1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
Python Bytes: #432 How To Fix Your Computer
https://ift.tt/JlFGNrc
Очередной выпуск англоязычного подкаста Python Bytes
Talk Python to Me: #506: ty: Astral's New Type Checker (Formerly Red-Knot)
https://ift.tt/Efl5DT1
Audio
Как провести пользовательское исследование без пользователей: пошаговый гайд с PyAutoGen
https://ift.tt/jSGL09Q
Я расскажу, как провела синтетическое исследование без респондентов, но с результатом, используя AutoGen — фреймворк от Microsoft, который позволяет моделировать диалоги между ИИ-агентами.Здесь не будет сложного кода. Только пошаговая инструкция, минимум настроек и максимум пользы, чтобы вытащить из AI внятные сценарии поведения пользователей.
Как я начал писать своё автопротоколирование
https://ift.tt/xgrZkPD
В прошлом году на работе появилась задача для нашего отдела эксплуатации, где я работаю, о поиске сервиса, в котором можно подводить итоги совещания. Это в целом — стандартная для нас задача, а именно общение с вендором и определение, возможно ли их продукт внедрить в наш контур.
Заставляем ботов бесконечно играть в карты. Часть 2
https://ift.tt/9H1BUwM
Продолжаем заставлять ботов бесконечно играть в карты в надежде вытрясти оптимальные настройки для нашей карточной игры. Итак, в предыдущих сериях мы: написали логику карточной игры на питоне; внедрили в игру ботов и заставили их играть друг с другом тысячи и тысячи партий; описали метрики, которые мы собираем с игры; пообещали себе, что доведем дело до конца и получим оптимальные настройки карточной игры
pydantic-ai - Agent Framework / shim to use Pydantic with LLMs
https://ift.tt/9N7qIVd
Основные алгоритмы сортировки. Разбираемся с танцами (это не шутка)
https://ift.tt/CKbFNnz
Два распространенных алгоритма могут ускользать от понимания. В чем отличие разбиения в быстрой сортировке и похожих «магических» движений в сортировке слиянием? Меня это долго сбивало с толку. Разберемся же с ними наконец!
The Real Python Podcast – Episode #249: Going Beyond requirements.txt With pylock.toml and PEP 751
https://ift.tt/CG3oBKc
Моделирование работы гидроциклона для очистки воды от нефти с помощью ML
https://ift.tt/ovtKJ1M
В этой статьей расскажу, как я моделировал работу гидроциклонов для очистки воды от нефти на реальном промышленном объекте. Объясню, почему выбрал машинное обучение (ML) вместо физико-математических моделей, опишу ключевые этапы работы, ошибки, важные выводы и итоговые результаты.
reaktiv: Reactive Signals for Python
https://ift.tt/nS3Ah4E
Полмиллиона запросов за месяц: мой LLM-challenge и первые выводы
https://ift.tt/9ykXz17
В начале апреля я запустил llm7.io - полностью бесплатный LLM-провайдер, совместимый с популярными библиотеками chat completion. Цель была простая: проверить, насколько эффективно можно построить отказоустойчивую архитектуру под настоящую high-load-нагрузку, и при этом дать всем желающим доступ к мощным языковым моделям - без регистрации, API-токенов, смс и прочих барьеров. Что произошло за месяц?
numpy - 2.2.6
https://ift.tt/MdQKyNx
Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/
Talk Python to Me: #505: t-strings in Python (PEP 750)
https://ift.tt/VqIM8Ey
Audio
Генетический алгоритм в помощь Adam — супер, но есть нюанс
https://ift.tt/dquwLma
Я хотел бы начать ее с такого интересного эксперимента как "сбор гибрида для обучения нейронных сетей с помощью генетического алгоритма" и дополнительно рассказать про библиотеку Deap.
tornado - 6.5
https://ift.tt/k80uVyn
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/
click - 8.2.1
https://ift.tt/dwtf82m
Фреймворк для простого создания интерфейсов командной строки.. Скачать можно по ссылке: https://pypi.python.org/pypi/click/
Build a Search Engine: Semantic Search System Using OpenSearch
https://ift.tt/k3gY05U
Рукописный редактор на Python: инструкция для тех, кто хочет «рисовать» код
https://ift.tt/9uYlNRX
Концепция проста: создаем поле для рисования, распознаем написанный текст с учетом отступов и пытаемся его «запустить». С точки зрения архитектуры проект представляет собой веб-приложение. Фронтенд — JavaScript для работы «пера», а также исполнения кода в браузере. Бэкенд — Python для распознавания рукописного ввода.
Как я научился анализировать собственные собесы с помощью Whisper
https://ift.tt/ky1YiSI
Собеседования - всегда стресс. Я замечал, что после каждого интервью трудно вспомнить детали: какие вопросы задавали, как именно я отвечал, где были ошибки или неточности. А переслушивать запись, которая может длиться от часа и выше это долго и неэффективно. Задумался: а что если использовать что-то, что автоматически превратит аудиозапись интервью в текст? Так я открыл для себя Whisper от OpenAI
Мой любимый векторный редактор PowerPoint или как я создал python библиотеку для добавления фигур в презентации
https://ift.tt/wd3yJxq
Если бы меня спросили, какой мой любимый векторный редактор, я бы, не задумываясь, ответил: PowerPoint. Это началось с желания делать презентации, которые приятно смотреть. Меня всегда огорчало, как часто даже в хороших докладах используются мыльные, шакальные картинки – особенно там, где вполне можно обойтись аккуратными векторными схемами.
Setting up NGINX Unit (and switching from uWSGI)
https://ift.tt/WrpNhFt
Switch Django apps from uWSGI to NGINX Unit using JSON configuration, add SECURE_PROXY_SSL_HEADER, adjust socket proxy_pass, and enable ASGI/WSGI deployments.
Продвинутое использование декораторов Python
https://ift.tt/PVw5QBF
В данной статье продолжаю материал прошлой и хочу углубиться в тему декораторов, показать относительно сложные, но применимые в реальной практике примеры использования декораторов, дам небольшую теоретическую базу и некоторое количество ссылок на полезные материалы по теме. Думаю, последние разделы статьи будут полезны даже для опытных разработчиков. Как обычно буду очень рад критике и предложениям по улучшению материала.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Интерактивная симуляция лесного пожара
- Чтение номера кузова из .pdf EasyOCR
- Основные алгоритмы сортировки. Разбираемся с танцами
- Генетический алгоритм в помощь Adam — супер, но есть нюанс
- Чистая архитектура на примере FastAPI приложения
- reaktiv: Reactive Signals for Python
- pydantic-ai - Agent Framework / shim to use Pydantic with LLMs
- redis - 6.1.0
- tornado - 6.5
Заходите в гости - https://pythondigest.ru/issue/596/
bracket - Selfhosted tournament system
https://ift.tt/bXOF39u
Переизобретаем Ansible для Windows в условиях кабинета информатики
https://ift.tt/Vravkqi
В нашей школе мы столкнулись с необходимостью автоматизации установки ПО на компьютеры. Я расскажу, для чего оно нам понадобилось, как я воевал с Windows во время разработки и к чему пришел в конечном итоге.
Tcl/Tk. SVG-виджеты. Генератор градиентной заливки
https://ift.tt/HvEaMOj
После серии статей про svg-виджеты в tcl/tk, меня не оставляло чувство какой-то незавершенности. Всматриваясь в проект svgwidgets, стало понятно, что не хватает утилиты с удобным интерфейсом для генерации градиентной заливки.
Чтение номера кузова из .pdf EasyOCR
https://ift.tt/At62Yj5
Необходимо было разработать API сервис (не важно на каком ЯП), который мог принимать в себя .pdf документ, выполнять какую-то процедуру по извлечению из него необходимых данных, возвращать их в каком-то формате. Конкретнее: есть сертификат экспорта авто из Японии в РФ. На этом сертификате есть параметр "Номер кузова авто". Необходимо его извлечь из документа, прочитать с помощью машинного зрения, проверить данное значение по базе данных организации. В случае успешной операции - положить файл на ftp сервер, переименовав его в идентификатор записи с БД.
The first year of free-threaded Python
https://ift.tt/SAtprlC
A recap of the first year of work on enabling support for the free-threaded build of CPython in community packages.
python-blosc2: High-Performance, Compressed Ndarrays
https://ift.tt/NZuvh2i
glyphx: SVG-first Plotting Library
https://ift.tt/lXADtrP