database usage.
browser-use - Make websites accessible for AI agents
https://ift.tt/NkfYg2v
Как создать платформер на Pygame
https://ift.tt/GhAmNY4
В этой статье мы рассмотрим базовые шаги по созданию простой игры на Pygame, познакомимся с её основными возможностями и построим простой проект от начала до конца. Прочитать статью
Symbolic Execution by Overloading __bool__
https://ift.tt/kHP1FIU
Базовая настройка SAST и DAST для django в gitlab cicd: как быстро внедрить решения по безопасности
https://ift.tt/Q9N3KzS
Сегодня расскажу вам о базовой настройке SAST и DAST для django в gitlab cicd. В разработке использование SAST (Static Application Security Testing) и DAST (Dynamic Application Security Testing) в последние годы стало уже стандартом.
Как реализовать рекомендательную систему аудиокниг с использованием больших языковых моделей (LLM)
https://ift.tt/n3GLf5l
Сегодня я расскажу о том, как мы реализовали систему подбора аудиокниг и зачем это вообще было сделано. В статье мы фокусируемся на принципе рекомендации похожих книг (а подходы для авторов в нашем случае были сделаны аналогично).
Какие зарубежные компании подают патентные заявки в РФ в 2023, 2024 годах
https://ift.tt/w6MhWg0
Я патентный поверенный, мне интересно работать с данными, у Роспатента появилась открытая и удобная для обработки статистика по зарубежным заявителям, и мне стало интересно поизучать ее.Коротко о процессе: скачал два файла с данными (за 2023 год и за 2024 год (с учетом даты выхода статьи это почти полные данные за 2024 год)), с помощью небольшого скрипта на питоне построил следующие графики:
[Видео] Ускорение обработки данных
https://www.youtube.com/watch?v=4Ip4nyg1AT8
Расскажу про успешный опыт ускорения многопоточного приложения написанного на pandas. Покажу сравнение синтаксиса и производительности polars с другими решениями. Дам полезные советы по миграции
Пишем свой PyTorch на NumPy. Часть 2. Добавляем новые слои
https://ift.tt/E9I6aCK
PyTorch — это мощный и гибкий фреймворк для машинного обучения, широко используемый для создания нейронных сетей. Он особенно популярен благодаря простоте использования, динамическим вычислительным графам и богатой экосистеме инструментов для обучения моделей. В этой статье мы продолжим реализовывать собственную библиотеку машинного обучения на NumPy!
Telegram-бот-магазин на Python: пошаговый гайд с оплатой, каталогом и админкой (Aiogram 3 + SQLAlchemy 2)
https://ift.tt/NDtPisj
На этот раз мы создадим полноценного Telegram-бота для продажи цифровых товаров с базой данных, которой будем управлять через SQLAlchemy 2, админ-панелью, пользовательской частью и интегрированной оплатой через Юкассу.
coverage - 7.6.10
https://ift.tt/f5ju0xr
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/