tgindex

Python Community

описание

Python Community RU - СНГ сообщество Python-разработчиков Чат канала: @python_community_chat Сотрудничество: @cyberJohnny и @Sergey_bzd РКН реестр: https://knd.gov.ru/license?id=67847dd98e552d6b54a511ed&registryType=bloggersPermission

← к каналу@Python_Community_ru
11 687
подписчиков
Охват к подписчикам
4,1%
ERR
Реакции к просмотрам
0,04%
9 на 39 постов
Пересылки к просмотрам
1,28%
292
Постов в день
1,1
всего 38

Где отзываются чаще

доля реакций к просмотрам
  • 19 авг. 2025 г.без подписи0,29%
  • 1 авг.‍🎬 Seedance 2.0 превратили в полноценную операционную систему для ИИ-режиссёра Seedance 2.0 Skill OS - открытый набор навыков и пайплайнов, который помогает создавать видео не через набор слов вроде «cinematic, epic, beautiful», а через режиссёрскую постановку сцены. Система определяет драматическую задачу эпизода и согласует под неё: — движение камеры и характер объектива; — свет, композицию и действия персонажей; — звук, диалоги и темп; — роли изображений, видео и аудиореференсов; — переходы между несколькими связанными клипами. Есть отдельные модули для text-to-video, image-to-video, продолжения роликов, первого и последнего кадров, устранения проблем и сохранения персонажей между сценами. Для длинных историй инструмент анализирует реальный финал готового клипа и только после этого пишет промпт для следующего, поэтому сюжет не разваливается из-за расхождения генерации с первоначальным планом. Также внутри есть готовые процессы для раскадровки, монтажа, цветокоррекции, локализации, звука и финального контроля качества. Поддерживается работа на русском языке. Проект распространяется под MIT License. GitHub: https://github.com/Emily2040/seedance-2.0 @Python_Community_ru0,19%
  • 30 июл.🐍 collections.Counter: больше, чем подсчёт частот Большинство используют Counter только ради most_common(), хотя у него есть куда более интересные возможности. from collections import Counter a = Counter("abracadabra") b = Counter("barbecue") Можно складывать и вычитать частоты: a + b a - b Пересечение и объединение счётчиков: a & b # минимальные значения a | b # максимальные значения Удалить элементы с нулевой и отрицательной частотой: clean = +a Получить общее число элементов: a.total() Развернуть счётчик обратно в последовательность: list(a.elements()) Особенно удобно для анализа логов, событий, токенов, категорий и любых данных, где важна частота появления. #Python #Collections #Backend @Python_Community_ru0,18%
  • 16 июл.Все уже пользуются AI coding agents. Но почти никто не понимает, как они реально работают. learn-claude-code разбирает Claude Code-style agent harness с нуля. Авторская формула простая: Bash is all you need. Вместо магии и маркетинга там показывают базовый цикл агента: модель отвечает, просит вызвать tool, код выполняет действие, результат возвращается обратно в контекст, и цикл продолжается. Дальше на этот скелет постепенно навешиваются реальные части агентной системы: * tool use * permissions * hooks * memory * context compaction * subagents * background tasks * MCP * worktree isolation 71.1K звёзд у tutorial repo — хороший сигнал. Люди устали от “AI agents за 5 минут” и хотят наконец понять, что там внутри. https://github.com/shareAI-lab/learn-claude-code #AI #OpenSource @Python_Community_ru0,14%
  • 4 нояб.⚡️ Pytest markers: ускоряем разработку и тестирование Когда проект растёт — часть тестов становится медленной (ML-тренировка, GPU-инференс, интеграционные проверки). Pytest позволяет помечать такие тесты и запускать только нужные группы. В примере: - @pytest.mark.fast — быстрые юнит-тесты - @pytest.mark.slow — долгие тесты (например, обучение модели) - @pytest.mark.gpu — тесты, требующие GPU Команды: # Запустить только быстрые pytest -m fast # Запустить всё, кроме slow pytest -m "not slow" Идеально, когда нужно: - быстро прогнать код перед пушем - запускать тяжёлые тесты по расписанию/в CI - разделить ML-тесты по ресурсам (CPU/GPU) Используйте маркеры — и ваша разработка станет быстрее и чище 🧪⚙️ #pytest #python #testing #mlengineering #unittesting #devtools @Python_Community_ru0,12%
  • 21 мая 2025 г.без подписи0,11%
  • 25 авг. 2025 г.‍📊 Из PDF в DataFrame за пару строк кода Работаете с финансовыми отчётами или любыми табличными данными в PDF? С библиотекой docling это становится максимально просто. Большинство инструментов для работы с PDF заставляют собирать пайплайн вручную: одна библиотека для извлечения текста, другая для парсинга, третья для чанкинга. Docling закрывает весь процесс — от сырых PDF до структурированных и готовых к поиску данных — в одном решении. 📌 Преимущество Docling 🔹 Поддержка PDF, DOCX, PPTX, HTML и изображений 🔹 AI-модель TableFormer для понимания сложных таблиц 🔹 Vision-модели для OCR и image-to-text 🔹 Простой экспорт в pandas DataFrame, JSON и Markdown Пример: конвертируем PDF с отчётом о доходах и сразу получаем pandas DataFrame 👇 from docling.document_converter import DocumentConverter converter = DocumentConverter() result = converter.convert("financial_report.pdf") for table in result.document.tables: df = table.export_to_dataframe() 📌 Github (https://github.com/docling-project/docling) #AI #RAG #Docling #DataEngineering #PDF @Python_Community_ru0,11%
  • 17:15Полный инженерный курс по AI-агентам на русском: от tool calling до production Курс инженерный, а не обзорный. Здесь почти нет рассуждений о том, «изменит ли ИИ мир», зато есть: минимальные работающие реализации каждого механизма, лабораторные с критериями приёмки, шаблоны для копирования, чек-листы перед релизом, каталог антипаттернов и набор бенчмарков, по которым можно честно сравнить две версии своего агента. Качество агента почти никогда не упирается в модель. Оно упирается в инженерию вокруг модели: как описаны инструменты, что попадает в контекст, где стоят проверки, что происходит при третьей подряд ошибке и сколько это стоит за тысячу запусков. Модель - двигатель. Курс -про всё остальное в автомобиле. https://github.com/justxor/Aiagentsfullcourse @Python_Community_ru0,00%
  • 16 авг.‍🐍 Python-разработчики часто тестируют код с зависимостью от времени. Но обычный mock для дат — это намного сложнее, чем кажется. Библиотека time-machine решает эту проблему: она позволяет буквально «перемещать время» внутри тестов. Например: import datetime as dt import time_machine @time_machine.travel("2030-01-01") def test_future(): assert dt.date.today() == dt.date(2030, 1, 1) В отличие от популярных подходов вроде freezegun, библиотека не ищет и не заменяет все импорты в проекте. Она работает на уровне C API CPython, перехватывая функции даты и времени напрямую. Поэтому скорость не зависит от количества загруженных модулей. В бенчмарках time-machine оказался более чем в 100 раз быстрее freezegun на простых сценариях. Полезно для тестирования: • подписок и платежей • истечения токенов • календарных функций • планировщиков задач • логики с дедлайнами Проект: https://github.com/adamchainz/time-machine https://adamj.eu/tech/2026/08/03/python-time-machine-o1-freezegun-on/ @Python_Community_ru0,00%
  • 15 авг.🐍 Опытный Python-разработчик рассказал, для каких проектов в 2026 году он уже не выбирает Python первым. Автор десятилетиями использовал Python практически для всего, но со временем пришёл к простой мысли: хороший универсальный язык не обязан быть лучшим инструментом для каждой задачи. В презентации разбирается, где ограничения Python начинают перевешивать его удобство и почему для некоторых проектов сегодня разумнее посмотреть на другие языки и экосистемы. При этом это не очередное «Python умер». Наоборот, автор по-прежнему активно использует Python и отдельно показывает области, где язык остаётся одним из лучших вариантов. Получился полезный взгляд без фанатизма: выбирать язык не по привычке, а под конкретную задачу. #/ #Python #Programming #SoftwareEngineering #Development @Python_Community_ru https://menno.io/presentations/not-python-2026/index.html0,00%
  • 14 авг.🐍 В Python у while есть else. И многие разработчики узнают об этом спустя годы Выглядит непривычно: number = 0 while number < 5: print(number) number += 1 else: print("Цикл завершился") Блок else выполнится, если цикл закончился естественно, то есть условие while стало ложным. Но есть важный нюанс. Если внутри сработает break, else уже не выполнится. number = 0 while number < 5: if number == 3: break number += 1 else: print("Сюда не попадём") Из-за этого while...else удобно использовать там, где нужно отличить нормальное завершение поиска от досрочного выхода. Например, цикл пытается найти нужное значение. Если нашёл, делает break. Если дошёл до конца без успеха, срабатывает else. Синтаксис существует в Python давно, но до сих пор выглядит как маленькая пасхалка языка. #Python #Programming #Backend #PythonTips @Python_Community_ru0,00%
  • 14 авг.Модель показывает отличную точность в ноутбуке, но так и не становится рабочим сервисом. Причина часто не в качестве самой модели, а в архитектуре системы вокруг неё. 07 сентября в 20:00 на открытом уроке курса «ML System Design» вы разберёте, как превратить модель на Python в полноценный ML-сервис. Увидите, как связаны хранение данных, обучение, реестр моделей, сервис инференса и мониторинг. На занятии рассмотрите весь жизненный цикл модели — от обучения до эксплуатации в постоянно меняющихся условиях. Поймёте, почему высокая точность ещё не гарантирует успешного внедрения и какие инженерные задачи возникают при работе с реальными пользователями и большими объёмами данных. Урок будет полезен специалистам по данным, ML- и MLOps-инженерам, разработчикам и архитекторам. Урок проведёт Игорь Стурейко. https://vk.cc/d0yk82 Реклама. ООО «Отус онлайн-образование», ОГРН 11777466185760,00%