Python Portal

Учёные снова нашли, как удивить мир технологий. На этот раз под прицел попали грибы. Да-да, обычные шампиньоны и шиитаке превратили в живые микрочипы памяти. Исследователи взяли мицелий и научились через него гонять и хранить электрические сигналы. Получились такие себе органические мемристоры. Работают они не где-нибудь там в теории, а на частотах до 5,85 кГц. Переключаются между состояниями примерно с 90-процентной точностью. Для живого организма вообще огонь. Если дело пойдёт дальше, однажды можно будет собрать системник, который нужно не охлаждать, а… поливать. ПК на грибах, уже не просто мем, а крадущийся хай-тек. 👉 @PythonPortal

8 метрик, без которых не обойтись в регрессии Если строишь модели для предсказания чисел и неважно, цены, спроса или температуры, вот базовый набор метрик, который стоит знать наизусть: MSE, MAE, RMSE, MAPE, R², Weighted MAPE, Symmetric MAPE и RMSLE. Каждая по-своему показывает, насколько далеко твои предсказания от реальности. Одни чувствительны к выбросам, другие к масштабу, а некоторые нормализуют ошибку, чтобы можно было сравнивать разные модели. Хорошая шпаргалка, чтобы быстро вспомнить формулы и не путаться, какая метрика когда уместна. 👉 @PythonPortal

Согласны? Да — 👍, нет — 👎 👉 @PythonPortal

PyTorch представили Monarch (новый фреймворк для распределённых вычислений) Он делает работу с кластерами почти такой же простой, как запуск обычного Python-скрипта. Вместо старого SPMD-подхода теперь всё управляется одной программой, которая координирует тысячи GPU как единую систему. Процессы объединяются в структуры, похожие на массивы, отказоустойчивость решается через обычный try/except, а данные передаются напрямую между GPU по RDMA. Распределённые тензоры выглядят и ведут себя как локальные. Monarch легко интегрируется с VERL, TorchForge и Lightning AI, так что обучать и отлаживать большие модели можно прямо из Jupyter. В итоге кластер ощущается как одна машина, а распределённые вычисления как обычный Python-код. 🦝 👉 @PythonPortal

👩‍💻 В сеть вывалилась гигантская куча курсов и книг Держи сотни гигабайт свежих уроков, и каждую неделю мы подкидываем ещё! • 1612 ГБ — DevOps • 1402 ГБ — Python • 1300 ГБ — C, C++ • 1815 ГБ — Frontend • 1515 ГБ — Backend • 898 ГБ — ИБ, Хакинг • 996 ГБ — Kotlin, Swift • 212 ГБ — JavaScript • 315 ГБ — Flutter • 820 ГБ — Go, PHP • 419 ГБ — Java, Rust • 648 ГБ — GameDev • 517 ГБ — Windows, Linux • 998 ГБ — Дизайн (UX/UI) • 617 ГБ — Нейросети (ML/RL) • 546 ГБ — БД (SQL & NoSQL) • 687 ГБ — Аналитика данных • 115 ГБ — QA-тестирование Подписывайся и не плати за то, что можно получить бесплатно

Совет Django: Перед деплоем запусти python manage.py check --deploy, чтобы поймать критические ошибки в настройках, например, отсутствие ALLOWED_HOSTS. Эта команда помогает убедиться, что приложение настроено безопасно для продакшена. В нашем примере система проверила проект и нашла несколько проблем:

🔸(security.W004) Не задано значение для SECURE_HSTS_SECONDS. Если сайт работает только по HTTPS, стоит включить HSTS, чтобы браузеры всегда использовали защищённое соединение. Но настрой перед этим внимательно, ведь неправильное использование может привести к серьёзным проблемам. 🔸(security.W008) Параметр SECURE_SSL_REDIRECT не установлен в True. Если весь трафик должен идти через HTTPS, задай SECURE_SSL_REDIRECT = True или настрой редирект через балансировщик/прокси. 🔸(security.W009) SECRET_KEY короче 50 символов, содержит меньше 5 уникальных символов или начинается с 'django-insecure-'. Это значит, что ключ был сгенерен Django по умолчанию. Создай новый случайный длинный ключ, иначе часть встроенных механизмов безопасности можно будет обойти. 🔸(security.W012) SESSION_COOKIE_SECURE не установлен в True. Без этой настройки cookie сессии могут быть перехвачены при обычном HTTP-трафике. 🔸(security.W016) В MIDDLEWARE есть 'django.middleware.csrf.CsrfViewMiddleware', но не включен CSRF_COOKIE_SECURE. Установи CSRF_COOKIE_SECURE = True, чтобы защитить CSRF-токен от утечек через незашифрованное соединение. 🔸(security.W018) В продакшене нельзя держать DEBUG = True. Отключи отладку перед деплоем. 🔸(security.W020) ALLOWED_HOSTS не должен быть пустым. Добавь в список домены, с которых разрешено обращаться к приложению.

👉 @PythonPortal

Отличная опенсорсная альтернатива Postman Называется Yaak, и работает просто волшебно. Когда недавно Postman лёг из-за проблем с AWS, то Yaak реально выручил. UI у него суперчистый и минималистичный, всё выглядит аккуратно и приятно в использовании. Определённо подойдет для любого разработчика, который работает с API 🙂 👉 @PythonPortal

👩‍💻 IT теперь в Telegram! Программисты и TechLead'ы из FAANG создали этот канал для обучения их стажёров и джунов, чтобы подготовить их к работе в топовых компаниях. Курсы, новости, гайды, советы, мемы, книги — всё, что входит в дневной рацион разработчика. Забирай доступ: @it_matrix

Удачи 😠 👉 @PythonPortal

Серия Python + Generative AI от Azure AI Foundry завершилась, но все материалы открыты Теперь можно спокойно пересмотреть записи, скачать слайды и попробовать код из каждой сессии — от LLM и RAG до AI-агентов и MCP. Все ресурсы здесь: aka.ms/pythonai/resources 👉 @PythonPortal

Обычно анализ данных - от чистки и исследования до моделирования, визуализации и написания отчётов отнимает кучу времени. Особенно когда приходится возиться с кучей файлов разных форматов. Это тот ещё гемор. К счастью, я наткнулся на опенсорсный проект DeepAnalyze, который позволяет ИИ полностью самостоятельно пройти весь цикл data science, реально без участия человека. Он построен на DeepSeek-R1 и использует подход curriculum learning при обучении. Поддерживает весь пайплайн: подготовку данных, анализ, моделирование, визуализацию и генерацию отчётов. Инструмент умеет работать с разными типами данных ( базы данных, CSV, Excel, JSON, XML ) и в итоге генерирует профессиональные исследовательские отчёты. ⌨️ 👉 @PythonPortal

Что это, если не жиза 🤣 👉 @PythonPortal

⚡️ На Stepik вышел курс по Linux Ребята сделали крутейший курс по Linux, где понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами обучают работе с этой ОС Внутри 20+ модулей: от установки Linux и работы с файлами до сетей, прав, дисков, процессов, автоматизации на Bash и многого другого. Всё сразу закрепляется на практике (200+ заданий с автопроверкой). После прохождения вы получите сертификат, который можно добавить в резюме. Есть бесплатные демо-уроки для ознакомления. В ближайшие 48ч курс доступен со скидкой 25% по промокоду «25LINUX»: открыть курс на Stepik

Огромный набор из 17 лучших GitHub-репозиториев для изучения Python

1. 30-Days-Of-Python — 30-дневный Python-челлендж с основами языка. 2. Python Basics — простые и понятные основы Python для новичков. 3. Learn Python — справочник по темам с примерами и кодом. 4. Python Guide — лучшие практики, инструменты и продвинутые темы. 5. Learn Python 3 — понятное руководство по Python 3 с практикой. 6. Python Programming Exercises — 100+ задач по Python. 7. Coding Problems — алгоритмические задачи, идеальны для подготовки к собесам. 8. Project-Based-Learning — изучай Python через реальные проекты. 9. Projects — идеи для практических проектов и прокачки навыков. 10. 100-Days-Of-ML-Code — пошаговый гайд по Machine Learning на Python. 11. TheAlgorithms/Python — огромная коллекция алгоритмов на Python. 12. Amazing-Python-Scripts — полезные скрипты от автоматизации до продвинутых утилит. 13. Geekcomputers/Python — сборник практических скриптов: сеть, файлы, автоматизация. 14. Materials — код, упражнения и проекты из Real Python. 15. Awesome Python — топ-список лучших фреймворков и библиотек. 16. 30-Seconds-of-Python — короткие сниппеты для быстрых решений. 17. Python Reference — лайфхаки, туториалы и полезные скрипты.

👉 @PythonPortal

Наконец-то! Инструмент Text-to-SQL, который реально работает! 😎 Vanna это open-source фреймворк RAG для сложной генерации Text-to-SQL. Он умеет работать с динамическими данными и поддерживает кастомное обучение RAG-модели для повышения точности. Полностью open-source 👉 @PythonPortal

Итоги недели, если коротко: 👉 @PythonPortal

В Python можно распаковывать последовательности с помощью *, чтобы работать с переменным количеством элементов. При этом * можно ставить в любом месте и он соберёт все лишние элементы в отдельную переменную.

a, b, c = 10, 2, 3      # Стандартная распаковка

a, *b = 10, 2, 3        # b = [2, 3]

a, *b, c = 10, 2, 3, 4  # b = [2, 3]

*a, b, c = 10, 2, 3, 4  # a = [10, 2]

👉 @PythonPortal

Надо собирать данные с сайтов, но пользоваться готовыми облачными сервисами неудобно 🎧 Платно, сложно контролировать обход блокировок и не всегда понятно, что делается с данными. Вся эта история быстро превращается в чёрт пойми что Случайно наткнулся на ScrapFly Scrapers, это опенсорсный набор Python-скрейперов под ~40 популярных сайтов (Amazon, eBay, TikTok и др.). Код асинхронный, работает через ScrapFly API, использует parsel и пригоден как учебная база или старт для своих парсеров. Проект позиционируется как учебный, тоесть можно быстро посмотреть архитектуру и взять рабочие примеры, но перед реальным запуском стоит проверить юридические и этические моменты. 👉 @PythonPortal

Это всё объясняет 👉 @PythonPortal

Python митап от Авито 27 октября в Москве! ☄ Вечером 27 октября вас ждут в офисе на Лесной, чтобы обсудить: ➡ кейс оптимизации GC в Python от Саши Федосеева, backend-инженера из команды Main Page Tech Авито; ➡ как mypy укрощает Python в большой компании вместе с Сергеем Яхницким из Яндекса. После докладов, как и сказали выше, вместе с участниками спикеры обсудят, подходит ли Python для запуска больших нагруженных решений в формате круглого стола. Для тех, кто не успевает вырваться из офиса или дома, будет онлайн-трансляция. Так что не откладывайте, регистрируйтесь и зовите коллег — все подробности по ссылке