Python/ django

🖥 Singletons in Python Реализация шаблона Singleton в Python. Шаблон Singleton (Одиночка) один из самых часто используемых шаблонов. Его можно встретить во множестве проектов и он относительно прост для обучения. Его обязательно нужно знать и уметь его использовать. ▪Modify the new class method ▪Using the Metaclass approach ▪Using the decorator approach @pythonl

Data Science | Machinelearning - самый большой русскоязычный канал с полезными материалами на такие темы как, Machine Learning, Data Science, Алгоритмы, Python. Так же часто публикуются крутые 🔥 вакансии. 👉 Вам сюда: @devsp А любителям читать статьи в оригинале вот сюда: 👉 @ds_international Добро пожаловать!

🖥 PgAdmin 4 pgAdmin 4 is a rewrite of the popular pgAdmin3 management tool for the PostgreSQL (http://www.postgresql.org) database. Cамая популярная и многофункциональная платформа администрирования и разработки с открытым исходным кодом для PostgreSQL. 🖥 Github @pythonl

Вы разработчик с опытом и знакомы с основами Python? На курсе Яндекс Практикума «Мидл Python-разработчик» вы сможете выйти на новый профессиональный уровень и использовать навыки, которые отличают мидла от джуна. Вы начнете думать о проекте, как о единой системе, разрабатывать полноценные веб-сервисы, организовывать инфраструктуру, а ещё: • углубите знания технологий для бэкенд-разработки на Python; • разовьёте инженерное мышление; • сможете брать больше ответственности и решать задачи посложнее; • разберётесь, как работает бэкенд, DevOps и другие смежные области; • добавите 7 проектов в портфолио; • почувствуете себя увереннее в процессах командной разработки. На всех этапах вас будут сопровождать опытные разработчики: мы не дадим просесть по учёбе и поможем выкроить время на образование. Вы будете практиковаться на реальных кейсах и положите в портфолио работающие проекты. А карьерные консультации подготовят вас к разговору о повышении или помогут с поиском новой работы.  Познакомьтесь с профессией и протестируйте формат бесплатно. Начать учиться: https://practicum.yandex.ru/middle-python/

🖥 Blank Grabber The most powerful stealer written in Python 3 and packed with a lot of features. Disclaimer: This program is provided for educational and research purposes only. Мощный Grabber, написанный на Python 3 и оснащенный множеством функций. ▪Github @pythonl

How to Create Fake Access Points using Scapy in Python Как создать поддельные точки доступа с помощью Scapy в Python $ pip3 install faker scapy from scapy.all import * from threading import Thread from faker import Faker def send_beacon(ssid, mac, infinite=True): dot11 = Dot11(type=0, subtype=8, addr1="ff:ff:ff:ff:ff:ff", addr2=mac, addr3=mac) # ESS+privacy to appear as secured on some devices beacon = Dot11Beacon(cap="ESS+privacy") essid = Dot11Elt(ID="SSID", info=ssid, len=len(ssid)) frame = RadioTap()/dot11/beacon/essid sendp(frame, inter=0.1, loop=1, iface=iface, verbose=0) if __name__ == "__main__": # number of access points n_ap = 5 iface = "wlan0mon" # generate random SSIDs and MACs faker = Faker() ssids_macs = [ (faker.name(), faker.mac_address()) for i in range(n_ap) ] for ssid, mac in ssids_macs: Thread(target=send_beacon, args=(ssid, mac)).start() Мы генерируем случайный MAC-адрес, задаем имя точки доступа, которую хотим создать, а затем создаем фрейм 802.11. @pythonl

Python meetup (Online) 1. Методы защиты кластера Hadoop в большой ML команде — Мария Изофатова / Мегафон (Мегатех) Из этого доклада слушатели узнают способы борьбы с уязвимостями кластера hadoop: репартиционирование (проблема мелких файлов), автоочищение таблиц на кластере, настройка конфигурации pyspark, анализ запущенных spark application и внутреннего кода. 2. Feature engineering для пространственных данных — Александр Мещеряков / Сinimex В этом видео мы обсудим как получить нужные данные и погрузимся в анализ формы объектов, взаимного отношения геометрий и паттернов их расположения. 3. Как мы предсказывали платежи в мобильных играх — Дмитрий Савостьянов / Artifactory В рамках доклада я расскажу о дизайне системы предсказания платежей в мобильных играх. Акцент будет сделан на Data Engineering, MLOps и мониторинг ➖➖➖ 🗓 28 июня, начало в 19:00 мск, Среда 🌐 ОНЛАЙН 🚀 Наш телеграмм канал с анонсами митапов ✅ Регистрация на мероприятие

Math for Devs - Cosine Similarity in Python Математика для разработчиков - Косинусное сходство на Python Функция Python cosine_similarity(vector1: list[float], vector2: list[float]) -> float: принимает на вход два вектора и вычисляет их косинусное сходство. from math import sqrt, pow def cosine_similarity(vector1: list[float], vector2: list[float]) -> float: """Returns the cosine of the angle between two vectors.""" # the cosine similarity between two vectors is the dot product of the two vectors divided by the magnitude of each vector dot_product = 0 magnitude_vector1 = 0 magnitude_vector2 = 0 vector1_length = len(vector1) vector2_length = len(vector2) if vector1_length > vector2_length: # fill vector2 with 0s until it is the same length as vector1 (required for dot product) vector2 = vector2 + [0] * (vector1_length - vector2_length) elif vector2_length > vector1_length: # fill vector1 with 0s until it is the same length as vector2 (required for dot product) vector1 = vector1 + [0] * (vector2_length - vector1_length) # dot product calculation for i in range(len(vector1)): dot_product += vector1[i] * vector2[i] # vector1 magnitude calculation for i in range(len(vector1)): magnitude_vector1 += pow(vector1[i], 2) # vector2 magnitude calculation for i in range(len(vector2)): magnitude_vector2 += pow(vector2[i], 2) # final magnitude calculation magnitude = sqrt(magnitude_vector1) * sqrt(magnitude_vector2) # return cosine similarity return dot_product / magnitude vector1 = [1, 2, 3] vector2 = [2, 3, 4] similarity = cosine_similarity(vector1, vector2) print("The cosine similarity between vector1 and vector2 is: ", similarity) @pythonl

Хотите принять участие в создании лучшей системы безопасности? 👨‍💻 Тогда приходите на One Day Offer для Data Scientists и Machine Learning Engineers 24 июня и за один день станьте частью команды, которая развивает систему форд-мониторинга для защиты клиентов Сбера везде: от онлайн-покупок до визитов в офисы. Чем предстоит заниматься, если вы успешно пройдете отбор: ✔️ Создавать real-time, look-alike и графовые модели выявления транзакций, устройств и связей мошенников и мошеннических групп. ✔️ Строить модели обработки, классификации и суммаризации обращений по мошенничеству. ✔️ Внедрять модели и мониторить эффективность их работы. ✔️ Развивать внутренние ML-pipelines. Наша система безопасности уже признана одной из лучших в мире, но мы абсолютно уверены, что с вами она станет еще круче. Скорее переходите по ссылке, регистрируйтесь на One Day Offer и будьте готовы пройти все этапы отбора за один день! 👌

🖥 Creating own RANDOM number generator Создание собственного генератора RANDOM. import datetime import pytz # Required library for time zone support def randomnum(time_zone): # Getting the current time in the specified time zone time_now = datetime.datetime.now(pytz.timezone(time_zone)) # Getting time in terms of microseconds random_seed = time_now.microsecond # An equation which returns a number between 0 and 10 seed = random_seed * 8 % 11 # Making random number somewhat unpredictable random_micro_secs = [] for i in range(seed): random_micro_secs.append(time_now.second**seed) seed_2 = sum(random_micro_secs) # Generating the final random number truly_random_num = (seed_2 * 8 % 11) return truly_random_num # Example usage time_zone = 'America/New_York' # Specify the desired time zone random_number = randomnum(time_zone) print(random_number) @pythonl

👉Присоединяйтесь к нашему сообществу Data Analyst REBRAIN, если вы интересуетесь аналитикой данных, управлением проектами или маркетингом. У нас для вас есть множество открытых онлайн-практикумов каждый месяц, которые проводят профессиональные аналитики. В рамках практикумов мы разбираем реальные кейсы анализа данных с использованием самых актуальных инструментов, таких как Python, SQL, Tableau, бизнес-метрики и визуализация данных, статистика, теория вероятностей и другие. Уровень сложности и направление каждого практикума подобраны таким образом, чтобы каждый мог найти для себя интересные задачи и развиваться в соответствии с уровнем своей компетенции. ✔️ Подключайтесь к нам уже сегодня и начинайте развивать свои навыки в области анализа данных совершенно бесплатно!

Python itertools.compress. Удобный способ фильтрации данных ▪Видео @pythonl

👩‍❤‍👨Creating a Tinder bot in Python Создание бота для Tinder на Python 💻Для этого проекта нужно скачать и установить Chromedriver. from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver.chrome.options import Options import time opening_line = "Hi!" number_of_swipes = 10 path = # paste your chromedriver path here service = Service(executable_path=path) web = 'https://tinder.com/' options = Options() options.add_experimental_option("debuggerAddress", "localhost:9222") driver = webdriver.Chrome(service=service, options=options) driver.get(web) time.sleep(3) for i in range(number_of_swipes): try: like_button = driver.find_element(by='xpath', value='//button//span[text()="Like"]') driver.execute_script("arguments[0].click();", like_button) time.sleep(2) its_match_window = driver.find_element(by='xpath', value='//textarea[@placeholder="Say something nice!"]') its_match_window.send_keys(opening_line) time.sleep(1) send_message_button = driver.find_element(by='xpath', value='//button/span[text()="Send"]') send_message_button.click() time.sleep(1) close_its_match_window = driver.find_element(by='xpath', value='//button[@title="Back to Tinder"]') close_its_match_window.click() except: try: box = driver.find_element(by='xpath', value='//button/span[text()="Maybe Later"] | //button/span[text()="Not interested"] | //button/span[text()="No Thanks"]') box.click() except: pass ▪ Video @pythonl

🔥 Подборка каналов для Python разработчиков 🖥 Machine learning ai_ml – крупнейши канал по ии, нейросетям и науке о данных. datasc - дата сайнс обучение самой востребованной профессии. @bigdatai - Big Data @machinelearning_ru – гайды по машинному обучению @machinelearning_interview – подготовка к собеседованию мл. @datascienceiot – бесплатные книги ds @ArtificialIntelligencedl – ИИ @machinee_learning – чат о машинном обучении @datascienceml_jobs - вакансии ds, ml @Machinelearning_Jobs - чат с вакансиями 🖥 Python @pythonl - главный канал самого популярного языка программирования. @pro_python_code – учим python с ментором. @python_job_interview – подготовка к Python собеседованию. @python_testit - проверочные тесты на python @pythonlbooks - современные книги Python @python_djangojobs - работа для Python программистов @python_django_work - чат обсуждения вакансий #️⃣ c# c++ C# - погружение в C# @csharp_cplus чат @csharp_1001_notes - инструменты C# 🖥 Machine learning ai_ml – крупнейши канал по ии, нейросетям и науке о данных. datasc - дата сайнс обучение самой востребованной профессии. @bigdatai - Big Data @machinelearning_ru – гайды по машинному обучению @machinelearning_interview – подготовка к собеседованию мл. @datascienceiot – бесплатные книги ds @ArtificialIntelligencedl – ИИ @machinee_learning – чат о машинном обучении @datascienceml_jobs - вакансии ds, ml @Machinelearning_Jobs - чат с вакансиями 🖥 SQL базы данных @sqlhub - Повышение эффективности кода с грамотным использованием бд. @chat_sql - чат изучения бд. 👣 Golang @Golang_google - восхитительный язык от Google, мощный и перспективный. @golang_interview - вопросы и ответы с собеседований по Go. Для всех уровней разработчиков. @golangtests - интересные тесты и задачи GO @golangl - чат изучающих Go @GolangJobsit - отборные вакансии и работа GO @golang_jobsgo - чат для ищущих работу. @golang_books - полезные книги Golang @golang_speak - обсуждение языка Go @golangnewss - новости go 🖥 Linux linux - kali linux ос для хакинга linux chat - чат linux для обучения и помощи. @linux_read - бесплатные книги linux 🖥 Javascript / front @react_tg - - 40,14% разработчиков сайтов использовали React в 2022 году - это самая популярная библиотека для создания сайтов. @javascript -канал для JS и FrontEnd разработчиков. Лучшие практики и примеры кода. Туториалы и фишки JS @Js Tests - каверзные тесты JS @hashdev - погружение в web разработку. @javascriptjobjs - отборные вакансии и работа FrontEnd. @jsspeak - чат поиска FrontEnd работы. 🖥 Java @javatg - выучить Java с senior разработчиком на практике @javachats - чат для ответов на вопросы по Java @java_library - библиотека книг Java @android_its - Android разработка @java_quizes - тесты Java @Java_workit - работа Java @progersit - шпаргалки ит 👷‍♂️ IT работа https://t.me/addlist/_zyy_jQ_QUsyM2Vi -ит каналы по яп с вакансиями 🤡It memes @memes_prog - ит-мемы ⚙️ Rust @rust_code - Rust избавлен от болевых точек, которые есть во многих современных яп @rust_chats - чат rust 📓 Книги https://t.me/addlist/HwywK4fErd8wYzQy - актуальные книги по всем яп ⭐️ Нейронные сети @vistehno - chatgpt ведет блог, решает любые задачи и отвечает на любые ваши вопросы. @aigen - сети для генерации картинок. видео, музыки и многого другого. @neural – погружение в нейросети. 📢 English for coders @english_forprogrammers - Английский для программистов 🖥 Devops Devops - канал для DevOps специалистов.

YAPF A formatter for Python files. YAPF - это форматировщик Python, основанный на clang-format. По сути, алгоритм анализирует код и вычисляет наилучшее форматирование, соответствующее заданному стилю. Это избавляет от хлопот, связанных с поддержкой кода. $ pip install yapf Example: x = { 'a':37,'b':42, 'c':927} y = 'hello ''world' z = 'hello '+'world' a = 'hello {}'.format('world') class foo ( object ): def f (self ): return 37*-+2 def g(self, x,y=42): return y def f ( a ) : return 37+-+a[42-x : y**3] reformat: x = {'a': 37, 'b': 42, 'c': 927} y = 'hello ' 'world' z = 'hello ' + 'world' a = 'hello {}'.format('world') class foo(object): def f(self): return 37 * -+2 def g(self, x, y=42): return y def f(a): return 37 + -+a[42 - x:y**3] 🖥 Github @pythonl

8 крутых способов свести функции Python в одну строку ▪Видео ▪Статья @pro_python_code

🖥 Unraveling the Magic of Sorting: A Python Guide for Novices Введение в алгоритмы: Примеры алгоритмов на Python для новичков. ▪Bubble Sort def bubble_sort(list): for i in range(len(list)): for j in range(len(list) - 1): if list[j] > list[j + 1]: list[j], list[j + 1] = list[j + 1], list[j] # swap return list ▪Selection Sort def selection_sort(list): for i in range(len(list)): min_index = i for j in range(i + 1, len(list)): if list[min_index] > list[j]: min_index = j list[i], list[min_index] = list[min_index], list[i] # swap return list ▪Insertion Sort def insertion_sort(list): for i in range(1, len(list)): key = list[i] j = i - 1 while j >=0 and key < list[j] : list[j+1] = list[j] j -= 1 list[j+1] = key return list ▪Quick Sort def partition(array, low, high): i = (low-1) pivot = array[high] for j in range(low, high): if array[j] <= pivot: i = i+1 array[i], array[j] = array[j], array[i] array[i+1], array[high] = array[high], array[i+1] return (i+1) def quick_sort(array, low, high): if len(array) == 1: return array if low < high: partition_index = partition(array, low, high) quick_sort(array, low, partition_index-1) quick_sort(array, partition_index+1, high) @pythonl

☎️ How to Schedule WhatsApp Messages Using Python and PyWhatKit В посте мы рассмотрим, как использовать PyWhatKit для создания отложенных сообщений WhatsApp с помощью Python. 🐍 pip install pywhatkit import pywhatkit phone_num = '+123456789' message = 'hello' hour = 17 minute = 25 try: pywhatkit.sendwhatmsg(phone_num, message, hour, minute) print(f'Message sent to {phone_num} successfully!') except Exception as e: print(f'Error: {str(e)}') ▪ Github ▪Docs @pythonl

Stock Recommendations from Yahoo Finance Using ML Models in Python. Строим модель рекомендации по акциям от Yahoo Finance с использованием ML-моделей на Python. @pythonl

💲 Awesome OSS Monetization A curated list of awesome monetization approaches for open source software. Кураторский список практичных подходов к монетизации программного обеспечения с открытым исходным кодом. Этот список является результатом обширного интернет-исследования. Он разбит на категориям от платных консультациях, где вы можете заработать, до различных проектов, где вы можете заработать на поиске багов в коде. 🖥 Github @pythonl