Python RU
الذهاب إلى القناة على Telegram
Все для python разработчиков админ - @haarrp @python_job_interview - Python собеседования @ai_machinelearning_big_data - машинное обучение @itchannels_telegram - 🔥лучшие ит-каналы @programming_books_it - it книги @pythonl РКН: clck.ru/3Fmy2j
إظهار المزيد
الشبكة:📈 نظرة تحليلية على قناة تيليجرام Python RU
تُعد قناة Python RU (@pro_python_code) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 12 376 مشتركاً، محتلاً المرتبة 9 841 في فئة التكنولوجيات والتطبيقات والمرتبة 52 034 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 12 376 مشتركاً.
بحسب آخر البيانات بتاريخ 30 أغسطس, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -49، وفي آخر 24 ساعة بمقدار -7، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.54%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.16% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 933 مشاهدة. وخلال اليوم الأول يجمع عادةً 391 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 6.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل api, docker, github, sql, linux.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Все для python разработчиков
админ - @haarrp
@python_job_interview - Python собеседования
@ai_machinelearning_big_data - машинное обучение
@itchannels_telegram - 🔥лучшие ит-каналы
@programming_books_it - it книги
@pythonl
РКН: clck.ru/3Fmy2j”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 31 أغسطس, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
12 376
المشتركون
-724 ساعات
-217 أيام
-4930 أيام
أرشيف المشاركات
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Событийное логирование для аналитики и мониторинга работы телеграм-бота
— Что расскажут на PiterPy 2023: много питонов и немного ржавчины
— Классификация текстов в spaCy: пошаговая инструкция
— Как создать черный список для токенов JWT в Django
— API от А до Я (теория и практика)
— Распознавание речи (транскрибация) по аудиозаписям диалогов. Whisper. Личный опыт
— Решение школьных задач по химии в Python
— Мне пожизненно забанили рекламу в Meta**. Потому что я преподаю Python
— Как Guidance выводит ИИ на новый уровень: инструмент для эффективного управления моделями
— Упрощаем подключение линтеров в пайплайны Gitlab CI
— Weekly Dev Findings 10
— How to Create a Django Project and Application.
— Setting Sail with a CMS called 'Wagtail'
— How-to Setup and Use Python with OBS on a Mac
— Beautiful is better than ugly, but my beginner code is horrible
— Consultation from Django experts
— I knew a boy who made all the wrong choices
— Your Face, Your Anime: Move Together 💫
— Elastic D&D - Week 9 - FastAPI
— Introduction to Quantum Computing
Посмотреть:
🌐 Пишем телеграм бота для скачивания #yotube видео (⏱ 20:41)
🌐 Алгоритм бинарного поиска на #C++ (⏱ 00:59)
🌐 Очередь с приоритетом разбор задачи на #C++ (⏱ 01:00)
🌐 Задача на поиск числа с leetcode на С++ (⏱ 01:00)
🌐 Задача с #leetcode решаем на #golang (⏱ 00:32)
🌐 Разбор задачи на содержание массива #С++ (⏱ 00:59)
🌐 Django гайд по формам (⏱ 10:32)
🌐 【コラボ配信】当たり前の行動が禁止される！？狂った世界でPVPバトル！ゲスト：えばそんさん、帆立さん、mmmさん (⏱ 02:04:45)
🌐 Python для начинающих. Урок 13 | Кортежи (⏱ 20:30)
🌐 Python Selenium | Новая фича Selenium | Где брать драйвера | Selenium manager #shorts (⏱ 01:01)
🌐 Как стать крутым разработчиком за 1 месяц и зарабатывать много денег? #shortsfeed #shorts (⏱ 00:10)
Хорошего дня!
12 375
💸 Прогнозированию биткоина при помощи VAR (векторной авторегрессии), XGBoost и Facebook Prophet.
▪ Видео
▪ Код из видео
@data_analysis_ml
12 375
🖥 Google Drive Uploader Telegram Bot
Загружаем все файлы из мессенджера в облако.
Интересный бот на Python , который автоматически выгружает пересланные ему файлы в Google Drive.
git clone https://github.com/viperadnan-git/google-drive-telegram-bot
• Github
@pro_python_code12 375
Repost from Анализ данных (Data analysis)
📒 GigaChat нового поколения.
Разработчики @gigachat_bot изменили подход к обучению модели, а потому практически все умения модели были улучшены. В частности, речь идет о сокращении текстов, ответов на вопросы и генерации идей.
Появился и бот GigaChat в социальной сети «ВКонтакте» — после активации, его можно использовать для самых разных целей: от создания текстов до генерации изображений (за счет интеграции с Kandinsky).
Число уникальных пользователей GigaChat достигло 1 млн.
• Попробовать
@data_analysis_ml
12 375
Парсинг на Python
1. Быстрый Парсинг с библиотекой Polars на Python
2. Продвинутый парсинг. Обход блокировки
3. Полный Гайд по парсингу на Python: от азов до продвинутых техниик,. Часть 1
4. Полный Гайд по парсингу на Python: Практика. Часть 2
5. Практика парсинга Python
6. Большой гайд по парсингу на Python. Часть 3 Работаем с selenium
7. Уроки Парсинга на Python Сравниваем Scrappy и bs4
8. Продвинутый парсинг на Python со сменой прокси
9. Многопоточный парсер на Python. ООП подход
10. Асинхронный парсинг сайтов на Python
#video #python
https://www.youtube.com/watch?v=dqEHY9zKc8M&list=PLysMDSbb9HcwWWhs1Cm9EF1sv0fo8kII5
12 375
📃 Генерация отчетов графовой аналитики в формате PDF с помощью Python
Создание отчетов графовой аналитики является важной частью работы многих проектов и бизнес-процессов.
Однако, процесс создания и настройки таких отчетов может быть сложным и требовать больших усилий.
Рассмотрим, как использование языка программирования Python и его библиотек может значительно упростить генерацию отчетов графовой аналитики в формате PDF.
Для работы с PDF в Python есть множество библиотек, самые популярные из них: PyPDF2, ReportLab, FPDF.
Сравнение основных библиотек: в изображении.
По совокупным критериям для дальнейшего разбора мной была выбрана библиотека ReportLab.
Одной из самых популярных библиотек для работы с графами в Python является NetworkX. Она предоставляет широкий набор инструментов для создания и анализа графов. Ее и буду использовать для создания графа и анализа данных.
В посте приведен код, необходимый для воспроизведения. Полный код доступен по ссылке.
Данные сгенерирую с помощью Python.
Пусть будет 500 операций, где будет информация об отправителе, получателе, сумме операции и флаг подозрительности операции.
df_dict = {}
count_operation = 500
for i in range(count_operation):
df_dict[i] = {'reciver' : random.randint(1, count_operation/2),
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}
Добавлю 100 переводов, где получателем будет клиент 1, а отправителем- любой другой клиент из основного датасета:
for i in range(100):
df_dict[i] = {'reciver' : 1,
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}
df = pd.DataFrame().from_dict(df_dict).T
Получится вот такой датасет:
Смотреть12 375
🥰 В ближайшем будущем работодатели будут искать Data Scientist. Сыграйте на опережение — начните учиться со Слёрмом уже в ноябре!
Не требуется заглядывать во временную воронку, достаточно проанализировали актуальное положение вещей:
🔥 Работа с данными требуется и в небольших IT-стартапах, и в финтехе, и в бизнесе, и фармацевтике — везде, где требуются наиболее точные прогнозы.
⭐ Спрос на специалистов растет. По данным Всемирного экономического форума, количество вакансий по направлению выросло на 433%.
➕ Средняя зарплата Data Scientist зарабатывает от 50 000 рублей на уровне junior и от 250 000 рублей, когда он станет senior-специалистом.
На профессию Data Scientist учат в Слёрме!
Курс стартует с 13 ноября, вам потребуется около 4 месяцев, чтобы доучиться до уровня junior-специалиста.
Вам помогут мощные эксперты:
— Иван Аникин, Team Lead Yandex.Edadeal;
— Владимир Бугаевский, Team Lead СберМаркет.
Посмотреть подробную программу вы можете на сайте Слёрм.
Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545
12 375
🔵 Пишем телеграм бота для скачивания #yotube видео
📌Видео
• Папка отборных каналов для Python разработчиков -https://t.me/addlist/8vDUwYRGujRmZjFi
• Cсылка на бота: t.me/Youtubedtg_bot
• Полный код бота https://github.com/Develp10/telegramyoutubebot
@pro_python_code
12 375
🐍 Mastering Financial Engineering: От моделирования на Python к интерактивным приложениям
Финансовый инжиниринг включает в себя сложные вычисления и моделирование для анализа и решения финансовых проблем.
Независимо от того, являетесь ли вы студентом или начинающим специалистом в области финансов, очень важно не только понимать концепции, но и профессионально представлять свою работу.
В этой статье мы рассмотрим, как с помощью Python превратить простой код моделирования цены опциона Монте-Карло в развернутое приложение. Это не только улучшит ваше понимание, но и поможет эффективно донести финансовые концепции с помощью визуализаций и пользовательских приложений.
Предварительный вариант приложения, которое вы сможете создать к концу этого урока: в изображении.
1. Организуйте рабочее пространство
Шаг 1.1: Создание выделенной папки
Начните с создания специальной папки для вашего проекта по финансовой инженерии. Организация работы в структурированном виде необходима для эффективной разработки.
Далее
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— RestApi от мала до велика. А ты правильно проектируешь методы?
— Сравнение методов веб-скрепинга для данных Википедии: Beautiful Soup против WikipediaAPI
— Как я проектирую и разрабатываю расширения Python на Rust
— Построение ML-пайплайна для рекомендательной системы с помощью Google Cloud Platform
— Как PaaS решил проблемы стандартизации разработки сервиса одной утилитой
— Введение в библиотеку Diffusers и диффузионные модели
— «Консервируем» данные: сравниваем модуль pickle и альтернативные способы сериализации
— Сбер. Как некрасиво поступить на конкурсе красоты
— Что я понял на первой работе программистом / Мои советы Junior-разработчикам
— Swirl для анализа корпоративных данных: как мы использовали ИИ-поиск и что из этого вышло
— MLOps на примере прогноза движений акций с помощью MLRun
— Tuning Out Spotify: A Programmer’s Approach to Music Streaming
— Automating Python Deployments with GitHub Actions, AWS ECR, and AWS Lambda
— Weekly Dev Findings 9
— Infinite Scroll Pagination in Django with HTMX
— Reflex: 10 Minute Docs Audit
— Milvus Adventures | October 13, 2023
— Docker with Python for Dummies
— CS61A: Projeto HOG (Parte 1)
— Keep It Uplifting podcast. James “Uplifting” Edwards explores the intersection of lifestyle and success with Richard Blank.
— Testando testes no Python - Parte 3: Pytest dentro do Pytest
Посмотреть:
🌐 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python. (⏱ 05:23)
🌐 NLP практика. Определяем тональность текста при помощи NLTK и DL (⏱ 19:37)
🌐 Django шаблонизация и маршрутизация (⏱ 09:11)
🌐 Задача, которая очень часто встречается на собеседованиях #python (⏱ 00:59)
🌐 Решение непростой задачи с Leetcode, часто всплывает на собеседования #pythontutorial (⏱ 00:59)
🌐 Хитрая задача с собеседования #Python (⏱ 00:59)
🌐 Решаем вариант из сборника Л. Н. Евич | ЕГЭ-2024 по информатике (⏱ 01:48:21)
🌐 Задание 24 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 06:35)
🌐 Задание 25 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:44)
🌐 Linux для начинающих | Как загрузить файлы на или с сервера | Команда SCP (⏱ 04:35)
Хорошего дня!
12 375
🖥 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python
▪Video
@pro_python_code
12 375
🚀🧠**lru_cache**: отличная техника для эффективного кодинга!🚀🧠
В данном коде
`lru_cache` используется в качестве декоратора для функции fibonacci. Поскольку последовательность Фибоначчи может быть вычислительно затратной для больших входных данных, кэширование результатов для каждого вызова может значительно ускорить последующие вызовы с теми же аргументами.
Однако декоратор кэширования не следует использовать в каждом конкретном случае. Для функций, результаты которых меняются даже при одинаковых входных данных, или для функций, выходными данными которых являются изменяемые объекты, кэширования следует избегать.
При первом вызове `fibonacci(35)` функция вычислит результат обычным способом, учитывая рекурсивный характер последовательности Фибоначчи. Это может занять много времени.
Однако при втором вызове `fibonacci(35)` вместо повторного вычисления функция просто найдет значение в кэше и вернет его. В результате время выполнения второго вызова будет значительно меньше, что свидетельствует о пользе кэширования.
Фактическое время выполнения на вашей машине будет зависеть от ее вычислительной мощности, но, скорее всего, вы увидите заметную разницу между двумя вызовами.
Помните, что lru_cache может ускорить только последующие вызовы с теми же параметрами. Если вызвать fibonacci(36) после fibonacci(35), то все равно придется вычислять значение. Однако вычисление будет происходить быстрее, чем без кэша, так как fibonacci(35) уже закешировано, и ему нужно только добавить к нему fibonacci(34).
@pro_python_code12 375
Django шаблонизация и маршрутизация
https://www.youtube.com/watch?v=KsYSu7ITkY8
@Django_pythonl
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Тестовые серверы Telegram: инструкция по эксплуатации
— Функциональное программирование в Python: ежедневные рецепты
— Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI
— Пишем АПИ автотесты на Python по шагам
— Извлечение текста из файлов PDF при помощи Python
— Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов
— Преобразование markdown в pdf на Python
— Как «продать» OSS Framework? Propan -> FastStream
— FIFO очередь asyncio в Python
— Тестируем API в Таверне
— Comment ajouter des hyperliens aux documents Word avec Python
— EDA using Data Visualization techniques
— Becoming an AWS All Builders Welcome Grant Alumni Mentor: Empowering the Next Generation of Innovators
— New Features with Git Remotes
— Trabaje con sus datos en tiempo real usando Langchain
— TIL Remote in Git and TOMLLIB in Python
— Exploratory Data Analysis using Data Visualization Techniques.
— My First Pull Request in Hacktoberfest23
— documented: make docstrings in your exceptions work
— MongoDB Quick Start Guide 🍃⚡️
Посмотреть:
🌐 Разбор задачи с собеседования Data Science. Подготовка на практике (⏱ 26:12)
🌐 Cобеседование #Python топовый банк Goldman Sachs Associate на 12000 $ #задача #программирование (⏱ 01:00)
🌐 Django создание модели. Вывод даных на страницу (⏱ 13:01)
🌐 Решаем задачу с leetcode на #Golang (⏱ 00:37)
🌐 Facebook задача с собеседования на #Python на 120000 рублей #программирование #задача #код (⏱ 00:59)
🌐 Разбора задачи с собеседования #Golang (⏱ 00:22)
🌐 Задание 22 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:55)
🌐 Задание 23 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:50)
Хорошего дня!
12 375
«Ты не можешь остановить восстание машин, но ты можешь его возглавить»
13 ноября в Слёрм стартует поток «Профессия Data Scientist».
Эксперты курса:
⚡️Иван Аникин, Team Lead Yandex.Edadeal
⚡️Владимир Бугаевский, Team Lead СберМаркет
Они расскажут, как создавать алгоритмы, которые автоматизируют труд и заставляют компьютеры «думать» самостоятельно.
Посмотреть подробную программу можно на сайте Слёрм
На курсе вы сможете научиться:
✔️анализировать и визуализировать большие объёмы данных;
✔️сводить бизнес-задачу в задачу машинного обучения;
✔️работать с данными разных типов.
Мы поможем уверенно стартовать в профессии: в конце обучения вы сможете сделать итоговый проект на реальных данных.
Записаться на курс можно по ссылке
Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Как сделать вашего телеграм-бота лучше? Конечно, добавить ему аналитику
— Microsoft предлагает БЕСПЛАТНЫЕ онлайн курсы с сертификацией
— 7 шагов по контейнеризации Python-приложений
— MySQL в Google Colab: Бесшовная интеграция
— Сделали по красоте: победители «Конкурса красоты кода»
— Перелом в судьбе змеи: как Python менял версию с 2 на 3
— Как найти популярные NFT коллекции в блокчейне TON — ранжируем коллекции c помощью индексатора dton.io и Python
— Летадло, предисловие
— Python + PIL + Pyrogram = Кастомные эмодзи для Telegram
— S.T.A.R.K. — первый фреймворк для создания голосового ассистента
— Пишем компилятор C в 500 строках Python
— Dragon Userbot — расширение возможностей Вашего Telegram-аккаунта до уровня, ограниченного лишь Вашей фантазией
— Получаем список товаров из чека ИФНС (Raspberry + FreePBX + telegram + sheets)
— Conquer MS-101: Dumpsarena Offers Reliable Study Materials
— How to Easily Try Out boto3 Interactively in AWS CloudShell
— Kafka Ease: Simplifying Kafka Topic and ACL Management
— A Python script to see my most watched YouTube videos
— No One Expects the self._spanish_inquisition (Because it’s protected)
— My Experience learning Python and SQL
— Lovely Silk
— My first contribution to other open source project
— Data Science Essentials: Your Path to Effective Dataframe Joins with Pandas
— Customizing RAG Pipelines to Summarize Latest Hacker News Posts with Haystack 2.0 Preview
Посмотреть:
🌐 Python Matplotlib. Визуализация данных на PRO уровне. (⏱ 24:43)
🌐 Устраиваемся на работу. Решаем тестовое задание на позицию Python Junior. (⏱ 20:28)
🌐 Уроки Golang с нуля /#29 - Дженерики/обобщения (⏱ 10:52)
🌐 Уроки Golang с нуля /#30 - Горутины (⏱ 08:09)
🌐 Революционный генератор музыки на основе искусственного интеллекта (⏱ 00:12)
🌐 Серьезные проблемы с безопасностью в телеграм! (⏱ 00:24)
🌐 Задание 14 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:19)
🌐 Задание 16 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:09)
🌐 Задание 15 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:23)
🌐 Задание 17 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:17)
Хорошего дня!
