📚Python Books

🐍 Free-threaded Python убрал GIL, но NumPy всё равно упирался во внутренние блокировки Казалось бы, Python 3.13+ без GIL должен позволить нескольким потокам одновременно выполнять численные операции. Но на практике параллельные ufunc начинали конкурировать за внутренние структуры NumPy, счётчики ссылок и выделение памяти. В NumPy 2.5 разработчики устранили несколько ключевых узких мест: - таблицу диспетчеризации ufunc заменили на lock-free concurrent hash map; - часть общих служебных объектов сделали «бессмертными», снизив конкуренцию при подсчёте ссылок; - выделение памяти перевели на PyMem_RawMalloc и PyMem_RawFree. Теперь независимые операции можно масштабировать обычными потоками: from concurrent.futures import ThreadPoolExecutor import numpy as np arrays = [ np.random.rand(5_000_000) for _ in range(8) ] with ThreadPoolExecutor(max_workers=8) as pool: results = list(pool.map(np.sin, arrays)) Главное преимущество перед multiprocessing - массивы не нужно сериализовать и копировать между процессами. Потоки работают в одном адресном пространстве, поэтому могут эффективнее использовать многоядерный CPU и общую память. Но есть важная оговорка: free-threaded не означает автоматически thread-safe. Одновременное изменение одного ndarray из нескольких потоков всё ещё может привести к гонкам, повреждённым данным и падению интерпретатора. Безопаснее использовать: - отдельный массив для каждого worker; - общий массив только для чтения; - явную синхронизацию при записи. Удалить GIL оказалось недостаточно. Чтобы Python действительно масштабировался по ядрам, пришлось перепроектировать и внутренности NumPy. Подробнее: https://labs.quansight.org/blog/scaling-numpy-on-free-threaded-python

Лето, ИТ-Пикник и музыка известных артистов уже через несколько дней! 8 августа в Коломенском пройдет ИТ-Пикник. В программе — выступления проекта LAB Антона Беляева, IOWA, Cream Soda, Pompeya, мартина и Совы. А днем — научпоп-лекции, дискуссии об ИИ и больших языковых моделях, мастер-классы и интерактивы. Полезные знакомства и развлечения тоже будут. Зарегистрироваться и узнать подробности можно на сайте мероприятия. В билет входит +1 — можно позвать близких и друзей. До встречи в месте притяжения ИТ.

🐍 Как правильно запускать внешние команды из Python Для большинства задач не нужны os.system() или низкоуровневый Popen. Достаточно subprocess.run() - он запускает программу, передаёт аргументы, возвращает код завершения и позволяет получить вывод. import subprocess result = subprocess.run( ["git", "status", "--short"], capture_output=True, text=True, check=True, timeout=10, ) print(result.stdout) Что здесь происходит: - capture_output=True сохраняет stdout и stderr - text=True возвращает строки вместо bytes - check=True выбрасывает CalledProcessError, если команда завершилась с ошибкой - timeout=10 не позволяет процессу зависнуть навсегда Ошибки лучше обрабатывать явно: import subprocess try: result = subprocess.run( ["git", "status", "--short"], capture_output=True, text=True, check=True, timeout=10, ) except subprocess.TimeoutExpired: print("Команда выполнялась слишком долго") except subprocess.CalledProcessError as error: print(error.stderr) else: print(result.stdout) Передавайте команду списком аргументов. shell=True нужен редко и может создать уязвимость к внедрению команд, особенно если строка содержит пользовательские данные. subprocess.run() - простой и надёжный мост между Python и системными утилитами, Git, компиляторами, CLI-инструментами и другими программами. Подробнее: https://pythonmorsels.com/running-subprocesses-in-python/

🔴 Завтра тестовое собеседование на Middle Python с разработчиком из Авито Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Бесплатный учебник по математике — 850 страниц. «The Rising Sea: Foundations of Algebraic Geometry» Рави Вакила. Книга предлагает подробное введение в алгебраическую геометрию и множество упражнений, позволяющих учиться на практике. Требуется минимум предварительных знаний: необходимые инструменты вводятся по ходу материала — от теории категорий и пучков до коммутативной и гомологической алгебры. Подход построен на примерах и помогает развить математическую интуицию. Самодостаточный учебник для студентов магистратуры и аспирантуры, а также важный справочник для исследователей. Link: https://math.stanford.edu/~vakil/216blog/

One Day Offer для Python-разработчиков!💚 15 августа открываем двери в команду Agent Execution Framework ⚡️ Коллеги создают платформу для GenAI‑агентов в банке — делают так, чтобы ИИ реально работал в серьёзных финпроцессах: с безопасностью, нагрузкой и пользой. Чем предстоит заниматься: ✔️ развивать backend на Python ✔️ подключать LLM, инструменты, базы знаний и RAG ✔️ строить пайплайны оценки качества агентов ✔️ участвовать в архитектуре и ревью кода Встречаемся 15 августа онлайн. Регистрируйся по ссылке

interlock: Circuit Breaker That Trips on Failure Rate and Latency https://github.com/bagowix/interlock

One Day Offer: заходи в команду, которая двигает финансы на терабайтах данных! 🔥 На связи блок «Финансы» в Сбере! Мы строим системы, которые автоматизируют казначейство, риск‑менеджмент, отчётность — и добавляем AI для точных прогнозов. На One Day Offer мы хотим найти коллег сразу в 3 продуктовые команды. Базовый стек и уровень задач одинаковы — выбирай направление по душе: ✔️ BigData: Spark (batch+streaming), сложные SQL‑оптимизации, DWH/Data Lake. ✔️ Микросервисы: Python (FastAPI/Django), API, интеграции с системами. От тебя ждём: Python от 5 лет, экспертный SQL, PySpark, SOLID/asyncio, HDFS/Kafka. 👉 Регистрируйся по ссылке. Встречаемся 8 августа!

Бесплатный учебник по геометрии на целый университетский курс 📐 Euclidean Plane and its Relatives Антона Петрунина, профессора Penn State, можно легально скачать бесплатно. Книга рассчитана примерно на один семестр и строит геометрию строго через определения, аксиомы и доказательства. Внутри: евклидова геометрия: треугольники, подобие, параллельность; инверсивная геометрия; гиперболическая и нейтральная геометрия; аффинная, проективная и сферическая геометрии; комплексные координаты, построения и площади. Автор специально сделал книгу минималистичной и достаточно строгой, предполагая, что читатель уже знаком с матанализом, вещественными числами и непрерывностью. Учебник распространяется по лицензии CC BY-SA. Скачать книгу бесплатно: https://arxiv.org/pdf/1302.1630v19

700+ страниц алгебры, после которых слово “абстрактная” перестаёт пугать Есть бесплатная PDF-версия Basic Algebra Энтони Кнаппа — большой учебник для сильных студентов старших курсов и первого года магистратуры. Digital Second Edition доступна для личного образовательного использования. Внутри почти весь фундамент современной алгебры: * целые числа, многочлены, матрицы * векторные и евклидовы пространства * группы и действия групп * линейные операторы и жорданова форма * тензоры и внешняя алгебра * кольца, модули, поля * теория Галуа * категории и функторы Особенно ценно, что это не «конспект на 100 страниц», а полноценный маршрут: от конкретных вычислительных примеров к общей теории. Сам Кнапп пишет, что читателям нравились именно широта книги, раннее введение линейной алгебры и большое количество задач. Для новичка без опыта доказательств будет тяжеловато. Но если уже умеешь читать строгую математику и хочешь собрать мощную базу по алгебре — это прям серьёзная находка. PDF: https://math.stonybrook.edu/~aknapp/download/b2-alg-coverandinside.pdf

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы. Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: t.me/DevopsDocker Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/java_library JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: @courses ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Математика без попсы: три бесплатных книги для тех, кто хочет настоящий фундамент Три бесплатные книги Аллена Хатчера по математике Если хочется нормального фундамента по топологии, K-theory и теории чисел, у Аллена Хатчера есть отличный бесплатный набор. 1. Algebraic Topology Классический учебник по алгебраической топологии. Книга вышла в Cambridge University Press, но онлайн-версия доступна бесплатно по соглашению с издателем. На сайте есть полный PDF, главы отдельно, исправления и дополнительные упражнения. https://pi.math.cornell.edu/~hatcher/AT/AT.pdf Дополнительно: Spectral Sequences - отдельная расширенная глава к этой книге. https://pi.math.cornell.edu/~hatcher/AT/ATch5.pdf 2. Vector Bundles & K-Theory Короткая книга про векторные расслоения, топологическую K-теорию и характеристические классы. Сейчас онлайн выложено около 120 страниц: основы vector bundles, часть K-theory, Bott periodicity, characteristic classes и stable J-homomorphism. https://pi.math.cornell.edu/~hatcher/VBKT/VB.pdf 3. Topology of Numbers Необычное введение в теорию чисел через геометрию и картинки. Много внимания уделено квадратичным формам, диаграмме Фарея, цепным дробям, уравнению Пелля, quadratic reciprocity и topograph Конвея. PDF примерно на 350 страниц доступен бесплатно. https://pi.math.cornell.edu/~hatcher/TN/TNbook.pdf

Linear Algebra for Computer Science 📓 Read @datascienceiot

Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning Недавно был обновлен огромный PDF-учебник по математике на 2204 страницы: Внутри - алгебра, топология, дифференциальное исчисление и теория оптимизации для Computer Science и Machine Learning. Найти можно здесь: https://cis.upenn.edu/~jean/gbooks/geomath.html

Bigger MoE models keep winning on quality, but serving them at interactive latency is still hard. NVIDIA compresses the hybrid MoE Nemotron-3-Super into Puzzle-75B-A9B and roughly doubles interactive server throughput while holding quality. Paper: https://arxiv.org/abs/2607.04371

🔥 Интенсив Путь в ИБ: деньги, карьера, реальность стартует УЖЕ СЕГОДНЯ! 📗Сохраняйте расписание: 🗓 7 ИЮЛЯ | День 1 🎙 Спикер: Лев — Инфраструктурный пентест. Эксперт по пентесту, Active Directory и безопасности Windows-сред. Работает с атаками на корпоративные сети и покажет, как новичку зайти в специализацию, где ценится понимание инфраструктуры. 🟢Тема: AD И ПЕНТЕСТ: СПЕЦИАЛИЗАЦИЯ, ЗА КОТОРУЮ ПЛАТЯТ 🟦Практическая сторона безопасности: как проверяют корпоративные сети, находят слабые места и превращают этот навык в высокооплачиваемую профессию. 🟦Что такое AD и почему без него не понять корпоративную безопасность 🟦Как атакующий двигается по сети и ищет слабые места 🟦Что нужно новичку на старте: сети, Windows и базовый код 🟦Почему компании платят за умение решать реальные задачи 🗓 8 ИЮЛЯ | День 2 🎙 Спикер: Гамид — Навигатор по кибербезу. DevSecOps-специалист, работает на стыке разработки, инфраструктуры и безопасности: знает, как устроены реальные ИБ-процессы в компаниях, какие специалисты нужны рынку и как не запутаться на старте обучения. 🟪Тема: КАРТА КИБЕРБЕЗОПАСНОСТИ: КУДА ИДТИ, ГДЕ ДЕНЬГИ И КАК НАЧАТЬ 🟦Раскладываем сферу ИБ по полочкам: какие направления есть, чем они отличаются, сколько можно зарабатывать и какой первый шаг выбрать. 🟦Как устроена кибербезопасность изнутри и зачем она бизнесу 🟦Пентест, SOC, работа этичных хакеров и защита инфраструктуры 🟦AppSec и DevSecOps: почему это отдельное направление с высоким спросом 🟦Как выбрать свой путь в ИБ и сделать первый шаг 🗓 9 ИЮЛЯ | День 3 🎙 Спикер: Евгений Ивченков — Эксперт по киберразведке, анонимности и безопасности с AI-инструментами. Сейчас cyber security researcher. В прошлом соавтор курса «Анонимность и безопасность 1.0» в CyberYozh. 🟡Тема: AI-АГЕНТ В ВАШЕЙ СИСТЕМЕ: КТО РЕАЛЬНО КОМАНДУЕТ 🟦Разбираем, почему ChatGPT, AI-агенты и другие ИИ-инструменты могут быть не только помощниками, но и источником риска. 🟦Как ИИ уже используют в кибербезопасности 🟦Чем AI-агенты отличаются от обычного чата с нейросетью 🟦Что такое обман ИИ простыми словами и зачем это знать новичку 🟦Как правильно применять нейросети для обучения и работы ⏰ Старт первого эфира уже сегодня. Все закрытые разборы, материалы и бонусы получат только зарегистрированные участники. ▶️ УЗНАТЬ БОЛЬШЕ 🦔 CyberYozh

💵 GFusion: как мы обучали диффузионную LLM в GigaChat «А что, если LLM будет генерировать не строго по одному токену слева направо, а сразу блок текста?» Именно эту идею мы проверяли в проекте GFusion — диффузионной языковой модели на базе GigaChat3-10B-A1.8B-base. Отдельно хочется отметить, что этот проект начал и довёл до релиза стажер команды GigaChat Pretrain. Он прошёл весь путь от идеи и первых экспериментов до обучения модели, оптимизаций, поддержки в inference runtime и публикации в open source. Почему это интересно? Классические LLM генерируют текст авторегрессионно: каждый следующий токен зависит от всех предыдущих. Это устоявшийся подход, но шаги генерации модели выполняются строго последовательно. В то же время диффузионная LLM берёт частично замаскированный блок и постепенно восстанавливает токены внутри него. За один forward pass модель может финализировать не один, а сразу несколько токенов. Так и появляется ускорение. Чем больше токенов модель уверенно восстанавливает за один проход, тем меньше шагов ей нужно для генерации ответа. Вместо дорогостоящего обучения с нуля мы взяли сильную авторегрессионную LLM и перевели её в диффузионный режим генерации. Цикл обучения включал: 🔘адаптацию AR-модели к диффузионной генерации; 🔘постепенное увеличение размера блока; 🔘сравнение полностью диффузионного обучения и гибридного подхода AR+dLLM; 🔘SFT с complementary masking и стадией confidence tuning для дополнительного ускорения генерации. Результаты: 🔘GFusion в режиме одного пользователя генерирует в среднем на 70% быстрее GigaChat3-10B-A1.8B. 🔘Даже по сравнению с GigaChat3-10B-A1.8B + MTP-головой ускорение составило около 39%. 🔘Просадка качества относительно авторегрессионной модели осталась в пределах 2–4 п.п., а сам трейд-офф между скоростью и качеством можно контролировать параметрами диффузионной генерации. 🔘Добавлена поддержка GFusion в SGLang и реализован entropy-bounded sampling — алгоритм семплирования, который ускоряет генерацию не только GFusion, но и других диффузионных LLM. 🔘Для обучения написана и выложена в open-source своя реализация attention на TileLang под структуру диффузионной маски и получено до +77% end-to-end ускорения относительно Flex-Attention на длинном контексте. 💡 Главный вывод GFusion состоит в том, что ускорение LLM может требовать переосмысления самого подхода к генерации. Однако, чтобы это заработало на практике, важно довести до рабочего состояния весь стек от обучения и SFT до декодинга, attention-ядер и поддержки в inference runtime. ➡️Подробности — в статье на Habr. ➡️HF: GFusion-10B-A1.8B-base GFusion-10B-A1.8B ➡️GitVerse

Будущее софта - это код, который умеет рассуждать И первый шаг туда всё ещё максимально простой: выучить Python. freeCodeCamp выкатили большой бесплатный курс, где тебя проводят от базы Python до разработки автономных AI-агентов. Внутри: 1. основы Python 2. NumPy, Pandas и SQLite 3. REST API, Flask и FastAPI 4. LLM-интеграции 5. ChatGPT, Gemini и HuggingFace 6. инструменты для AI Agents По сути, это не просто “курс по Python”, а маршрут в современный AI engineering. https://freecodecamp.org/news/learn-python-and-build-autonomous-agents/