Python Portal

الذهاب إلى القناة على Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

إظهار المزيد

الشبكة:Times | Финансы روسيا11 911 التكنولوجيات والتطبيقات2 547...

📈 نظرة تحليلية على قناة تيليجرام Python Portal

تُعد قناة Python Portal (@pythonportal) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 52 460 مشتركاً، محتلاً المرتبة 2 547 في فئة التكنولوجيات والتطبيقات والمرتبة 11 911 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 52 460 مشتركاً.

بحسب آخر البيانات بتاريخ 10 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -783، وفي آخر 24 ساعة بمقدار -20، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 9.32‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.78‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 4 892 مشاهدة. وخلال اليوم الأول يجمع عادةً 3 033 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 25.
الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل строка, none, true, модуль, peter.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 11 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

52 460

المشتركون

-2024 ساعات

-1877 أيام

-78330 أيام

4 892

عرض المشاهدات

~ 3 03324 ساعات

~ 3 58848 ساعات

9.32%

معدل المشاركة

~ 3

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

52 460

Для тех кто просил, наш канал с мемами для программистов и айтишников 👇 https://t.me/+VS5COdLqY_s4OTYy

52 460

Знал ли ты, что Python может открыть вкладку браузера? Без фреймворков. Всего одна строка. Вот как запустить URL — удобно для создания утилит, повышения продуктивности или автоматического открытия документации из скриптов. Попробуй сам. 🙂 👉 @PythonPortal

52 460

(Я не читаю почту и не открываю жиру) 👉 @PythonPortal

52 460

Как использовать borb для создания простого PDF на Python

from borb.pdf.canvas.layout.page_layout.multi_column_layout import SingleColumnLayout
from borb.pdf.canvas.layout.text.paragraph import Paragraph
from borb.pdf.document import Document
from borb.pdf.page.page import Page
from borb.pdf.pdf import PDF

def main(pdf_path):
    pdf = Document()

    # Добавляем пустую страницу в PDF
    page = Page()
    pdf.append_page(page)

    # Создаём лэйаут для размещения текста
    layout = SingleColumnLayout(page)

    # Добавляем текст с помощью класса Paragraph
    layout.add(Paragraph("Hello from borb!"))

    with open(pdf_path, "wb") as pdf_fh:
        PDF.dumps(pdf_fh, pdf)

if __name__ == "__main__":
    main("demo.pdf")

👉 @PythonPortal

52 460

🐍 Python — универсальный ключ от многих ИТ-дверей: от веб-разработки до машинного обучения Освоить язык с нуля или углубить имеющиеся навыки можно на расширенном курсе Нетологии «Python-разработчик». Простого пути не обещают, но обещают комфортный темп, много практики и поддержку опытных разработчиков. А ещё — помощь с трудоустройством. За время обучения вы: 🔸 научитесь упаковывать опыт в резюме; 🔸 пройдёте тестовые технические интервью; 🔸 посетите встречи с экспертами Сбера, Яндекса и Т-Банка; 🔸 сможете попасть на стажировку; 🔸 получите год карьерной поддержки после выпуска. Сейчас на курс действует скидка 50%, а с промокодом NETONEW10 цена станет ещё на 10% ниже. Плюсом идут 4 курса по нейросетям и подарки от партнёров Нетологии в честь её 15-летия. Узнать подробнее и записаться → ссылка P. S. Ребята помогут оформить налоговый вычет, а это ещё –13% от стоимости Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5ykHiJv

52 460

Построение надёжной RAG-системы — это не просто подключение векторной базы данных. Это проектирование интеллектуального пайплайна с балансом между точностью извлечения, логикой маршрутизации и строгой оценкой. Хорошо спроектированная RAG-архитектура включает: • Продвинутую сборку запроса с использованием реляционных, графовых и векторных баз данных для контекстного понимания • Интеллектуальную маршрутизацию (логическую + семантическую) для оптимального выбора промптов и эффективности системы • Многоэтапное извлечение с уточнением и переранжированием для повышения релевантности и снижения галлюцинаций • Гибкие стратегии генерации, такие как Self-RAG, RRR и циклы активного извлечения • Надёжные пайплайны индексирования: семантический чанкинг, иерархическая кластеризация (RAPTOR) и специализированные эмбеддинги (ColBERT) • Непрерывную оценку с использованием фреймворков RAGAS, Grouse и DeepEval для измеримой производительности Современные ИИ-системы требуют не только больших языковых моделей, но и качественных пайплайнов данных, точного извлечения и дисциплины в оценке. Если ты строишь масштабируемые ИИ-продукты, архитектура RAG-системы становится конкурентным преимуществом. #RAG #GenerativeAI #AIArchitecture #MachineLearning #LLM #DataEngineering #AIEngineering 👉 @PythonPortal

52 460

Совет по Git Интерактивно просматривай и добавляй изменения частями (патчами), вместо того чтобы добавлять всё сразу: git add -p Почему это полезно: • добавляешь только нужные изменения • пропускаешь случайные или незавершённые правки • разбиваешь работу на чистые и сфокусированные коммиты 👉 @PythonPortal

52 460

🍺🍺🍺 👉 @PythonPortal

52 460

Определяй функции на обычном языке и запускай их локально: PAW PAW компилирует спецификации на естественном языке в компактные нейронные программы. После компиляции они работают как обычные Python-функции (без интернета, без внешнего сервиса, без оплаты за вызовы). Нейронная программа объединяет дискретный текст и непрерывную LoRA для адаптации фиксированного интерпретатора. Подходит для нечетких задач: триаж по срочности, починка сломанного JSON, фильтрация логов, роутинг инструментов. Хорошо сочетается с код-агентами: http://programasweights.com/agents Интерпретатор — предобученный Qwen3 0.6B, без модификаций. Вся адаптация под задачи происходит через скомпилированную нейронную программу. На FuzzyBench: 73.4% точности против 9.8% у прямого промпт-инжиниринга той же 0.6B. Даже Qwen3 32B даёт только 68.7%. Их интерпретатор на базе GPT-2 — всего 124M параметров, достаточно компактный, чтобы полностью работать в браузере через WebAssembly. Скачиваешь базовую модель ~134 МБ один раз, затем каждая нейронная программа занимает ~5 МБ. Сервер для инференса не нужен. python: pip install programasweights js: npm install @programasweights/web 👉 @PythonPortal

52 460

Новая статья: системная инженерия Код-агенты снизили порог входа в написание кода, но не снизили требования к продакшн-софту. Агентное ПО — это всё тот же софт. Агент заменяет бизнес-логику, всё остальное остаётся без изменений. https://ashpreetbedi.com/articles/systems-engineering 👉 @PythonPortal

52 460

👉 @PythonPortal

52 460

GOOGLE выкатили инструмент для детектирования типов файлов долгое время использовался внутри — Gmail, Drive, Safe Browsing, сотни миллиардов файлов каждую неделю затем открыли исходники называется magika — определяет реальный тип файла, а не то, за что он себя выдаёт переименовал вредонос в "resume.pdf"? magika определит замаскировал скрипт под изображение? magika определит любые трюки с расширениями? magika обходит их модель обучена на 100 млн файлов 200+ типов контента точность ~99% около 5 мс на файл одна команда:

pip install magika

тот же инструмент, который защищает пользователей Google, можно использовать в своих системах 👉 @PythonPortal

52 460

Что если автоматизировать весь воркфлоу Google Workspace прямо из терминала? Работа через браузер заставляет кликать по нескольким приложениям, чтобы открыть таблицу, проверить календарь и отправить фоллоу-ап письмо. Такой ручной цикл быстро накапливает оверхед при ежедневных или еженедельных повторениях. gws — это интерфейс командной строки, который объединяет все сервисы Workspace за простыми командами в терминале с структурированным JSON-выводом, готовым для скриптов. Ключевые возможности: • Единый интерфейс для Drive, Gmail, Calendar, Sheets, Docs и других сервисов • JSON-вывод, который напрямую пайпится в существующие скрипты и воркфлоу • 100+ навыков для ИИ-агентов, позволяющих языковым моделям оркестрировать задачи Workspace программно https://github.com/googleworkspace/cli 👉 @PythonPortal

52 460

Такую тудушку никто никогда не делал. Она перевернёт рын 👉 @PythonPortal

52 460

Трудно запомнить разницу между strptime и strftime? - Буква "p" (strptime) — это про parsing, получение datetime из строки - Буква "f" (strftime) — это про formatting, получение строки из datetime Чтобы запомнить коды формата, можно воспользоваться: https://buff.ly/oEdYGMI Хочешь распарсить строку в datetime? Используй strptime, передавая (a) строку и (b) спецификацию формата даты:

datetime.datetime.strptime('2026-04-01', '%Y-%m-%d')
datetime.datetime.strptime('26-April-01', '%y-%B-%d')

Оба вызова возвращают datetime.datetime(2026, 4, 1, 0, 0) Хочешь отформатировать datetime в строку? Используй strftime:

dt = datetime.datetime(2026, 4, 1, 13, 15, 17)

dt.strftime('%Y-%m-%d')          # '2026-04-01'
dt.strftime('%Y-%m-%d %H:%M:%S') # '2026-04-01 13:15:17'
dt.strftime('%y-%B-%e %H:%M:%S') # '26-April- 1 13:15:17'

👉 @PythonPortal

52 460

Что если ваш AI-ассистент действительно мог бы запоминать, с кем он общается? Когда вы строите AI-приложение с использованием API OpenAI или Anthropic, каждый диалог начинается с нуля — без встроенной памяти между сессиями. Добавление памяти вручную через векторную базу данных, такую как ChromaDB, требует писать собственную логику извлечения, дедупликации и скоупинга поверх слоя хранения. mem0 решает всё это одним вызовом функции. Просто передавайте диалоги и получайте релевантные «воспоминания» при необходимости. Ключевые возможности: • Автоматическое извлечение фактов из сырых диалогов через memory.add() • Кросс-сессионный поиск через memory.search() в любой последующей беседе • Автоматическое разрешение конфликтов при изменении пользовательских предпочтений со временем Кроме того, mem0 — open-source. Установить можно через pip install mem0ai. 👉 @PythonPortal

52 460

Можно буквально поискать OPENAI_API_KEY на GitHub — и найти кучу утёкших API-ключей. Спасибо, вайб-кодеры 🙏 👉 @PythonPortal

52 460

Что если можно было бы сфотографировать свои рукописные заметки и превратить их в чистый, структурированный текст? Большинство OCR-инструментов ориентированы на печатный текст и плохо справляются с рукописными заметками, особенно если в них есть диаграммы, формулы и свободная запись. Chandra OCR создан именно для этого кейса. Он извлекает текст, изображения и диаграммы из рукописных заметок и реконструирует их в чистый Markdown или HTML. Сравнение с другими OCR-инструментами: • 85.9% в целом на бенчмарке olmOCR, опережая olmOCR 2 (82.4%), GPT-4o (69.9%), Gemini Flash 2 (63.8%) и Mistral OCR (72.0%) • 89.3% на рукописной математике — области, где большинство OCR-инструментов испытывают сложности • Поддерживает более 90 языков из коробки https://github.com/datalab-to/chandra 👉 @PythonPortal

52 460

Проверяйте типы в вашем Python-кодбейзе в 15 раз быстрее с Pyrefly : https://github.com/facebook/pyrefly Такие инструменты, как MyPy и Pyright, обрабатывают файлы последовательно, поэтому с ростом кодовой базы увеличивается время ожидания. Pyrefly — type checker от Meta, написанный на Rust, выполняет проверки параллельно, сохраняя почти постоянную производительность по мере роста кодовой базы. Ключевые возможности: • Перепроверяет только изменённые модули, ускоряя инкрементальные прогоны • Автоматически выводит типы для переменных и возвращаемых значений На кодовой базе PyTorch Pyrefly выполняет полный прогон за 2.4 секунды — примерно в 15 раз быстрее, чем Pyright, и в 20 раз быстрее, чем MyPy. 👉 @PythonPortal

52 460

На Stepik добавили курс «Git с нуля» Этот курс закрывает всю обязательную базу по Git для работы в IT. Подойдёт для:

- разработчиков - девопсов, админов и безопасников - аналитиков, data- и ML-специалистов - тестировщиков - всех, кто хочет уверенно работать с Git в команде

Внутри вся основа, которая реально нужна на практике: от основ системы контроля версий и архитектуры Git до работы с ветками, merge, конфликтами и GitHub. Всё сразу закрепляется на практике с помощью заданий с автопроверкой Материал подаётся простым языком, шаг за шагом, с акцентом на понимание того, как Git работает под капотом, а не просто на запоминание команд После прохождения вы получите сертификат, который можно добавить в резюме В ближайшие 48ч курс доступен со скидкой 25% по промокоду «GIT25»: открыть курс на Stepik