Python/ django

Знания кода недостаточно: как сохранить и поднять свою ценность в IT О волне сокращений заговорили ещё в прошлом году: IBM, Microsoft, Amazon и другие гиганты стали постепенно заменять сотрудников нейросетями. Сейчас можем оценить первые результаты - по данным консалтинговой компании Challenger, Gray & Christmas, ИИ стал причиной почти 55 000 увольнений в США в 2025 году. И это касается не только сотрудников поддержки: компании всё чаще делегируют нейросетям простой код. Сейчас до 30% внутренней разработки в Microsoft и Google лежит на ИИ, а та же Claude уже превосходит программистов в техсобесах. Пока ИИ берёт на себя рутину, ценность человека смещается в сторону интерпретации, приоритизации и влияния на решения - того, что по-прежнему нельзя автоматизировать полностью.  А это значит, что сейчас самое время дополнять стек не новыми языками программирования, а умением связывать технологии с потребностями бизнеса. Если хотите выделиться на рынке и не пасть жертвой ИИ-сокращений, усильте свои компетенции на курсе "Аналитик данных" от Академии Eduson. Что внутри: - 419 коротких уроков по всему необходимому: от Excel, SQL, BI до презентации результатов. - Модуль по профильным нейросетям для аналитики. - 10+ практических кейсов для портфолио. - Онлайн-формат без дедлайнов и бессрочный доступ к обновлениям. - Личный куратор на 365 дней. - Лекции от экспертов-практиков из "Яндекса", Datalatte, Softline, "Работа.ру". - Диплом о профпереподготовке и гарантия содействия трудоустройству: если не найдёте работу - вернут деньги, это прописано в договоре. Курс также подойдёт самоучкам, которые хотят систематизировать знания основ Python и войти в IT с востребованной специализацией. Оставить заявку можно здесь. По промокоду PYTHON получите скидку 55% и второй курс на выбор в подарок: сможете прокачать ещё больше навыков или порадовать кого-то из близких. Реклама. ООО "Эдюсон", ИНН 7729779476, 2W5zFFvJXcc

Теперь даже HRы на питоне пишут!

✔ NVIDIA показала новый разговорный ИИ - PersonaPlex Суть фичи в том, что модель старается звучать максимально “живым” собеседником, а не просто отвечать по очереди. Что умеет PersonaPlex: · Переключать стиль общения (persona) - например строгий учитель, дружелюбный консультант, бармен и т.д. · Говорить и слушать одновременно - меньше задержек и пауз в диалоге · Поддакивать на фоне (“угу”, “ок”, “понятно”), пока человек говорит - чтобы разговор был ближе к реальному · Проект открыт - исходники доступны, можно брать и пробовать самому ▪GitHub ▪Hugging Face

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

🎨 Генерация изображений с GLM-Image GLM-Image — это мощная модель генерации изображений, использующая гибридную архитектуру автогрессивного и диффузионного декодера. Она превосходно справляется с задачами текстового рендеринга и генерации сложной информации, обеспечивая высокое качество изображений и детальную проработку. 🚀 Основные моменты: - Поддержка генерации изображений из текста и редактирования изображений. - Высокая точность рендеринга текста и семантического понимания. - Модуль обратной связи для улучшения эстетики и детализации. - Подходит для задач с высокой информационной плотностью. 📌 GitHub: https://github.com/zai-org/GLM-Image

Как все представляют завтрак разработчика в 2026 году 🤩 На самом деле утро начинается с мысли: «Как кодить еще лучше?» Если вы уже освоили базу по Python и ищете зону роста, пройдите бесплатный мини-курс в Академии Selectel. В программе: 🔸 набор Python-инструментов и расширений, которые ускоряют кодинг; 🔸 гайд по работе с библиотекой Tkinter, чтобы создавать приложения с графическим интерфейсом; 🔸 инструкция по основам парсинга данных с веб-сайтов и многое другое. Закрепить полученные знания вы сможете тут же — эксперты собрали базу задач с готовыми ответами. Все материалы бесплатные. До роскошного IT-завтрака осталось пройти курс в удобное время: https://slc.tl/leedt?2W5zFGhkak8

🐋 DeepSeek выпустили DeepSeek-OCR 2 - новое поколение OCR с SOTA качеством DeepSeek представили DeepSeek-OCR 2 - 3B модель для продвинутого понимания изображений, документов и OCR, которая выходит на уровень SOTA. Ключевая новинка - DeepEncoder V2. В отличие от классических vision LLM, которые «читают» картинку как сетку (слева-направо, сверху-вниз), DeepEncoder V2 работает ближе к тому, как читает человек: - Сначала формируется глобальное понимание изображения - Затем модель определяет логический порядок чтения — что важно первым, что дальше Что это даёт на практике 📄 Лучше работает со сложными макетами документов 📊 Корректно читает таблицы 🧾 Связывает подписи и значения 📰 Понимает колонки и структурированный текст 🔀 Надёжнее обрабатывает смесь текста и визуальной структуры По качеству - Обходит Gemini 3 Pro на ряде бенчмарков - Даёт >4% прироста по сравнению с прошлой версией DeepSeek-OCR И это при размере модели всего 3B параметров. Можно запускать и дообучать Теперь DeepSeek-OCR 2 можно удобно запускать и fine-tune через Unsloth по готовому гайду. 🔗 Guide: https://unsloth.ai/docs/models/deepseek-ocr-2 🔗 Model: https://huggingface.co/deepseek-ai/DeepSeek-OCR-2 @ai_machinelearning_big_data #DeepSeek #ocr #opensource

🧠 Продвинутые советы по работе с Regex в Python Всегда компилируй регулярные выражения. Это ускоряет работу при многократном использовании, делает код чище и упрощает тестирование.

import re
RE_EMAIL = re.compile(r"\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,}\b", re.I)
emails = RE_EMAIL.findall(text)

Используй raw-строки и re.VERBOSE, чтобы regex был читаемым, а не выглядел как случайный набор символов.

RE_DATE = re.compile(r"""
    \b
    (?P<year>\d{4})-(?P<month>0[1-9]|1[0-2])-(?P<day>0[1-9]|[12]\d|3[01])
    \b
""", re.VERBOSE)

Если группа не нужна в выводе - делай её non-capturing (?:...). Это уменьшает расходы памяти и путаницу с индексами групп.

re.findall(r"(?:https?://)?(?:www\.)?example\.com/\S+", text)

Используй правильные якоря. \A и \Z безопаснее для валидации, чем ^ и $, которые зависят от флага MULTILINE.

re.match(r"\A\d+\Z", "123\n")

Контролируй код и ставь ограничения. Бесконтрольный .* — частая причина зависаний и ReDoS.

re.search(r"<[^>]{0,2000}>", html)

Lookahead и lookbehind позволяют искать текст без захвата. Это мощный инструмент для точных выборок.

m = re.search(r"(?<=token=)[^\s]+", s)

Различай search, match и fullmatch. Для валидации почти всегда нужен fullmatch.

re.fullmatch(r"[a-z0-9_-]{3,32}", username)

Если замена содержит логику - используй функцию.

RE_NUM = re.compile(r"\d+")

masked = RE_NUM.sub(lambda m: "*" * len(m.group(0)), s)

Тестируй regex на “враждебных” данных: длинные строки, повторения. Это помогает избежать ошибок. Если стандартного re не хватает, используй библиотеку regex - она поддерживает таймауты и более мощные конструкции.

pip install regex

Regex в продакшене - это не магия. Это контроль, ограничения, читаемость и тестирование. @pythonl

🎙️ NVIDIA выпустила PersonaPlex-7B - open-source голосовая диалоговая модель, которая умеет то, что обычно недоступно классическим пайплайнам: **слушать и говорить одновременно**. Модель: - 🔓 бесплатная и полностью открытая (MIT) - 🤗 веса доступны на Hugging Face - 🧠 full-duplex conversational model (двусторонний “живой” диалог) Обычно Voice AI устроен так: ASR → LLM → TTS Сначала распознаём речь, потом думаем, потом озвучиваем. Работает эффективно, но диалог получается “роботным”: говоришь по очереди, без перебиваний, без живой реакции. PersonaPlex-7B меняет подход. Она работает на непрерывных аудио-токенах и использует dual-stream transformer, который генерирует текст и аудио параллельно, а не переключает управление между модулями. Это даёт: - мгновенные “угу / да / понял” реакции (back-channel) - естественные перебивания и уточнения - нормальный ритм разговора, как у человека Ещё один плюс: управление “персоной” работает zero-shot, без дополнительного дообучения. Если ты делаешь голосового ассистента или саппорт-агента с низкой задержкой - это очень сильный шаг вперёд. https://github.com/NVIDIA/personaplex @pythonl

🐍 Самая крутая фича Python 3.14 - `sys.remote_exec()` (объясняю по-человечески) Идея простая: ✅ у тебя уже запущено Python-приложение (например FastAPI в Docker/K8s) ✅ оно уже дошло до нужного состояния (в памяти есть переменные, сессии, кеши) ❌ но тебе нужно посмотреть “что внутри” или поставить дебаггер Раньше ты делал так: - добавлял debugpy в код - перезапускал приложение - заново воспроизводил баг Python 3.14 даёт новый чит-код: sys.remote_exec() позволяет выполнить кусок Python-кода ВНУТРИ уже работающего Python-процесса. То есть буквально “вколоть” скрипт в живой процесс. Это как: 🔹 зайти внутрь процесса 🔹 выполнить print(), импорт, запись переменных 🔹 или даже подключить дебаггер без рестарта вообще. Пример: что можно сделать через sys.remote_exec() Допустим у нас есть работающий процесс Python. 1) Мы хотим “добавить” туда код: - вывести PID - посмотреть глобальные переменные - записать лог - даже поменять значение переменной

# Этот код выполняется СНАРУЖИ и запускает инжект внутрь процесса
import sys

target_pid = 12345  # PID запущенного Python процесса

payload = r"""
import os
import time

print("✅ Injected into running process!")
print("PID:", os.getpid())
print("Time:", time.time())

# Пример: читаем что есть в глобальном пространстве
g = globals()
print("Globals keys sample:", list(g.keys())[:10])

# Пример: создаём переменную прямо в процессе
INJECTED_FLAG = True
"""

# Новое API Python 3.14
sys.remote_exec(target_pid, payload)

Пример 2: инжектим debugpy (дебаг без рестарта) Самая хайповая штука - можно подключить debugpy в уже живое приложение. То есть приложение уже крутится, у него есть состояние, и ты просто включаешь “прослушку” дебаггера на порту.

import sys

target_pid = 12345  # PID работающего uvicorn / fastapi процесса

payload = r"""
import debugpy

HOST = "0.0.0.0"
PORT = 5679

debugpy.listen((HOST, PORT))
print(f"🐞 debugpy is listening on {HOST}:{PORT}")

# если хочешь остановить выполнение и ждать пока подключишь IDE:
# debugpy.wait_for_client()
# print("✅ debugger attached!")
"""

sys.remote_exec(target_pid, payload)

Дальше: - ты делаешь port-forward (если Docker/K8s) - подключаешь VS Code / PyCharm / nvim к localhost:5679 - ставишь breakpoints и дебажишь как обычно Что важно 1) Это не “удалённое выполнение” как ssh. Это прям “внутри процесса” - доступ к памяти, переменным, импортам. 2) Это опасно для продакшена. Требует прав уровня SYS_PTRACE (можно читать/менять процессы) - поэтому только для локалки/стендов. 3) Это может стать стандартом для отладки контейнеров: - баг воспроизводится только в k8s - рестарт = баг пропал - а тут просто подключился и посмотрел 📌 Статья на эту тему @pythonl

🤖 Автоматизация исследований с NotebookLM Notebooklm-py — это неофициальная библиотека для работы с Google NotebookLM, позволяющая автоматизировать исследовательские процессы, генерировать контент и интегрировать AI-агентов. Подходит для прототипов и личных проектов, используя Python или командную строку. 🚀Основные моменты: - Интеграция с AI-агентами и Claude Code - Автоматизация исследований с импортом источников - Генерация подкастов, видео и учебных материалов - Поддержка работы через Python API и CLI - Использование с неофициальными Google API 📌 GitHub: https://github.com/teng-lin/notebooklm-py

🔥 На stepik вышел курс, который учит Создавать настоящие AI-сервисы, а не просто запускать скрипты? Этот практический курс по Python и FastAPI покажет, как собрать полноценное приложение с ИИ, базой данных, автогенерацией контента и Telegram-ботом. Ты пройдёшь путь от первого HTTP-запроса до рабочего сервиса, который сам генерирует текст через ИИ, сохраняет данные, отправляет результаты по расписанию и отвечает пользователям. Никакой теории ради теории - только практические шаги, из которых рождается реальный продукт. 🎁 48 часов действует скидка в 40% процентов 👉 Начать учиться на Stepik

⚡️ Дарио Амодеи: софт скоро может стать «почти бесплатным» CEO Anthropic Дарио Амодеи предупреждает: мы быстро идём к миру, где создание софта становится настолько дешёвым, что будет ощущаться почти бесплатным. Из-за этого может исчезнуть старая логика рынка: раньше приложения делали “в массовую дистрибуцию”, чтобы окупить разработку. А дальше этот принцип может перестать работать. Возможный сценарий будущего: - приложения и функции будут генерироваться под конкретный запрос, - даже для простых задач “на один раз”, - без долгой разработки, команды и релизных циклов. Но у этого есть обратная сторона: карьеры, построенные на традиционной разработке, могут полностью исчезнуть. По мнению Амодеи, адаптироваться можно, но проблема в том, что многие ещё не понимают масштаб изменения, которое уже началось. @pythonl

🖥 Ты бы поставил в прод пакет, который вышел 2 часа назад? Обновлять зависимости важно - так ты получаешь новые фичи и фиксы багов. Но у свежих релизов есть минус: часто в первые дни всплывают ошибки, несовместимости и неожиданные регрессы, пока комьюнити не успеет всё отловить. ✅ В uv для этого есть опция exclude-newer Она позволяет задать “период охлаждения” - и пропускать пакеты, которые были выпущены слишком недавно. Как использовать: добавь в pyproject.toml: exclude-newer = "7 days" И при желании поменяй срок под себя (например, 3 дня, 14 дней и т.д.). Идея простая: обновляйся регулярно, но не на самых горячих релизах. https://www.youtube.com/shorts/98q0IkNrBbU @pythonl

🎨 Генерация изображений с GLM-Image GLM-Image - это мощная модель генерации изображений, использующая гибридную архитектуру с автогрессивным и диффузионным декодерами. Она превосходно справляется с задачами текстового рендеринга и генерацией изображений с высоким уровнем детализации, поддерживая как текст-в-изображение, так и изображение-в-изображение. 🚀 Основные моменты: - Гибридная архитектура для высококачественной генерации изображений. - Поддержка текст-в-изображение и множество задач изображение-в-изображение. - Модуль обратной связи для улучшения семантического понимания и детализации. - Высокая точность рендеринга текста в изображениях. - Доступность через Hugging Face и ModelScope. 📌 GitHub: https://github.com/zai-org/GLM-Image @pythonl

📌 Библиотека алгоритмов робототехники на Python. PythonRobotics - открытая коллекция кода на Python и учебник по алгоритмам робототехники, которую собрал Ацуши Сакаи. 🟡В проекте есть все: 🟢Локализация (EKF, фильтры частиц, гистограммные фильтры); 🟢SLAM (FastSLAM, ICP-сопоставление); 🟢Планирование пути (A, RRT, Дейкстра, D*, потенциальные поля, решетка состояний); 🟢Отслеживание траекторий (контроллер Стэнли, LQR, MPC); 🟢Навигация для манипуляторов; 🟢БПЛА; 🟢Проектирование движения для двуногих роботов. К каждой теме есть визуальные анимации, математические объяснения и рабочий код. Библиотека не перегружена, ее легко читать и понимать, она содержит практические алгоритмы. которые реально используются в индустрии. Это отличный образовательный ресурс с 2 212 коммитами, вкладом 138 разработчиков и активной поддержкой. Если вы изучаете робототехнику, создаете автономные системы или преподаете алгоритмы — этот ресурс для вас. У проекта лицензия MIT, так что можно свободно использовать его в личных или коммерческих проектах. А еще, это отличный пример, как выглядит хороший опен-сорс: образовательный, практичный, хорошо документированный и развиваемый сообществом. @ai_machinelearning_big_data #AI #ML #Robotics #Github

🕐 FastScheduler: “Celery для запуска скриптов по расписанию, но без боли” Иногда нужно просто: - запустить функцию каждые 5 минут - или каждый день в 09:00 - или по cron …и всё. Но Celery для этого — реально оверкилл: брокер, воркеры, Redis/RabbitMQ, отдельная инфраструктура. FastScheduler решает ровно эту задачу: ✅ *in-process* планировщик задач (никаких Redis / брокеров) ✅ decorator-first API — красиво и быстро ✅ async поддержка из коробки ✅ персистентность (состояние сохраняется, переживает рестарты) ✅ опционально — FastAPI dashboard для просмотра задач Пример того, как выглядит API:

@scheduler.every(5).minutes
def sync_users():
    ...

@scheduler.daily.at("09:00")
async def morning_report():

Философия простая:

если тебе не нужна распределённость - не бери Celery, попробуй FastScheduler.

Установка:

pip install fastscheduler[all]

📌 GitHub: https://github.com/MichielMe/fastscheduler @pythonl

Сел я значит вечером подправить пет-проект и вот как-то закрутилось @pythonl

🧠 Awesome Agentic Patterns - шпаргалка по агентам, которая реально полезна Наткнулся на репозиторий awesome-agentic-patterns - и это один из самых практичных “awesome-листов” по теме AI-агентов. 📌 Что внутри: не теоретические рассуждения, а паттерны - мини-архитектуры и рабочие приёмы, которые используют команды, когда делают production-агентов. Автор прямо пишет идею проекта: > тут не про “игрушки и демки”, а про штуки, которые закрывают грязную реальность продакшена. Почти любой агент в проде упирается в одни и те же проблемы: - контекст не помещается → нужно умно управлять памятью - модель косячит → нужны retry/валидация/guardrails - цепочки действий ломаются → нужна оркестрация - непонятно, что пошло не так → нужны логи + eval - безопасность / PII → нужен sandbox и фильтрация И вот под это как раз собраны паттерны. https://github.com/nibzard/awesome-agentic-patterns @pythonl

🌍 Google выпустили TranslateGemma - открытые модели перевода на базе Gemma 3 Google представили TranslateGemma - набор open-source переводчиков, построенных на Gemma 3. Что важно: - это не “чат-LLM, который может переводить”, а отдельная линейка моделей именно под перевод - доступны размеры 4B / 12B / 27B - поддержка 55 языков - фокус на практичности: можно запускать на разном железе и встраивать в приложения Идея простая: сделать качественный машинный перевод доступным и открытым, чтобы разработчики могли использовать модели локально, в продуктах и сервисах без привязки к закрытым API. Ещё один шаг к тому, что перевод становится “базовой функцией” прямо внутри открытых моделей. Анонс: https://blog.google/innovation-and-ai/technology/developers-tools/translategemma/ HF: https://huggingface.co/collections/google/translategemma @pythonl