Python Portal
СтатистикаВсё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
- Последний пост
- 08:07
- Последнее чтение
- 10:45
- Постов за неделю
- 14
- Всего постов
- 31
- Тип
- открытый
- Язык
- русский
- Категория
- Технологии
- В каталоге с
- 12 авг.
- 1/24сутки в ленте
- 3 056
- 1/48двое суток
- 3 502
- 1/72трое суток
- 3 777
Оценка по просмотрам недавних постов: пост набирает почти всё за первые сутки.
Посты
Как в Python развернуть строку и список одним и тем же кодом. 👉 @PythonPortal
Кто-то сделал детектор, который ловит характерные паттерны ИИ-текста ещё до публикации. Работает полностью локально: без модели и без подключения к сети. Он проверяет текстовые файлы, отмечает подозрительные шаблоны и просит агента переписать проблемные места. Репозиторий написан на Python и использует только стандартную библиотеку. GitHub: https://github.com/seyedehsanhadi/sloptrim 👉 @PythonPortal
«Transformer с полной пропускной способностью» Обычно Transformer передаёт на следующий шаг только выбранный токен, хотя сама модель только что вычислила гораздо более богатое скрытое состояние. В этой работе скрытое состояние тоже подаётся обратно в модель. За счёт этого она может продолжать внутренне развивать идею, не расписывая всё токен за токеном. На масштабе 1 млрд параметров подход улучшает результаты в математике, программировании и тестах языковых моделей, добавляя менее 1% к стоимости декодирования. При этом модель может показывать результаты на уровне моделей, обученных примерно на вдвое большем объёме данных. https://alphaxiv.org/abs/2608.08888 👉 @PythonPortal
ЭТОТ ОТКРЫТЫЙ ИНСТРУМЕНТ СОЗДАЁТ РАБОЧИЕ ПРИЛОЖЕНИЯ ПО ОДНОМУ ПРОМПТУ LlamaCoder генерирует небольшие приложения, которые можно сразу запустить и посмотреть прямо в браузере. Проект распространяется по лицензии MIT, набрал около 7 тысяч звёзд на GitHub, а заявленная аудитория превышает 1,1 млн пользователей. Репозиторий: https://github.com/Nutlope/llamacoder 👉 @PythonPortal
Awesome Math — огромная подборка материалов по математике в одном репозитории. Там собраны Khan Academy, MIT OpenCourseWare, конспекты лекций, учебники и другие бесплатные материалы по разным разделам математики. Проект живой и довольно популярный: сейчас у него больше 16 тысяч звёзд на GitHub. https://github.com/rossant/awesome-math 👉 @PythonPortal
Сайт для поиска ранних стартапов и новых инструментов: early.tools Сохраните в закладки. 😏 👉 @PythonPortal
Этот открытый движок для квантовых исследований бесплатно превращает финансовые научные работы, отчётность SEC, исследования с arXiv и блоги в единую базу знаний с поиском. https://github.com/LLMQuant/quant-mind 👉 @PythonPortal
Не нарушайте принцип единственной ответственности SRP. Функция должна делать одну вещь, делать её хорошо и заниматься только ей. Здесь функция делает слишком много: def calculate_final_total( price: float, quantity: int, discount_rate: float, tax_rate: float ) -> float: subtotal = price * quantity discounted_amount = subtotal * (1 - discount_rate) final_total = discounted_amount * (1 + tax_rate) return final_total Проблема в том, что расчёт суммы, скидки и налога объединён в одном месте. Любое изменение одного из этапов может затронуть всю функцию. Лучше разделить логику на небольшие функции: def calculate_subtotal(price: float, quantity: int) -> float: return price * quantity def apply_discount(subtotal: float, discount: float) -> float: return subtotal * (1 - discount) def calculate_tax(amount: float, tax_rate: float) -> float: return amount * (1 + tax_rate) Так намного лучше. Небольшие функции с одной конкретной задачей проще покрывать юнит-тестами: у них меньше зависимостей и реже нужны моки. Плюс такие компоненты проще переиспользовать в других частях приложения или пайплайна, не подтягивая лишнюю логику. Поэтому держите функции простыми и сфокусированными. Одна функция — одна ответственность. 👉 @PythonPortal
Хотите узнать, сколько ядер у вашего процессора с помощью Python? Для этого можно использовать модуль multiprocessing. 👉 @PythonPortal
Кто-то выложил в открытый доступ Python-скрапер для Google Flights. Он собирает цены на билеты, расписания и данные для бронирования по более чем 180 странам, используя строготипизированные схемы и Protobuf, закодированный в Base64. GitHub: https://github.com/AWeirdDev/flights 👉 @PythonPortal
«The Mathematics of Bitcoin» — короткая работа, которая разбирает Bitcoin с математической точки зрения. В ней используются теория вероятностей, случайные процессы, мартингалы, комбинаторика и специальные функции, чтобы исследовать механизмы протокола Bitcoin. В частности, авторы разбирают вероятность двойной траты, прибыльность майнинга, генерацию блоков, стратегии майнеров и устойчивость протокола. Если хочется копнуть глубже, ещё рекомендую «Bitcoin and Cryptocurrency Technologies» от Принстонского университета. Это уже гораздо более широкое введение в криптографические хеш-функции, цифровые подписи, консенсус, Proof of Work, майнинг, транзакции, анонимность, безопасность и систему стимулов в криптовалютах. Сохраните обе работы в закладки. Это хорошие материалы, если интересно разобраться в математике и технических механизмах Bitcoin. The Mathematics of Bitcoin: https://arxiv.org/pdf/2003.00001 Bitcoin and Cryptocurrency Technologies: https://d28rh4a8wq0iu5.cloudfront.net/bitcointech/readings/princeton_bitcoin_book.pdf 👉 @PythonPortal
Директор по исследованиям Google написал корректор орфографии всего в 21 строку Python. Питер Норвиг сделал его как простой пример того, как работает вероятностное исправление опечаток. Скрипт генерирует слова, отличающиеся на одно или два изменения, а затем выбирает наиболее вероятный вариант на основе корпуса текста. 👉 @PythonPortal
Китайский студент-программист подключил к ноутбуку чип за $3, использовал Claude Code и собрал систему, которая отслеживала изменения коэффициентов за несколько часов до обновлений Polymarket. Сейчас стоимость связанного с ней кошелька оценивается в $4,5 млн. Правда - 👍 Нет, админ ты там че дунул - 🤣 👉 @PythonPortal
Rio — это Python-фреймворк для создания сайтов и приложений с компонентами в стиле React, но без необходимости писать HTML, CSS или JavaScript. — всё приложение пишется на Python, отдельный фронтенд-стек не нужен; — есть готовые компоненты, из которых можно собирать собственные элементы и целые приложения; — работает локально и в браузере; — есть туториал, примеры и документация для быстрого старта. https://github.com/rio-labs/rio 👉 @PythonPortal
Этот проект позволяет бесплатно запускать AWS локально. Без аккаунтов и каких-либо обходных схем. Отлично подходит для практики. Называется Floci и поддерживает 69 сервисов, включая S3, SQS, Lambda, DynamoDB и RDS. http://github.com/floci-io/floci 👉 @PythonPortal
Это важно: OpenAI запускает Agent Plugins. Открытый стандарт для упаковки навыков и MCP-серверов в единый пакет, который можно использовать в разных клиентах. Стандарт поддерживают AWS, Cursor, GitHub, Microsoft, Vercel и другие. https://github.com/agentplugins/agent-plugins-spec 👉 @PythonPortal
Django 6.1 уже вышел. Из нового: * варианты удаления для ForeignKey на уровне базы данных; * настройки email через словари; * поддержка Python 3.12–3.14; * режимы загрузки полей модели; * и другие изменения. 👉 @PythonPortal
«Introduction to Machine Learning» — ещё один бесплатный учебник по машинному обучению объёмом около 600 страниц, который делает акцент на глубоком математическом понимании предмета. Книга начинается с математической базы, необходимой для дальнейшего изучения: линейной алгебры, математического анализа, теории вероятностей, матричного анализа и методов оптимизации. Затем разбираются основные алгоритмы обучения с учителем: линейная и логистическая регрессия, метод ближайших соседей, деревья решений, случайные леса, бустинг и нейронные сети. Значительная часть книги посвящена вероятностным и генеративным моделям. Рассматриваются методы Монте-Карло, графические модели, байесовские сети, вариационные методы, нормализующие потоки, вариационные автокодировщики (VAE) и генеративно-состязательные сети (GAN). В заключительных главах обсуждаются кластеризация, метод главных компонент (PCA), обучение на многообразиях и теоретические оценки способности моделей к обобщению. На мой взгляд, это отличный справочник для тех, кто хочет получить широкое представление о машинном обучении и разобраться в математике, лежащей в основе ключевых методов, а не воспринимать их как «чёрный ящик». https://arxiv.org/pdf/2409.02668 👉 @PythonPortal
🐍 Потокобезопасность в Python: гайд на использование Lock и другие методы — https://realpython.com/python-thread-lock/ #python 👉 @PythonPortal
MIT 6.824 (распределённые системы) — один из лучших бесплатных инженерных курсов в интернете. Вместо чистой теории весь курс построен вокруг чтения и разбора фундаментальных работ из реальных систем: GFS (Google File System) — архитектура с одним главным узлом, распределение чанков и работа с eventual consistency при больших нагрузках на добавление данных. Raft — выбор лидера, репликация журнала и инварианты безопасности. Алгоритм разбирается намного доступнее, чем Paxos. ZooKeeper — координация без блокировок, системы с преобладанием чтения, линейно согласованные записи и eventual consistency для чтений через watches. Spanner — глобально распределённые транзакции, двухфазный commit поверх Paxos и использование TrueTime (атомные часы + GPS) для обеспечения внешней согласованности. Также в курсе разбираются MapReduce, Spark, Frangipani, Memcached от Facebook и другие системы. Если хотите выйти за пределы поверхностного system design и понять, как внутри устроены реальные распределённые хранилища и системы консенсуса, этот курс — настоящий клад. Плейлист: https://youtube.com/playlist?list=PLrw6a1wE39_tb2fErI4-WkMbsvGQk9_UB 👉 @PythonPortal