🔥 Расширения VS Code, которые должен попробовать каждый разработчик

📍 Наш курс по Питону

Библиотека питониста

#буст

Читать полностью…

📌 Зачем дата-сайентисту матанализ?

Основная компетенция специалиста по Data Science – способность анализировать и интерпретировать данные, а математика является фундаментом для начала работы.

В карточках мы разбираем основные разделы математики, с которых стоит начать изучение специалисту по анализу данных.

Хотите подготовиться к офферу или подтянуть знания? Оставляйте заявку на наш курс по математике для Data Science 💙

P.S. Только до 31 мая на курс (и вообще на все программы Академии) действует СКИДКА 40%

А как у вас дела с высшей математикой?
❤️ — Помню всё
🔥 — Знаю основы
🌚 — Ничего не знаю

🏃‍♀️ Proglib Academy

Читать полностью…

🐍 Первый GUI-проект на Python

Нашли отличный туториал, где шаг за шагом показывают, как собрать калькулятор на Tkinter — стандартной библиотеке Python для создания графических интерфейсов.

Что внутри:
• создание GUI-окна с Tkinter
• работа с кнопками и обработкой событий
• создание экрана вывода (`Entry`)
• базовая логика калькулятора (`+`, -, *, /, `=`)
• кнопка очистки AC
• улучшение интерфейса и UX

📌 Отличный способ прокачать Python через практику, а не только теорию.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🔥 База по экономике токенов и кэшированию от AI Platform Lead из Bitrix24

Знакомьтесь, Сергей Нотевский. AI Platform Lead в Bitrix24.

Он один из ключевых экспертов нашего курса AgentOps. На своих лекциях он детально разбирает экономику AI-агентов, кэширование токенов, LLM-инфраструктуру и вывод генеративных систем в стабильный прод.

Мы попросили Сергея поделиться материалами для тех, кто хочет оптимизировать косты на LLM в проде. Сохраняйте методичку по prefix cache метрике, которая напрямую влияет на ваши деньги.

Как говорят создатели Manus:

“KV-cache hit rate is the single most important metric for a production-stage AI agent.”

🛠 Что внутри методички (комбо из 3 статей + код):

Экономика кэширования — особенности провайдеров и как правильно считать затраты.

Частые анти-паттерны — почему ваш кэш постоянно сбрасывается и вы платите больше.

Кэш в AI-агентах — специфика работы с памятью в автономных системах.

🍒 Вишенка на торте: готовый SKILL для агента, который делает ревью вашего проекта, находит анти-паттерны и предотвращает низкое попадание в кэш.

— Забрать комбо-материалы на GitHub

P.S. Если хотите послушать Сергея вживую — ловите его на конференциях Kode Waves (май), Conversations AI и Highload Spb (июнь).

🎁 Акция в честь старта продаж!

Прямо сейчас при покупке Инженерного трека вы получаете полный доступ к материалам курса «Разработка ИИ-агентов» в подарок.

👉 Забрать 2 курса по цене 1 и начать обучение

Читать полностью…

🐍 Python 3.15: полезные изменения, которые могут пройти мимо внимания

Пока все обсуждают lazy imports и ускорение Python, в 3.15 появятся несколько менее заметных изменений, которые могут заметно повлиять на повседневную разработку.

🔁 TaskGroup в asyncio можно будет нормально останавливать

Если вы работали с asyncio.TaskGroup, то знаете: «аккуратно» завершить группу задач раньше было неудобно.
Часто приходилось использовать исключения, suppress() и не самые очевидные конструкции.

В Python 3.15 появится TaskGroup.cancel() — группу задач можно будет завершать одной командой, без лишней сложности.

🧩 Контекстные менеджеры станут лучше работать как декораторы

Раньше с async-функциями, генераторами и async-генераторами были ограничения: декоратор мог завершиться раньше, чем сам код.

В 3.15 это исправят — контекст сможет корректно покрывать весь жизненный цикл функции.

🧵 Потокобезопасные итераторы

Итераторы — основа Python, но в многопоточности они могут вести себя непредсказуемо.

В 3.15 добавят инструменты вроде:
— serialize_iterator
— synchronized_iterator
— concurrent_tee

Работать с генераторами между потоками станет проще и безопаснее, без постоянной возни с Queue.

📊 Counter получит оператор XOR (`^`)

collections.Counter начнёт поддерживать симметрическую разницу.

Если раньше были:
— & → пересечение
— | → объединение

то теперь появится и ^.

🧊 Immutable JSON

Благодаря frozendict JSON можно будет сразу превращать в неизменяемые структуры — удобно для кэширования и безопасной работы с данными.

📌 Python 3.15 пока только в beta, но уже видно: релиз будет не столько про «громкие» изменения, сколько про множество небольших улучшений для повседневной разработки.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

📱 Вышел Python 3.14.5 — и в нём откатили одно из самых обсуждаемых изменений

Python 3.14.5 — это maintenance-релиз с ~154 исправлениями, улучшениями сборки и документации.

Но самое интересное — не багфиксы.

Разработчики откатили incremental garbage collector, который был в Python 3.14.0–3.14.4.

Причина — сообщения о сильном потреблении памяти в production.

Теперь Python снова использует generational GC из 3.13.

Что ещё важно в ветке 3.14:
— Free-threaded Python теперь официально поддерживается
— Появились t-strings для кастомной обработки строк
— В стандартной библиотеке теперь есть multiple interpreters
— Добавлена поддержка Zstandard (`zstd`)
— uuid стал быстрее, появились версии 6–8
— Официальные сборки получили экспериментальный JIT

Для macOS-инсталлятора также обновили Tcl/Tk до версии 9.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

😎 Знакомьтесь с экспертом Proglib.academy: AI-архитектор Андрей Носов

Андрей — один из ключевых спикеров нашего курса AgentOps. Он выстраивает архитектуру, которая выживает в суровом проде и активно делится своим опытом.

За что его ценит IT-комьюнити:

🟣 Топ-спикер AI Conf 2026

Его доклад про мифы семантического поиска и провалы Naive RAG стал одним из самых рейтинговых на конференции.

🟣 Эксперт по GraphRAG и Knowledge Graphs

Андрей внедряет инженерный подход в сложные системы, заменяя «слепую веру» в эмбеддинги строгой логикой графов.

🟣 Автор «14 кругов ада для RAG»

Разработал уникальный набор из 14 unit-тестов, на которых ломается стандартный векторный поиск (от слепоты к отрицаниям до конфликта версий).

🟣 Спикер Saint HighLoad

Регулярно выступает на крупнейших хайлоад-площадках, разбирая архитектуру отказоустойчивых ИИ-сервисов.

Андрей упаковал свои наработки в Google Colab, где можно пощупать 14 сценариев ошибок RAG и их решения:

🔗 Забрать Colab-ноутбук

На курсе Андрей отвечает за самые «мясные» блоки: RAG, оркестрацию агентов и их промышленную эксплуатацию.

Узнать больше о программе и обучении у Андрея:
👉 Курс о том, как внедрять AI-логику в бэкенд и сохранять стабильность сервиса

Так, продолжаем знакомить вас с командой?
👍 — Да, ждем новых лиц
🔥 — Пойду тестить Colab Носова

Читать полностью…

🐍 В Python может появиться `!p` для красивого вывода объектов (PEP 813)

В Python хотят добавить новый форматтер !p для pretty print прямо в f-string.

Сейчас:

print(data)

Часто превращается в нечитаемую стену текста. Особенно если это большой dict, JSON или сложный объект.

Решение:

print(f"{data!p}")

Python автоматически красиво форматирует вывод — примерно как pprint.pformat().

Больше не нужно импортировать pprint ради дебага.

Ещё интереснее — __pprint__()

У классов может появиться специальный метод:

__pprint__()

Он позволит кастомизировать красивый вывод объекта. Например, сейчас repr() часто выглядит странно или перегруженно.

А с __pprint__() можно явно указать:
— какие поля показывать
— какие скрывать
— какие значения опускать по умолчанию

То есть объект будет отображаться так, как удобно человеку.

Почему это полезно

Во время дебага мы постоянно делаем:

print(variable)

Но сложные структуры читаются ужасно. !p превращает вывод в человекочитаемый формат — прямо внутри f-string.

Это пока только Draft PEP для Python 3.16. То есть идея ещё обсуждается и может измениться. Но если примут — debugging в Python станет заметно приятнее.

👇 Как думаете: полезная фича или очередной синтаксический сахар?

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

✔️ Основные концепции ООП: простыми словами и с понятными примерами

Многие заучивают термины, но не понимают, как это выглядит в реальном коде.

Разбираемся без сложной теории.

1️⃣ Инкапсуляция

Скрывайте внутренние данные за публичными методами.

Идея простая: объект сам контролирует, как с ним взаимодействуют.

Например, банковский аккаунт хранит баланс и PIN «внутри себя». Изменить баланс напрямую нельзя — только через специальные методы пополнения или списания.

Так код становится безопаснее: никто случайно не сломает внутреннюю логику.

2️⃣ Абстракция

Давайте простой интерфейс, скрывая сложность внутри.

Пользователю класса не обязательно знать, как всё устроено — важно понимать, как этим пользоваться.

Например, сервис отправки писем может внутри управлять подключением, авторизацией, повторными попытками и обработкой ошибок.

Но для разработчика всё сводится к одному действию: «отправить письмо».

Сложность скрыта — интерфейс остаётся простым.

3️⃣ Наследование

Переиспользуйте общую логику и расширяйте поведение.

Вместо копирования кода можно вынести общую логику в базовый класс.

Например, есть общий класс «Животное». У всех животных может быть одинаковая структура, но каждое из них издаёт свой звук.

Собака — лает, кошка — мяукает.

Общее поведение хранится в одном месте, а различия переопределяются.

4️⃣ Полиморфизм

Один интерфейс — много реализаций.

Код может одинаково работать с разными объектами.

Например, есть разные фигуры: круг, квадрат, треугольник.

У каждой фигуры свой способ отрисовки, но внешний код работает с ними одинаково — просто вызывает действие «нарисовать».

Не важно, что именно передали — важна общая договорённость.

Какая концепция ООП в своё время казалась вам самой непонятной? 👇

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🔥 PyTorch 2.12: один из самых сильных релизов для performance

Команда PyTorch выкатила v2.12, а заметный шаг в сторону production ML и ускорения вычислений.

⚡ До 100× быстрее `linalg.eigh` на CUDA
Batched eigendecomposition теперь работает в разы быстрее благодаря новому backend selection через cuSolver. Для scientific computing и ML-задач это может превращать минуты вычислений в секунды.

🧠 Новый `torch.accelerator.Graph`
Появился единый API для graph capture/replay across hardware — CUDA, XPU и другие backends. Ещё один шаг к hardware-agnostic PyTorch.

🚀 Fused Adagrad optimizer
Adagrad(fused=True) теперь выполняется в одном CUDA kernel — меньше overhead, быстрее обучение.

📦 Экспорт сильно сжатых моделей
torch.export теперь поддерживает Microscaling (MX) quantization, что важно для дешёвого inference и edge deployment LLM.

🎮 CUDA Graphs + control flow
torch.cond теперь можно запускать внутри CUDA Graphs — branching начинает жить прямо на GPU.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

Talanto.work - сайт для всех, кто ищет работу в IT.

Мы спарсили за вас все возможные телеграм каналы и сайты с вакансиями исключительно из сферы IT.
Вам не нужно следить за тем, когда выходит вакансия и где, всё это уже сделано за вас.

Просто настройте фильтры у нас на сайте и получайте уведомления в телегу, как только вакансия вышла.

Например: все вакансии Python

На talanto.work собрано 28.000+ вакансий из разных .ru и иностранных сайтов: разработка, QA, аналитика, DevOps, продакт, дизайн, менеджмент и другие IT/Digital-направления.

Более 1700 вакансий за последний месяц из телеграм каналов.

Что еще есть на сайте:

🟠 Фильтры для нормального поиска
Можно искать по стеку, грейду, зарплате, стране, формату работы, релокации и типу занятости.

🟠 Разбор резюме
Загружаете CV и получаете конкретные рекомендации: что улучшить, какие навыки добавить, где слабая структура и что может мешать пройти ATS.

🟠Проверка соответствия вакансии и резюме
Рядом с вакансией всегда есть кнопочка узнать соответствие, насколько ваш профиль ей подходит. Сервис покажет процент совпадения, сильные стороны и пробелы в резюме

🟠Сопроводительное письмо за 10 секунд
Вставляете вакансию и получаете персональное письмо под конкретную компанию и роль, а не шаблон “прошу рассмотреть мою кандидатуру”.

🟠Уведомления в Telegram
Задаёте фильтры один раз и бот присылает новые подходящие вакансии прямо в Telegram.

Поиск работы в IT сейчас и так сложный. Мы хотим, чтобы вы тратили меньше времени на листание сайтов и больше на точные отклики туда, где у вас реально есть шанс.

✈️ 28.000+ вакансий
🟢Бот с уведомлениями о ваших вакансиях: @TalantoWorkBot
🟢Написать сопровод
🟢Разобрать резюме
🟢Проверить соответствие резюме вакансиям

Реклама. Киренкина Марина Дмитриевна, ИНН 345702417736. Erid 2VtzqvSFhV9

Читать полностью…

Библиотека питониста

#развлекалово

Читать полностью…

📘 Книга: Learn Algorithms Through Python

Визуальный гид по алгоритмам и структурам данных на Python.

Параллельно можно усилить базу через практику: онлайн-курс по математике для Data Science от Proglib Academy — 30 уроков с задачами, тестами и финальным проектом в портфолио, чтобы закрепить алгоритмы уже на прикладных кейсах.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

Читать полностью…

🔥 Знакомьтесь с экспертом Proglib.academy: Эмиль Сатаев

Эмиль — эксперт с 8-летним опытом в разработке, который специализируется на внедрении LLM и агентных подходов в реальные коммерческие сервисы. Он точно знает, как проектировать архитектуру так, чтобы ИИ-функции работали стабильно в связке с внешними системами.

🏃‍♀️ Уже 14 мая Эмиль проведет открытый вебинар!

Обсудим самую «больную» тему: «Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало».

🗓 Когда: 14 мая в 19:00 (Мск)

Почему Эмиля стоит послушать:

🟣 8+ лет в разработке (Backend и Frontend)

Прошел путь от фулстека до Backend Platform Developer в SMIT.Studio.

🟣 Международный исследовательский опыт

Работал исследователем в Институте ИИ НИУ ВШЭ и в Национальном университете Сингапура (NUS).

🟣 Преподаватель-практик

Ведет семинары в НИУ ВШЭ, в том числе по проектированию и разработке агентских систем.

🟣 Мастер интеграции AI в Backend

Его главная суперсила — умение правильно встраивать LLM через API, выстраивать workflow и агентную логику в сложных распределенных системах.

🔗 Зарегистрироваться на вебинар

Читать полностью…

📦 Dependency version pinning ≠ security patching

Интересный и важный разбор о том, как стоит (и не стоит) управлять версиями зависимостей в Python-проектах.

Если вы — разработчик библиотеки, то:

dependencies = [
  "urllib3>=2",
]

— это нормальная практика для указания совместимости, а не безопасности.

❗ Но изменение на:

"urllib3>=2.6.3"

из-за уязвимости — обычно плохая идея для библиотек.

⚠️ Почему нельзя фиксировать security через version specifiers

Библиотеки:
• должны поддерживать широкий диапазон версий
• отвечают за совместимость, а не за безопасность пользователей
• не должны “жёстко чинить” уязвимости зависимостей

Приложения:
• используют lock-файлы (requirements.txt, uv.lock и т.д.)
• фиксируют конкретные безопасные версии
• отвечают за безопасность своего runtime

💥 Проблема массового эффекта

Если бы все библиотеки начали обновлять зависимости из-за CVE:
• urllib3 → 10,000+ зависимостей
• numpy → ~80,000
• requests → ~70,000
• pandas → ~55,000

👉 одна уязвимость = тысячи релизов ежедневно

Это создало бы постоянный "release storm", который не масштабируется.

Есть исключения:
• если фикс уязвимости требует несовместимого API
• если зависимость больше не поддерживает безопасные версии
• если обновление не ломает обратную совместимость

🔗 Ссылка на статью

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

Читать полностью…

🔥 Python typing становится намного умнее

Вот несколько идей, которые сейчас двигают экосистему Python вперёд:

1️⃣ AI + Type Checking = меньше багов

Оказалось, что AI пишет код заметно лучше, если после каждого изменения получает ошибки типизации.

Например:

def add(a: int, b: int) -> int:
    return a + b

add("1", 2)

Type checker сразу покажет проблему ещё до запуска.

2️⃣ Проверка размеров тензоров прямо в типах

Одна из самых сильных идей для ML.

Вместо комментариев:

x  # (B, T, C)

можно будет писать:

x: Tensor[B, T, C]

И Python сможет предупреждать:
❌ несовместимые размеры матриц
❌ ошибки reshape
❌ неправильные tensor operations

3️⃣ Intersection Types — комбинация типов без лишнего кода

Сегодня часто приходится создавать отдельные Protocol.

В будущем возможно так:

Closeable & Iterable

То есть объект должен быть и закрываемым, и итерируемым одновременно. Без создания новых классов ради одной аннотации.

4️⃣ Типы станут программируемыми

Появляется идея динамически менять типы.

Например:

Partial[User]

может автоматически превратить:

class User:
    name: str
    age: int

в:

{
    "name": str | None,
    "age": int | None
}

Очень похоже на utility types в TypeScript.

5️⃣ Главное изменение мышления

Раньше типизация в Python была “nice to have”.

Сейчас она постепенно превращается в инструмент проектирования системы:
- ловит ошибки раньше
- помогает AI писать код
- делает большие проекты безопаснее
- улучшает DX для библиотек и ML

🖥 Подробнее

📍 Наш курс по Питону

Библиотека питониста

#буст

Читать полностью…

🐍 Полезный курс: Advanced Python Mastery

В нем меньше про «как написать TODO-приложение» и больше про то, как Python работает изнутри: итераторы, генераторы, декораторы, дескрипторы, внутренние механизмы языка и паттерны, которые используются в популярных библиотеках и фреймворках.

Хотя он в основном ориентирован на возможности Python 3.6, почти всё актуально и сегодня.

✅ Курс

📍 Наш курс по Питону

Библиотека питониста

#буст

Читать полностью…

Библиотека питониста

#развлекалово

Читать полностью…

⚡ Идеи проектов для разработчиков

В списке собраны проекты, которые помогают:
→ прокачать навыки
→ попробовать новые технологии
→ собрать портфолио
→ сделать что-то, что не стыдно показать

📌 Суть простая: берёте идею → делаете MVP → постепенно улучшаете.

Иногда этого достаточно, чтобы выйти из режима «учу, но не строю».

👇 Какой проект вы давно хотели сделать, но всё откладывали?

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🧠 Шпаргалка по структурам данных и алгоритмам

Если готовитесь к собеседованиям, изучаете DSA или хотите быстрее ориентироваться в сложности операций — вот база.

Какую структуру данных вы чаще всего используете в работе?


📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🐍 Python Software Foundation готовит план развития Python на 5 лет

У Python Software Foundation появился стратегический план до 2031 года — и это напрямую влияет на будущее экосистемы Python.

Что в приоритете:
• Безопасность экосистемы Python и PyPI
• Развитие ключевой инфраструктуры (`CPython`, pip, python.org, `PyPI`)
• Поддержка мирового Python-сообщества через гранты и мероприятия
• Привлечение новых разработчиков и снижение барьеров для входа
• Финансовая устойчивость фонда

Интересный момент: PSF прямо говорит, что расходы растут быстрее возможностей. В 2025 году даже пришлось временно остановить грантовую программу из-за лимита бюджета.

Полный план опубликуют в июне 2026, а сообщество уже может оставлять обратную связь.

По сути — это roadmap того, как будет развиваться инфраструктура Python в ближайшие годы.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🧠 10 золотых правил чистого кода

1️⃣ Избегайте скрытых чисел и строк — выносите в константы
2️⃣ Используйте говорящие имена
3️⃣ Ранний возврат вместо глубокой вложенности
4️⃣ Не раздувайте списки аргументов — группируйте данные
5️⃣ Функции должны делать одну вещь
6️⃣ Не дублируйте код (DRY)
7️⃣ Держите решения максимально простыми (KISS)
8️⃣ Чаще выбирайте композицию, а не наследование
9️⃣ Комментарии объясняют «почему», а не «что»
🔟 Пишите понятные коммиты — это история проекта

Какое правило вы бы добавили ещё? 👇

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»

Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!

🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas

Читать полностью…

🚀 FastAPI с нуля: за 5 минут до работающего API

FastAPI — один из самых быстрых Python-фреймворков для построения API. Автодокументация, типизация, async из коробки.

Поехали.

📦 Установка

pip install fastapi uvicorn

🏗 Минимальный сервер

# main.py
from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def root():
    return {"message": "Hello, World!"}

Запуск:

uvicorn main:app --reload

Откройте http://127.0.0.1:8000 — API уже отвечает.
Бонус: http://127.0.0.1:8000/docs — интерактивная Swagger-документация, сгенерирована автоматически.

📐 Pydantic-модели — валидация входных данных

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int
    email: str

@app.post("/users")
def create_user(user: User):
    return {"created": user.name}

FastAPI сам проверит типы и вернёт понятную ошибку, если придут неверные данные. Никакого ручного if not isinstance(...).

🔍 Path & Query параметры

# /items/42
@app.get("/items/{item_id}")
def get_item(item_id: int, q: str = None):
    return {"id": item_id, "query": q}

item_id — из URL, q — из query string (`?q=test`). Всё типизировано.

⚡️ Async endpoint — когда нужен I/O

import asyncio

@app.get("/slow")
async def slow_endpoint():
    await asyncio.sleep(1)  # не блокирует сервер
    return {"status": "done"}

Используйте async def когда делаете запросы к БД или внешним API — сервер продолжает обрабатывать другие запросы пока ждёт.

🗂 Структура проекта (когда вырастет)

project/
├── main.py
├── routers/
│   ├── users.py
│   └── items.py
└── models/
    └── schemas.py

Роутеры подключаются так:

from routers import users
app.include_router(users.router, prefix="/users")

✅ Итого за 5 минут:

— GET / POST / PUT / DELETE эндпоинты
— Валидация через Pydantic
— Автодокументация на /docs
— Async поддержка
— Масштабируемая структура

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🔐 secure: библиотека для тех, кто устал от copy-paste security headers

Если делаете backend на Python, то наверняка сталкивались с хаосом вокруг security headers:

Content-Security-Policy
X-Frame-Options
Strict-Transport-Security
Permissions-Policy

Обычно это превращается в copy-paste по middleware, hooks и handlers.

secure предлагает более аккуратный подход — один объект политики безопасности для всего приложения.

Например, в FastAPI достаточно подключить middleware:

from fastapi import FastAPI
from secure import Secure
from secure.middleware import SecureASGIMiddleware

app = FastAPI()
secure_headers = Secure.with_default_headers()

app.add_middleware(
    SecureASGIMiddleware,
    secure=secure_headers
)

Что полезного:
✅ единая конфигурация security headers
✅ работает через ASGI / WSGI middleware
✅ готовые presets + кастомизация
✅ удобная настройка CSP и Permissions Policy
✅ без зависимостей

Под капотом — просто способ сделать security headers явными, централизованными и поддерживаемыми, вместо магических строк, разбросанных по проекту.

Полезная штука для FastAPI, Django, Flask и других Python web apps.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🗓 Уже через пару часов стартует вебинар!

Тема:

Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало

Ждем вас сегодня в 19:00 по московскому времени. Не пропустите начало, будет много практики!

👉 Успей занять место

Читать полностью…

🧠 Pyrefly v1.0: быстрый type checker для Python вышел в stable

Pyrefly официально достиг версии 1.0 и готов к production.

Что изменилось

⚡ Производительность
• до 125× быстрее обновление diagnostics после сохранения файла
• на 20–36% быстрее полная проверка больших проектов (PyTorch, Pandas)
• 2–3× быстрее индексация проекта
• до 60% меньше памяти

🛠 Новые пресеты конфигурации
Появились режимы basic, strict, legacy (для миграции с mypy) и другие — можно быстро настроить уровень строгости без ручной конфигурации.

🧩 Лучше понимает реальный Python
Меньше false positive, улучшена работа с:

* dataclasses
* enums
* ParamSpec
* overloads
* type narrowing

📓 Поддержка экосистемы
Лучше работает с Django, Pydantic, Pytest и теперь полноценно поддерживает Jupyter notebooks (.ipynb) — почти как обычные .py файлы.

🤖 Что дальше
Команда делает ставку на AI-агентов и экспериментальную проверку tensor shapes в PyTorch.

🔗 Ссылка на релиз

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Читать полностью…

🧠 MCP на Python: самый простой пример

LLM сама по себе не умеет работать с реальным миром. Она не знает время, дату и не может выполнять код — только генерирует текст.

MCP (Model Context Protocol) решает это, добавляя модели внешние инструменты на Python.

В примере из статьи:
🕒 функция get_current_time() — возвращает текущее время
📅 функция get_current_date() — возвращает текущую дату
🤖 модель через Ollama (llama3.2) может вызывать их по необходимости

Запрос пользователя → модель понимает, нужен ли инструмент → вызывает Python-функцию через MCP → получает результат → формирует ответ

Пример:
«Сколько сейчас времени?»
→ модель вызывает get_current_time()
→ получает 10:35:15
→ отвечает уже человеческим текстом

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

Читать полностью…

🚨 Django выпустил срочные security-обновления: 6.0.5 и 5.2.14

Команда Django выпустила новые патч-релизы Django 6.0.5 и Django 5.2.14, закрывающие сразу 3 уязвимости безопасности.

🔹 CVE-2026-5766 — DoS через загрузку файлов в ASGI

Обнаружена возможность обхода лимита FILE_UPLOAD_MAX_MEMORY_SIZE в ASGI-запросах при некорректном или заниженном Content-Length.

Злоумышленник потенциально мог отправить слишком большой файл, который попадал в память сервера, вызывая деградацию сервиса или проблемы с производительностью.

Важно: Django напоминает, что ограничение загрузки файлов нужно настраивать не только в Django, но и на уровне веб-сервера (Nginx, Apache, reverse proxy).

🔹 CVE-2026-35192 — Session Fixation через кешируемые страницы

Проблема затрагивает проекты, где включён:

SESSION_SAVE_EVERY_REQUEST = True

и используются публично кешируемые страницы.

В некоторых сценариях злоумышленник мог получить доступ к пользовательской сессии после посещения кешированной страницы.

🔹 CVE-2026-6907 — риск утечки приватных данных через `Vary: *`

Ошибка в UpdateCacheMiddleware могла привести к тому, что запросы с заголовком:

Vary: *

ошибочно кешировались.

Приватные данные могли случайно попасть в cache и быть отданы другим пользователям.

Какие версии затронуты:
— Django main
— Django 6.0
— Django 5.2

По политике безопасности Django все три проблемы получили уровень Low severity, но это всё ещё security fixes для production, особенно если вы используете ASGI, caching или кастомную работу с sessions.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

Читать полностью…

Это очень полезный репозиторий с 300+ инженерными статьями от крупных tech-компаний про реальные проблемы масштабирования.

Но читать всё подряд не стоит — лучше по темам. Для старта:
— Netflix / Uber / Slack / Stripe — архитектура и масштабирование,
— Figma / DoorDash / GitHub — поиск и производительность,
— Meta / LinkedIn / Netflix — ML-системы.

Минус: часть статей — немного «инженерный маркетинг», а не чистая практика. Но как источник реальных кейсов — очень сильная подборка.

🔗 Ссылка на ресурс

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

Читать полностью…