1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
scrapy - 2.14.1
https://pypi.org/project/scrapy/2.14.1/
Гибкий фреймворк для написания web-пауков (парсеров). Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
Обучение ИИ-моделей на обычном ЦП
https://habr.com/ru/articles/983908/
В этом посте мы вновь обратимся к старым добрым классическим процессорам (CPU) и вновь поговорим о том, насколько они адекватны применительно к современным ML-моделям. Безусловно, ЦП обычно не так хороши для обслуживания связанных с машинным обучением рабочих нагрузок как графические процессоры, зато их гораздо проще приобрести.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Кроим ДНК на Python — CRISPR gRNA finder, Часть II: Скоринг, off-target и реальный ген
- Python 3.14 vs. 3.13 / 3.12 / 3.11 / 3.10
- Выбор статистического метода для A/B-теста: практическое руководство
- Тестирование gRPC на Python в системах промышленной автоматизации
- River: учим модель по одной строчке данных
- Обучение ИИ-моделей на обычном ЦП
- django-devbar - Lightweight performance devbar for Django
- onlymaps: A Python Micro-ORM
- Django - 6.0.1
Заходите в гости - https://pythondigest.ru/issue/630/
Machine Learning в экологии, или где живёт снежный человек
https://habr.com/ru/articles/983756/
В экологии происходит настоящая ML-революция. Число публикаций с использованием матмоделирования растёт по закону Мура, а наличие ML-моделей и прогнозов становится стандартом в статьях про биологические виды и их будущее. Появились модели, предсказывающие распространение видов в пространстве и во времени - на 100 лет вперёд или на 6000 лет назад. Экологи начали моделировать взаимодействие видов, сообществ - и целых экосистем. Расскажу, почему это произошло, как работают такие модели на практике - и к чему всё это нас приведёт.
Recursive structural pattern matching
https://mathspp.com/blog/recursive-structural-pattern-matching
Learn how to use structural pattern matching (the match statement) to work recursively through tree-like structures. In this short article you will learn to use structural pattern matching in recursive, tree-like data structures. The examples from this article are taken from a couple of recent issues of my weekly newsletter.
HY-Motion-1.0 - HY-Motion model for 3D character animation generation
https://github.com/Tencent-Hunyuan/HY-Motion-1.0
Pyspread, a Spreadsheet in Python
https://pyspread.gitlab.io/
numpy - 2.4.1
https://pypi.org/project/numpy/2.4.1/
Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/
Все об устройстве Q65 с примерами на Python (часть 2)
https://habr.com/ru/articles/983286/
Q65 — цифровой протокол, разработанный Джо Тейлором (K1JT) и его командой в 2021 году для проведения минимальных связей в условиях сложных трасс прохождения радиосигнала.В предыдущей части части были рассмотрены общая структура протокола и алгоритмы формирования сигнала. В этой части статьи рассматриваются принципы цифровой обработки сигналов и синхронизации в протоколе Q65.
vresto: Interface for Copernicus Sentinel Data
https://github.com/kalfasyan/vresto
FastAPI: 5 практичных архитектурных решений, о которых я знал раньше
https://habr.com/ru/articles/983254/
Сегодня я хочу поделиться конкретными архитектурными паттернами и приёмами, которые я неоднократно использовал в своих проектах. Они не усложняют простые задачи, но делают жизнь в долгосрочной перспективе несоизмеримо легче.
Тестирование gRPC на Python в системах промышленной автоматизации
https://habr.com/ru/articles/983292/
В данной статье опишу пример тестирования gRPC и подготовки авто-тестов на примере программного обеспечения для сбора, обработки и передачи данных в системах промышленной автоматизации.
Python Bytes: #464 Malicious Package? No Build For You!
https://pythonbytes.fm/episodes/show/464/malicious-package-no-build-for-you
Очередной выпуск англоязычного подкаста Python Bytes
Выбор статистического метода для A/B-теста: практическое руководство
https://habr.com/ru/articles/983060/
На практике большинство ошибок происходит не на этапе запуска эксперимента, а при анализе результатов. Чаще всего причина в том, что статистический метод выбирается «по привычке», без учёта типа метрики и свойств данных. В этой статье я собрал практическую логику выбора методов анализа A/B-тестов. Без углубления в теорию, но с пониманием, почему в одном случае работает χ², а в другом t-test может привести к неверным выводам.
Werkzeug - 3.1.5
https://pypi.org/project/werkzeug/3.1.5/
Швейцарский армейский нож веб-разработки Python. Скачать можно по ссылке: https://pypi.python.org/pypi/Werkzeug/
Реляционные шарады: превращаем фильмы в таблицы
https://habr.com/ru/companies/otus/articles/982114/
Реляционная модель обычно ассоциируется с аккуратными строками и столбцами, но на практике ей регулярно пытаются скормить то, для чего она будто бы не предназначена. В этой статье — эксперимент на грани здравого смысла: разложить фильм на пиксели, превратить кадры в строки и посмотреть, что получится, если к видео применить привычный SQL. Без обещаний пользы и универсальности — зато с честным разбором того, где такой подход неожиданно работает, а где начинает сопротивляться сама природа данных.
django-devbar - Lightweight performance devbar for Django.
https://github.com/amureki/django-devbar
Migrating From Celery to Django Tasks
https://paultraylor.net/blog/2026/migrating-from-celery-to-django-tasks/
Django’s new Task Framework makes it surprisingly easy to replace Celery, covering configuration, task migration, queues, workers, and periodic jobs with simpler, built-in tooling.
Январский рефакторинг: 7 дней, чтобы почистить Python веб‑проект
https://habr.com/ru/articles/983172/
В этой статье пойдёт речь о нескольких косметических действиях, которые, с одной стороны, почти не затрагивают логику программы и не вызывают ненависти у тестировщиков, а с другой - делают код чуть приятнее и дают темы для обсуждения на бэкенд‑созвонах. Мы разложим импорты, перенесём логику из роутов в контроллеры, а из контроллеров - в репозитории и сервисы, избавимся от requirements.txt в пользу нормального менеджера зависимостей и включим mypy.
rendercv - CV/resume generator, from YAML to PDF
https://github.com/rendercv/rendercv
Python 3.14 vs. 3.13 / 3.12 / 3.11 / 3.10
https://en.lewoniewski.info/2025/python-314-vs-313-312-311-310-performance-testing-video/
WebAssembly as a Python Extension Platform
https://nullprogram.com/blog/2026/01/01/
Python⇒Speed: Unit testing your code's performance, part 1: Big-O scaling
https://pythonspeed.com/articles/big-o-tests/
onlymaps: A Python Micro-ORM
https://github.com/manoss96/onlymaps
Python 3.6-3.14 Performance
https://crewtech.se/b/1/index.html
One of the maintainers of Knave has been tracking Python performance data for a while and a recent upgrade of one of their machines meant they now had more info across different hardware. This post compares their performance test across Apple M1 & M5, Zen2 and Cascade Lake chips.
virtualenv - 20.36.1
https://pypi.org/project/virtualenv/20.36.1/
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv
Чиним Home Assistant, который окирпичился без интернета
https://habr.com/ru/articles/983106/
Home Assistant позиционирует себя как локальную систему. Но я столкнулся с ситуацией, когда локальная функция (Samba) не работает из-за облачного сбоя. При этом я вообще не использую облако. В статье описываю как обошёл эту проблему за 5 минут, когда за день разобрался в причине.
River: учим модель по одной строчке данных
https://habr.com/ru/companies/otus/articles/980256/
Сегодня я расскажу про библиотеку Python River, которая позволяет обучать модели машинного обучения в потоковом режиме. В классическом варианте мы собираем весь датасет целиком, делим на обучающую и тестовую выборки, обучаем модель, измеряем качество — и внедряем в прод. Здорово, если данных немного и они разом доступны. А если данные льются непрерывно?
Кроим ДНК на Python — CRISPR gRNA finder, Часть II: Скоринг, off-target и реальный ген
https://habr.com/ru/articles/982876/
В первой части мы написали базовый поиск gRNA с фильтрацией по GC-составу. Работает, но тупо: все кандидаты в диапазоне 40-60% считаются равнозначными. В реальности это не так. Сегодня добавим систему скоринга — будем ранжировать gRNA по качеству, учитывая позицию нуклеотидов и особенности U6-промотора.
jsonschema - 4.26.0
https://pypi.org/project/jsonschema/4.26.0/
Валидатор JSON данных. Скачать можно по ссылке: https://pypi.python.org/pypi/jsonschema