Python Portal

Перестаньте изучать LLM по случайным статьям и видео, которые объясняют только отдельные куски картины. LLM from Scratch — это практический курс на PyTorch для тех, кто хочет понять весь путь современной LLM: от первого Transformer-блока до RLHF. Вместо бесконечной теории здесь собирают полноценную цепочку обучения модели: • Pretraining → Finetuning → Alignment в одном курсе • Transformer с нуля: positional embeddings, self-attention, multi-head attention, MLP, residual connections, LayerNorm и полные Transformer-блоки • Собственный training loop без Trainer-магии: токенизация, батчи, cross-entropy, validation loss, генерация текста • Современные улучшения архитектуры: RMSNorm, RoPE, SwiGLU, KV Cache, sliding-window attention и streaming cache • Полный раздел по alignment: SFT, reward models, PPO-style RLHF и GRPO с разбором того, как это выглядит в тренировочном цикле на практике https://github.com/vivekkalyanarangan30/llm_from_scratch 👉 @PythonPortal

40 собесов и оффер за 1 месяц Алексей разработчик. Искал работу с декабря - написание сопроводов и отклики занимали очень много времени. Выхлоп - почти нулевой. В какой-то момент понял: так можно искать бесконечно. И по совету друга попробовал ии-ассистента Софи. ▫️За ~1 месяц прошел около 40 собеседований ▫️Получил оффер с вакансии, на которую, по его словам, не откликнулся бы сам

В описании она выглядела скучно, а по факту - одна из самых интересных компаний, с которыми я общался.

Весь процесс - от первого собеседования до оффера - занял 4 дня. P.S. Попробовать Софи бесплатно можно будет 16 июня. Не пропусти анонс здесь.

Пора что-то менять

14-дневный туториал, где ты с нуля собираешь на Python code-agent CLI в стиле Claude Code и параллельно разбираешь, как вообще работает Agent Harness. В итоге ты не просто вызываешь готового агента через API, а понимаешь, из каких деталей собирается Claude Code-подобный инструмент. https://github.com/bozhouDev/14days-build-claude-code-cli 👉 @PythonPortal

Наткнулся на open-source PDF-парсер, который конвертирует PDF в Markdown со скоростью до 100 страниц в секунду. На CPU. Без GPU, облака и API-ключей. Что умеет: • Таблицы • Сложные макеты документов • Вложенные структуры • OCR для 80+ языков • Интеграция с LangChain Называется OpenDataLoader. По бенчмаркам авторов сейчас занимает первое место среди PDF → Markdown решений. Для контекста: • Docling показывает хорошие результаты, но работает примерно в 15 раз медленнее • Marker требует GPU и значительно медленнее • PyMuPDF4LLM быстрый, но заметно хуже справляется с таблицами Отдельно удивило, что проект делали вместе с PDF Association и командой veraPDF. То есть не просто очередной AI-стартап с громкими заявлениями, а люди, которые много лет работают с самим PDF-форматом. Если собираете RAG, индексируете документацию или регулярно разбираете PDF-файлы, выглядит как проект, на который стоит посмотреть. https://github.com/opendataloader-project/opendataloader-pdf 👉 @PythonPortal

👊👊👊

DuckDuckGo официально добавила режим No-AI 🦆 Он автоматически отключает AI-функции и скрывает AI-сгенерированные изображения из результатов поиска. Что входит: → Без AI-ответов в поиске → Без Duck.ai и AI-чата → Фильтрация AI-сгенерированных изображений → Обычная выдача без AI-вставок Забавно наблюдать, как после нескольких лет гонки за внедрением ИИ поисковики начали добавлять кнопку «выключить ИИ». Похоже, классический поиск снова стал фичей :) 👉 @PythonPortal

PewDiePie продолжает вайбкодить: 15 миллионов звёзд на GitHub менее чем за 24 часа. Он назвал его Odysseus и это своего рода аналог ChatGPT и Claude, но ориентированный на локальный запуск ИИ. Сейчас он стремительно набирает популярность. 👃 Он описывает его как «селф-хост интерфейс для работы с языковыми моделями», в котором есть чат, автономные агенты, инструменты, запуск и обслуживание моделей, почта, ресёрч и другие возможности. https://github.com/pewdiepie-archdaemon/odysseus 👉 @PythonPortal

Признавайтесь, кто?

Новый терминал для вайбкодеров Специально создан для работы с ИИ. ✓ Всего 7 МБ. Очень высокая производительность ✓ Поддерживает Windows, macOS и Linux ✓ Встроены редактор, Git, агенты и предпросмотр веб-страниц ✓ Без телеметрии и регистрации Бесплатный и с открытым исходным кодом 🥩🥩🥩 👉 @PythonPortal

Этот инструмент показывает промпт, стоящий за любым GitHub-репозиторием. Пользоваться им очень просто: → Замените github на gitreverse в URL репозитория → Сервис покажет промпт, с помощью которого можно воспроизвести проект Ничего не нужно устанавливать или настраивать. Достаточно изменить URL. Реверс-инжиниринг любого проекта за считанные секунды. На 100% бесплатно. https://www.gitreverse.com/ 👉 @PythonPortal

Выглядит как одна из самых практичных идей вокруг Claude Skills за последнее время. book-to-skill превращает книгу не просто в заметки или summary, а в набор структурированных skill-файлов, которые Claude может подгружать по запросу. Вместо того чтобы каждый раз скармливать модели PDF на сотни страниц, инструмент разбивает материал на главы, вытаскивает ключевые концепции, паттерны, glossary и cheatsheet. Самая интересная часть не в конвертации PDF, а в том, что книга начинает работать как часть контекста агента: /database-internals replication и Claude подгружает только нужный раздел, а не весь документ целиком. Это сильно экономит контекстное окно и уменьшает количество галлюцинаций, потому что ответы строятся на содержимом конкретной главы. Для разработчиков это особенно полезно на книгах вроде: - Designing Data-Intensive Applications - Database Internals - Computer Systems: A Programmer's Perspective - Operating Systems: Three Easy Pieces Обычно такие книги содержат огромное количество деталей, которые сложно держать в голове. Skill-формат превращает их в что-то вроде локального экспертного консультанта по конкретной теме. По сути это ещё один шаг к модели:

PDF
 ↓
Knowledge Extraction
 ↓
Structured Skill
 ↓
On-demand Context Loading
 ↓
AI Agent

То есть книга перестаёт быть статичным файлом и становится частью рабочего процесса агента. Идея вообще хорошо ложится на текущий тренд вокруг Agent Skills, где знания хранятся как отдельные SKILL.md файлы и подгружаются только при необходимости. Это позволяет держать сотни навыков без раздувания постоянного контекста. 👉 @PythonPortal

Опытный разработчик с реддита, показал, как превратить Claude Code в персонального аналитика, который сам собирает для вас информацию из интернета каждое утро. Пока вы спите. Схема выглядит так: → Использовать команду /schedule в Claude Code для запуска постоянных облачных задач → Подключить Brave Search MCP для поиска актуальной информации в интернете → Подключить своё хранилище Obsidian через Filesystem MCP → Создать файл CLAUDE.md с темами интересов и фильтрами «не показывать» → Дать инструкцию: «Каждый будний день в 6:00 ищи новые события по этим темам и сохраняй сводку в Obsidian» После этого Claude сам преобразует инструкцию на естественном языке в cron-задачу. Без N8N. Без собственного сервера. Без необходимости держать компьютер включённым. 👉 @PythonPortal

Стоп Слоп: нашли скилл для Claude и других LLM, который учит их избавляться от предсказуемых фраз и конструкций, из-за которых сгенерированный текст звучит по-машинному. 😁 - Находит и удаляет запрещённые речевые шаблоны: вводные разогревающие фразы, слова-паразиты для усиления акцента и любые наречия. - Убирает структурные клише, такие как противопоставления по схеме «не X, а Y» и искусственно драматизированное дробление текста на короткие фразы. - Применяет правила на уровне предложений: запрет на начало предложений с вопросительных слов (Wh- words) и использование только активного залога. - Включает систему оценки по пяти измерениям для анализа прямоты изложения, ритма текста и его естественности. https://github.com/hardikpandya/stop-slop 👉 @PythonPortal

Когда PM и TL ставят задачи, а LLM вежливо просит реализовать.

Перестаньте искать Python-библиотеки для машинного обучения по случайным туториалам. Best-of Machine Learning with Python — это курируемый GitHub-индекс open-source библиотек для машинного обучения на Python, созданный для разработчиков, которым нужен более быстрый способ ориентироваться в экосистеме и сравнивать инструменты между собой. Проект помогает составить шорт-лист подходящих решений, группируя библиотеки по категориям и ранжируя их с помощью оценки качества проекта, основанной на метриках из GitHub и менеджеров пакетов. Ключевые особенности: • Индекс из 920 проектов — большая и удобная для навигации карта open-source ML-проектов на Python • 34 категории — поиск по направлениям: ML-фреймворки, NLP, обработка изображений, AutoML, деплой, интерпретируемость моделей и многое другое • Рейтинг по оценке качества — проекты сортируются на основе автоматически рассчитываемого рейтинга, использующего сигналы из репозиториев и менеджеров пакетов • Подробная метаинформация о проектах — для каждого проекта доступны такие показатели, как количество звёзд, форков, issues, контрибьюторов, активность разработки, загрузки и зависимости • Еженедельные обновления и вклад сообщества — список регулярно обновляется, а улучшения можно вносить через issues, pull request'ы или редактирование файла projects.yaml Проект полностью открыт и распространяется по лицензии CC BY-SA 4.0. 👉 @PythonPortal

На Stepik вышла программа «Фундамент DevOps» Это комплексная программа из 4 практических курсов по ключевым технологиям современного DevOps: Linux, Git, Docker и Kubernetes. Вы последовательно пройдёте путь от работы в Linux и Git до контейнеризации приложений и управления ими в Kubernetes. Что вы изучите:

• уверенную работу в Linux и терминале • Git и контроль версий в реальных проектах • Docker и контейнеризацию приложений • Kubernetes и оркестрацию контейнеров • основы сетей, безопасности и хранения данных • автоматизацию задач и диагностику инфраструктуры ... и многому другому

Все знания закрепляются на практике с помощью заданий с автопроверкой. Материал подаётся понятным языком, шаг за шагом, с большим количеством примеров, схем и демонстраций. После прохождения вы получите сертификат, который можно добавить в резюме. Отдельно курсы стоят 16 600 ₽, но в составе программы доступны всего за 7 990 ₽: открыть на Stepik

Создавайте LLM с нуля Наткнулся на отличную находку от Vizuara — серию из 43 лекций, которая действительно выполняет своё обещание: показать, как построить большую языковую модель с нуля. Большинство людей пользуются ChatGPT. Но лишь немногие действительно понимают, как он устроен под капотом. Этот плейлист пошагово разбирает все ключевые концепции, не перегружая сложными объяснениями. Что вы изучите: → Архитектуру Transformer → Внутреннее устройство GPT → Токенизацию и BPE → Механизмы внимания (Attention) → Процесс обучения LLM → Полноценные реализации на Python Подойдёт для: • ML-инженеров • Энтузиастов ИИ • Разработчиков, входящих в сферу GenAI • Всех, кто устал от объяснений ИИ как «чёрного ящика» Если вы действительно хотите понять, что лежит в основе таких моделей, как ChatGPT, Claude и Gemini, — этот материал стоит посмотреть. 🔗 Ссылка на плейлист 👉 @PythonPortal

Как строить box plotы в Python На этот раз — битва между pandas 🐼 и seaborn ⛵️ 👉 @PythonPortal

🤭🤭🤭