Python/ django

الذهاب إلى القناة على Telegram

по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM

إظهار المزيد

الشبكة:Machinelearning روسيا10 214 التكنولوجيات والتطبيقات2 192...

📈 نظرة تحليلية على قناة تيليجرام Python/ django

تُعد قناة Python/ django (@pythonl) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 60 075 مشتركاً، محتلاً المرتبة 2 192 في فئة التكنولوجيات والتطبيقات والمرتبة 10 214 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 60 075 مشتركاً.

بحسب آخر البيانات بتاريخ 05 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -562، وفي آخر 24 ساعة بمقدار -8، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 6.76‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.58‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 4 065 مشاهدة. وخلال اليوم الأول يجمع عادةً 2 153 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 15.
الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل github, claude, контекст, архитектура, api.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fmxm...”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 07 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

60 075

المشتركون

-824 ساعات

-1237 أيام

-56230 أيام

4 065

عرض المشاهدات

~ 2 15324 ساعات

~ 2 67248 ساعات

6.76%

معدل المشاركة

~ 1

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

60 071

🖥 Задача: Что делает эта загадочная функция paradox и почему она называется так?


def paradox(n):
    def f(x):
        return ((x * x) % n + x) % n

    slow = fast = 0
    while True:
        slow = f(slow)
        fast = f(f(fast))
        if slow == fast:
            return slow

print(paradox(31337))

На первый взгляд — простой цикл с двумя указателями: slow и fast. Но на деле это алгоритм Флойда ("заяц и черепаха"), используемый для нахождения цикла в псевдослучайной последовательности. 📌 Функция f(x): Простая квадратичная функция, по сути — генератор псевдослучайных чисел по модулю n. 📌 Что происходит: slow движется на 1 шаг за итерацию: f(x) fast — на 2 шага: f(f(x)) Как только slow == fast, цикл найден — значит, последовательность начала повторяться. 🔍 Почему это парадокс? Потому что вы начинаете с 0, вычисляете кучу якобы "случайных" значений, и внезапно обнаруживаете цикличность в хаосе. Вы не знаете длину цикла, период или точку входа, но находите пересечение без хранения всей истории. 💡 Эта техника используется в: криптографии (Pollard's rho для факторизации), генерации чисел, распознавании псевдопериодов, хаотических системах. 🎯 Челлендж для продвинутых: Измените f(x) на pow(x, 3, n) — как это повлияет на цикл? Реализуйте поиск начала цикла и длины периода, используя Флойда + Брента. Придумайте, как использовать это для взлома слабых генераторов случайных чисел. 🧠 Эта задача не просто про числа — она про границу между случайным и детерминированным.

60 071

🚨 Атака на PyPI, npm и RubyGems: сотни вредоносных пакетов в официальных реестрах 🔍 Исследователи обнаружили массовую кампанию по размещению вредоносных библиотек в популярных экосистемах: 🧪 Что произошло: • На npm опубликованы фейковые версии библиотек вроде Hardhat, крадущие приватные ключи и .env • В PyPI появились клоны requests, urllib3 и др., с вредоносными вставками • В RubyGems — более 700 пакетов, использующих тайпосквоттинг (`activesupportt`, httpartyy и т.д.) 🎯 Цель — разработчики. Пакеты собирают: – мнемоники – приватные ключи – конфиги AWS/GCP – системную информацию 🛡 Что делать: – Проверяй названия пакетов (тайпосквоттинг — главный приём) – Запускай pip audit, npm audit, bundler audit – Используй виртуальные окружения и минимум прав – Подпиши зависимости, где это возможно (например, через Sigstore) 📌 Подробнее

60 071

Давно хотели освоить программирование, но вас останавливала нехватка времени или строгие дедлайны? Тогда советуем обратить внимание на бесплатные курсы Яндекс Лицея по Python, Go и C++ для начинающих. Заниматься на них можно когда и где угодно, ведь уроки доступны онлайн и в них нет дедлайнов! Вас ждут: ✅ Качество: занятия разработаны практикующими экспертами Яндекса. ✅ Свобода: пользуйтесь автоматической проверкой решений и задавайте вопросы через поддержку. ✅ Перспективы: после завершения вы получите уверенную базу для дальнейшего роста, а также сертификат, который пригодится при поступлении в Яндекс Лицей. Не откладывайте на потом — выберите курс и зарегистрируйтесь на сайте!

60 071

🤖 ReasonFlux-Coder — ИИ, который пишет код и сразу проверяет его Новая серия моделей от команды ReasonFlux научилась не только писать код, но и автоматически генерировать юнит-тесты. Это стало возможно благодаря их алгоритму CURE — модель учится программировать и проверять себя одновременно. 💡 Что внутри: 🧠 ReasonFlux-Coder-7B и 14B Пишут код лучше, чем другие модели такого же размера: Qwen Coders, DeepSeek, Seed-Coders. Без проблем работают в пайплайнах с агентами и умеют масштабироваться на этапе запуска. 🧪 ReasonFlux-Coder-4B (Long-CoT) Модель с расширенным рассуждением (Chain-of-Thought). • Обходит Qwen3-4B • Создаёт юнит-тесты с эффективностью 64.8% • Может использоваться как reward-модель в обучении с подкреплением 📌 Зачем это нужно: – для автотестирования кода – для CICD пайплайнов – для агентных систем, которые сами проверяют свои решения 📄 Подробности: https://huggingface.co/Gen-Verse/ReasonFlux-Coder-14B @pythonl

60 071

Это реклама открытой технологической конференции от Сбера GigaConf 2025. На ней технари рассказывают сложные вещи о прикладном применение генеративного искусственного интеллекта. Контент конференции будет сложно понять простому обывателю, а разработчиков и членов инженерных команд мы приглашаем пройти регистрацию на сайте. GigaConf 2025 // Москва, 25 июня https://gigaconf.ru/

60 071

🖥 Physics Simulations Набор симуляций физических явлений, написанных на Python с использованием Pygame. Эти симуляции создавались в образовательных целях и охватывают различные концепции, включая: - Законы Ньютона - Гравитацию - Силы и трение - Простую гармоническую модуляцию - И многое другое Для запуска симуляций необходимо установить зависимости:


pip install -r requirements.txt

Затем можно запустить нужный скрипт напрямую, например:


python gravity_sim.py

Каждый файл представляет отдельную симуляцию, сопровождаемую визуализацией с помощью Pygame. 📌 Github @pythonl

60 071

Реально ли совмещать учёбу с работой и жизнью? Совместный онлайн-бакалавриат НИУ ВШЭ и Нетологии как раз даёт такую возможность. Обучение проходит полностью дистанционно, но в очной форме, а значит сохраняется отсрочка от армии, льготы на проезд, доступ к библиотеке и возможность взять образовательный кредит с господдержкой. На первых курсах вы изучите базовые математические и гуманитарные предметы, основы программирования и профильные дисциплины по фулстек-разработке. А с третьего курса выберете углублённый трек: руководитель командой разработки или DevOps-инженер. По итогу обучения освоите 4 языка программирования: Java, Python, JavaScript, Go. Практики будет много — участие в хакатонах, командные проекты и возможность попасть на стажировку в Сбер по ускоренному треку. Получите диплом, который поможет строить карьеру в сильных IT-командах. Учитесь без отрыва от жизни: https://netolo.gy/ebKb Реклама. ООО "Нетология". ИНН 7726464125 Erid: 2VSb5wZ53dr

60 071

🕵️‍♂️ ExeRay — статический анализатор PE-файлов на Python ExeRay — это удобный инструмент для реверс-инженеров, исследователей безопасности и malware-аналитиков. Он проводит статический анализ исполняемых файлов .exe (PE-файлов) и визуализирует их структуру в удобной форме. 🧩 Что умеет ExeRay: ✅ Анализировать PE-файл и извлекать: - Заголовки, секции, импорты/экспорты - Таблицы ресурсов - Используемые API и библиотеки - Suspicious patterns и аномалии ✅ Генерировать отчёт в HTML ✅ Работает полностью офлайн ✅ Поддержка анализа несколькими методами (pefile + custom парсеры) 📦 Пример использования:


python main.py -f malware.exe

После чего ты получаешь красивый и подробный отчёт по всем ключевым параметрам PE-файла. 💻 Технологии: - Python 3 - pefile, matplotlib, pyvis для графов зависимостей - Простая CLI и понятный код — легко расширить под свои задачи 🧠 Кому подойдёт: - Reverse Engineers - Malware Analysts - Red/Blue Teams - Python-разработчикам, интересующимся PE-структурой и безопасностью 🔥 Если ты работаешь с .exe, и хочешь быстро понять, что внутри — ExeRay сэкономит часы ручного анализа. 📁 Репозиторий: @pythonl

60 071

🐍 Ошибка с изменяемыми значениями по умолчанию»** 🎯 Цель: Найти и объяснить баг, который не вызывает исключений, но ломает логику приложения 📍 Ситуация: У тебя есть функция, которая логирует события с метаданными. По умолчанию метаданные можно не передавать:


def log_event(event, metadata={}):
    metadata["event"] = event
    print(metadata)

На первый взгляд — всё работает. Но при многократных вызовах функции происходит что-то странное:


log_event("start")
log_event("stop")
log_event("error", {"code": 500})
log_event("retry")

👀 Вывод:


{'event': 'start'}
{'event': 'stop'}
{'code': 500, 'event': 'error'}
{'code': 500, 'event': 'retry'}

🔍 Что пошло не так? Почему code: 500 появляется там, где его быть не должно? 🧩 Задача: 1. Найди и объясни источник бага 2. Почему Python не выбрасывает ошибку? 3. Как проверить, что дефолтный аргумент сохраняет состояние между вызовами? 4. Как это исправить безопасно и "по питоновски"? 5. Где ещё может проявиться аналогичный эффект? 🛠 Разбор и решение: 🔸 Причина: Изменяемое значение (`dict`) используется как значение по умолчанию. В Python значения по умолчанию вычисляются один раз при определении функции, а не при каждом вызове. То есть metadata={} создаётся один раз и сохраняется между вызовами, если параметр не передан. 🔸 Проверка:

def f(d={}):
    print(id(d))
    d["x"] = 1
    print(d)

f()
f()

Вы увидишь одинаковые id(d) — значит, используется тот же объект. 🔸 Решение (правильный способ):

def log_event(event, metadata=None):
    if metadata is None:
        metadata = {}
    metadata["event"] = event
    print(metadata)

Теперь при каждом вызове создаётся новый словарь, и code: 500 не "протекает" в следующие вызовы. 🔸 Где ещё встречается: - Списки: items=[] - Множества: visited=set() - Объекты пользовательских классов 📌 Вывод: Изменяемые значения по умолчанию — одна из самых частых ошибок в Python. Она не вызывает исключений, но может незаметно повредить данные. Всегда используй None + инициализацию внутри функции для изменяемых типов. @pythonl

60 071

🎯 5 ИИ-проектов, которые ты можешь собрать за выходные Хочешь прокачать навыки ML и Python без математики и Kaggle? Лови 5 готовых идей, которые можно собрать за 1–2 дня: 🔹 Голосовой ассистент — Whisper + GPT + озвучка 🔹 Чат-бот для PDF — LangChain + FAISS + OpenAI 🔹 Генератор картинок — Stable Diffusion + Gradio 🔹 Подписи к фото — BLIP + HuggingFace 🔹 TL;DR бот — BART или GPT для суммаризации текста ✅ Примеры кода ✅ Деплой на HuggingFace / Streamlit ✅ Всё реально собрать за выходные 📎 Забирай гайд — и добавь проекты в резюме: «AI developer: checked» @pythonl

60 071

🐍 Python-библиотеки для Linux-администраторов Набор must-have инструментов, которые помогут автоматизировать системные задачи, управлять файлами, процессами и сетью: 🔸 os — работа с файловой системой, путями, переменными окружения https://docs.python.org/3/library/os.html 🔸 subprocess — запуск внешних команд и управление ими https://docs.python.org/3/library/subprocess.html 🔸 psutil — мониторинг процессов, ресурсов, дисков, сети https://pypi.org/project/psutil/ 🔸 platform — информация об ОС, архитектуре, версии Python https://docs.python.org/3/library/platform.html 🔸 socket — сетевые соединения и сокеты https://docs.python.org/3/library/socket.html 🔸 pwd — доступ к информации о пользователях Unix https://docs.python.org/3/library/pwd.html 🔸 pathlib — удобная работа с путями в ООП-стиле https://docs.python.org/3/library/pathlib.html 🔸 shutil — копирование, удаление, архивация файлов и директорий https://docs.python.org/3/library/shutil.html 🔸 tarfile — создание и извлечение `.tar`-архивов https://docs.python.org/3/library/tarfile.html 📦 Эти модули — основа для написания удобных и мощных CLI-утилит, скриптов и системных инструментов. @pythonl

60 071

Хотите быстро создать своего Telegram-бота? Например: 📊 Бота-аналитика, который собирает данные и строит отчеты 🤖 Бота-переводчика, который поможет общаться с зарубежными коллегами 🎬 Бота-киноэксперта, который подберет фильмы по настроению Какого бы помощника вы ни хотели запустить, это можно легко сделать в облаке без настройки серверов и затрат на инфраструктуру. Облачный провайдер Cloud․ru расскажет на бесплатном вебинаре 5 июня, как создать бота в облаке и какие компоненты для этого нужны. Будет демо — в прямом эфире эксперт покажет процесс и ответит на вопросы. Зарегистрироваться на вебинар🖱

60 071

🎙️ Voice Extractor — мощный open-source инструмент для извлечения и разметки голоса из многофайлового аудио Если у тебя есть подкасты, интервью или многоголосые записи — этот инструмент выделит каждого говорящего и превратит всё в чистые датасеты для TTS или анализа. 🔧 Что умеет: • Диаризация: разделение голосов с помощью Pyannote • Удаление перекрытий: исключает участки с одновременной речью • Транскрипция: генерирует текст аудио • Изоляция голоса: можно вырезать только одного говорящего • Многоязычность: работает не только с английским 🎯 Зачем использовать: • Создание кастомных TTS-моделей • Анализ подкастов, лекций и интервью • Построение голосовых ассистентов 🚀 Как запустить:


git clone https://github.com/ReisCook/Voice_Extractor.git
cd Voice_Extractor
pip install -r requirements.txt
python extract_voice.py --file_path your_audio_file.mp3

📎 GitHub: https://github.com/ReisCook/Voice_Extractor @pythonl

60 071

🖥 Гайд по ускорению Python, который реально стоит прочитать 🔥 Без лишней теории — только рабочие практики, которые используют разработчики в боевых проектах. Внутри: • Как искать bottleneck'и и профилировать код • Где и когда использовать Numba, Cython, PyPy • Ускорение Pandas, NumPy, переход на Polars • Асинхронность, кеши, JIT, сборка, автопрофилировка — всё по полочкам • Только нужные инструменты: scalene, py-spy, uvloop, Poetry, Nuitka ⚙️ Написано просто, чётко и с прицелом на production. 📌 Полная версия онлайн @pythonl

60 071

🖥 Хитрая задача на Python для продвинутых: словарь, который работает как список Представь структуру данных, которая: • работает как dict — доступ по ключу • работает как list — доступ по индексу • сохраняет порядок вставки • поддерживает .index(key) и .key_at(i) 📌 Задача: Реализуй класс IndexedDict, который делает всё это. 🔍 Пример использования:


d = IndexedDict()
d["a"] = 10
d["b"] = 20
d["c"] = 30

print(d["a"])        # 10
print(d[0])          # 10
print(d[1])          # 20
print(d.key_at(1))   # "b"
print(d.index("c"))  # 2

for k in d:
    print(k, d[k])   # перебор по ключам

⚠️ Подвох: • Просто наследовать dict не получится — d[0] будет интерпретироваться как ключ, а не индекс • Придётся реализовать двойную логику доступа вручную • Нужно корректно поддержать __iter__, __getitem__, __len__ и др. ✅ Решение: ```python from collections.abc import MutableMapping class IndexedDict(MutableMapping): def __init__(self): self._data = {} self._keys = [] def __getitem__(self, key): if isinstance(key, int): real_key = self._keys[key] return self._data[real_key] return self._data[key] def __setitem__(self, key, value): if key not in self._data: self._keys.append(key) self._data[key] = value def __delitem__(self, key): if key in self._data: self._keys.remove(key) del self._data[key] def __iter__(self): return iter(self._keys) def __len__(self): return len(self._data) def index(self, key): return self._keys.index(key) def key_at(self, idx): return self._keys[idx] ``` 📈 Зачем это нужно: • Отличная тренировка на переопределение магических методов • Часто встречается в фреймворках (Pandas, SQLAlchemy) • Тестирует знание ABC-классов (`collections.abc.MutableMapping`) • Полезно для построения кастомных структур данных Хочешь версию с `__contains__`, `__reversed__`, типизацией и сериализацией — пиши 💬 @pythonl

60 071

Устроиться аналитиком в Яндекс за выходные 7–8 июня проводим Weekend Offer Analytics. До 3 июня оставьте заявку на участие, 7 июня пройдите два технические собеседования, а 8 июня познакомьтесь с командами и получите офер. В мероприятии участвует 12 команд: Алиса и Умные устройства, Игры, R&D, Рекламные технологии, Поиск и Суперапп, Безопасность, Коммерческий департамент, Автономный транспорт, Ecom-сценарии Поиска, Качество Поиска, Международный Поиск, Карты. Вы сможете пообщаться с менеджерами и выбрать проект, который покажется самым интересным. Узнать подробности и зарегистрироваться можно здесь.

60 071

🚀 TG_AutoPoster — бот для автоматической пересылки постов из групп ВКонтакте в ваш Telegram: канал, чат или личку. 📌 Что умеет: • Автоматически публикует записи из заданных групп ВК в Telegram • Настраивается через файл config.yaml: логин/пароль или токен VK + данные Telegram API • Поддерживает прокси (SOCKS5) — для обхода блокировок • Гибко настраиваемый интервал проверки новых постов (по умолчанию — 1 час) • Фильтрует записи по чёрному списку и стоп-словам • Добавляет заголовки и футеры с поддержкой Markdown • Работает в Docker — легко разворачивается на сервере TG_AutoPoster — готовое решение для автоматического кросспостинга из ВК в Telegram 💬 ▪ Github @pythonl

60 071

🖥 Топ Python-библиотек для работы с PDF Работаешь с PDF в Python? Вот подборка лучших библиотек, которые помогут извлекать текст, редактировать, создавать и анализировать PDF-документы. Каждая из них имеет свои сильные стороны 👇 📌 PyPDF2 — для чтения, разделения, объединения, поворота и модификации PDF 🔗 https://github.com/py-pdf/pypdf ⛏ PDFMiner — извлекает текст, структуру и метаинформацию из PDF (в том числе со шрифтами и координатами) 🔗 https://github.com/pdfminer/pdfminer.six 📊 ReportLab — создание PDF-файлов с графиками, таблицами, стилями и вёрсткой 🔗 https://www.reportlab.com/opensource/ 🌐 PyPDFium2 — быстрый рендеринг и извлечение изображений с помощью движка PDFium 🔗 https://pypi.org/project/pypdfium2/ 🛠 pdfplumber — удобное извлечение текста, таблиц и координат объектов 🔗 https://github.com/jsvine/pdfplumber 📄 PyMuPDF (fitz) — быстрая и мощная библиотека для анализа, рендеринга и аннотирования PDF 🔗 https://github.com/pymupdf/PyMuPDF 🔜 Примеры по работе с библиотеками Используй их вместе или по отдельности — в зависимости от того, нужно ли тебе распарсить текст, извлечь таблицу, отрендерить страницу или сгенерировать отчёт. @pythonl #Python #PDF #PyPDF2 #PDFMiner #ReportLab #pdfplumber #PyMuPDF #PyPDFium2 #DevTools #PythonDev #OpenSource

60 071

🧪 Microsoft представляет Pyrona — экспериментальный проект для безопасной конкуренции в Python! 🔧 Разработан в рамках Project Verona, Pyrona исследует, как принципы владения и управления памятью (в духе Rust) можно адаптировать для динамического языка, такого как Python. 🌀 Что такое Pyrona? • Прототип модифицированного Python без GIL (Global Interpreter Lock) • Использует идеи из Verona и FrankenScript — toy-языка с проверками владения и безопасности • Вводит динамическое региональное владение и глубокую неизменяемость объектов 🚀 Зачем это нужно? С приближением PEP 703 (Python без GIL) возникает угроза гонок данных. Pyrona предлагает решение: ✅ Безопасная многопоточность ✅ Динамические гарантии корректности ✅ Поддержка привычной экосистемы Python 🔍 Детали: • Поддерживает эксперименты с субинтерпретаторами (PEP 684) • Публикация на PLDI 2025: *Dynamic Region Ownership for Concurrency Safety* • Активное участие Гвидо ван Россума и команды Faster CPython 🧠 Pyrona — это не продакшен-язык, а платформа для будущего безопасного и многопоточного Python. 🔗 Подробнее 🔗 Github @pythonl