متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Библиотека Python разработчика | Книги по питону
الذهاب إلى القناة على Telegram
Погружение в CPython и архитектуру. Разбираем неочевидное поведение (GIL, Memory), Best Practices (SOLID, DDD) и тонкости Django/FastAPI. Решаем задачи с подвохом и оптимизируем алгоритмы. 🐍 По всем вопросам @evgenycarter РКН clck.ru/3Ko7Hq
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Библиотека Python разработчика | Книги по питону
تُعد قناة Библиотека Python разработчика | Книги по питону (@bookpython) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 18 315 مشتركاً، محتلاً المرتبة 7 320 في فئة التكنولوجيات والتطبيقات والمرتبة 36 932 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 18 315 مشتركاً.
بحسب آخر البيانات بتاريخ 09 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -86، وفي آخر 24 ساعة بمقدار -2، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 5.56%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.70% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 019 مشاهدة. وخلال اليوم الأول يجمع عادةً 494 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 2.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل numbers, yield, модуль, none, декоратор.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Погружение в CPython и архитектуру. Разбираем неочевидное поведение (GIL, Memory), Best Practices (SOLID, DDD) и тонкости Django/FastAPI. Решаем задачи с подвохом и оптимизируем алгоритмы. 🐍
По всем вопросам @evgenycarter
РКН clck.ru/3Ko7Hq”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 10 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
18 315
المشتركون
-224 ساعات
-217 أيام
-8630 أيام
أرشيف المشاركات
Пишем приложение на Python для интерактивной визуализации графов с NetworkX, Plotly и Dash
Говорят, хорошая визуализация данных лучше тысячи слов о них, и с этим трудно спорить.
Эта статья посвящена написанию приложения на Python для интерактивной визуализации графов. В первой части представлен краткий обзор использованных средств и библиотек, а также свойства приложения. Во второй половине — технические детали, касающиеся использования NetworkX, Plotly и Dash, и собственно код.
Rus https://habr.com/ru/articles/728256/
Eng https://towardsdatascience.com/python-interactive-network-visualization-using-networkx-plotly-and-dash-e44749161ed7
@BookPython
Профессия Разработчик игр на Unreal Engine с 0 до Middle
Вы освоите игровой движок Unreal Engine и язык C++. Соберёте портфолио и сможете применить свои навыки в геймдеве, киноиндустрии, архитектуре, промышленности, медицине и многих других сферах!
Узнать больше
#реклама 16+
skillbox.ru
О рекламодателе
Нейронная сеть с нуля
Нейронные сети все больше доминируют в области машинного обучения / искусственного интеллекта: самые сложные модели для компьютерного зрения (например, CLIP), обработки естественного языка (например, GPT-3), перевода (например, Google Translate) и многое другое основано на нейронных сетях. Когда эти искусственные нейронные сети достигают некоторого произвольного порога количества нейронов, мы называем это глубоким обучением.
https://sirupsen.com/napkin/neural-net#ok-so-you-just-implemented-the-most-complicated-average-function-ive-ever-seen
@BookPython
❓Как эффективно визуализировать данные на Python?
Если вы хотите создавать современные графики на Python, вам просто необходимо знание библиотеки Matplotlib. Более того, такой скилл будет огромным плюсом на собеседованиях для позиции аналитика данных.
🔹Изучите технологию на бесплатном открытом уроке «Введение в визуализацию данных с Matplotlib» от OTUS.
Дата: 9 октября в 20:00 МСК
Урок приурочен к старту курса «Python для аналитики».
🔹Темы вебинара:
- Основы matplotlib: архитектура и интерфейсы;
- Создание базовых типов графиков: линейные, столбчатые, круговые;
- Персонализация графиков: выбор цветов, стилей и добавление легенды;
- Составные графики: работа с несколькими осями и комбинированные диаграммы;
- Эффективное использование matplotlib для представления больших объемов данных.
Продолжить обучение можно на онлайн-курсе доступном в рассрочку
👉Зарегистрироваться
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Декораторы Python: пошаговое руководство
Понимание декораторов является важной вехой для любого программиста Python. Эта статья представляет собой пошаговое руководство о том, как декораторы могут помочь вам стать более эффективным и продуктивным разработчиком на Python.
Декораторы в Python позволяют расширять и изменять поведение вызываемых объектов (функций, методов и классов) без постоянного изменения самого вызываемого объекта.
Любая достаточно общая функциональность, которую можно «прикрепить» к поведению существующего класса или функции, является отличным примером использования декораторов.
Сюда входит:
- журналирование,
- обеспечение контроля доступа и аутентификации,
- инструментарий и функции управления временем,
- ограничение скорости,
- кэширование и многое другое.
Rus https://habr.com/ru/companies/otus/articles/727590/
Eng https://dbader.org/blog/python-decorators
@BookPython
Repost from Книги по Python | Books Python 📚
Python NumPy for Beginners: NumPy Specialization for Data Science
Автор: AI Publishing (2022)
Эта книга представляет вам практический и простой подход к быстрому изучению Python и NumPy. Эта книга отличается от других, поскольку вам предстоит не просто читать, а многое делать. За каждой теоретической концепцией следуют практические примеры, что облегчает ее освоение.
Пошаговая схема этой книги упрощает процесс обучения. Автор приложил максимум усилий для того, чтобы то, что вы узнаете, закрепилось в памяти. В конце каждой из 11 глав есть короткие упражнения для проверки ваших знаний теоретических концепций, которые вы изучили.
Скачать
👉 @python_360
Курс «Excel + Google Таблицы с нуля до PRO»
Обучение Excel для начинающих. Курс для тех, кто не любит рутину и хочет автоматизировать работу. Вы научитесь оперативно составлять сложные отчёты и строить прогнозы. Сможете работать в таблицах быстрее с помощью скриптов и макросов. Освободите время для других задач.
Перейти на сайт
#реклама 16+
skillbox.ru
О рекламодателе
Messaging для чайников. Утилизируем все возможности RabbitMQ на Python
Всем привет! Буквально недавно мне пришлось изучить всю официальную документацию RabbitMQ и множество статей разного качества на тему разных видов маршрутизации в этом брокере.
Оказалось, что материала на эту тему много, но он либо объясняет совсем базовые случаи, либо уходит в такие дебри, которые крайне далеки и тяжелы для человека, который хочет "просто разобраться".
Простых и понятных примеров на Python тоже мало, так как они заставляют вас вникать в код библиотеки, а не особенности RabbitMQ. Для человека, который видит что-то pika-подобное первый раз, это может быть испытанием.
Поэтому я и решил написать эту статью: она нацелена на "чайников" - вы легко можете показать ее вашим джунам, и этого уже должно быть достаточно для начала работы с RabbitMQ.
https://habr.com/ru/articles/743192/
@BookPython
Кредитная карта Тинькофф с лимитом до 1 000 000 рублей!
Бесплатные переводы до 50 000 ₽ на карты других банков без подписки Tinkoff Pro и до 100 000 ₽ с подпиской. Рассрочка на покупки в любых магазинах. Лимит до 1 000 000 ₽. 120 дней без %. Кэшбэк до 30% бонусами за покупки у партнеров Тинькофф. Решение за 2 минуты. Доставим карту на дом!
Подать заявку
#реклама
tinkoff.ru
О рекламодателе
Предварительная обработка данных с помощью библиотеки Pandas (Задача)
В современном мире большинство бизнес-процессов связаны с обработкой больших объемов данных, получаемых от различных источников. Часто эти данные содержат ошибки, дубликаты и пропуски, что может привести к неверным выводам и решениям. Одним из инструментов, которые позволяют очистить и преобразовать данные, является библиотека pandas для языка программирования Python.
Я собираюсь рассмотреть задачу по очистке данных с помощью pandas. Для этого возьмем данные, содержащие дубликаты строк, неправильные типы данных, пропуски и отрицательные значения. Затем я буду использовать функциональные возможности pandas для очистки и преобразования этих данных в форму, пригодную для дальнейшего анализа.
Предположим, у вас есть набор данных, содержащий информацию о продажах компании за последние несколько лет. Но данные не очень чистые, и вы заметили, что есть некоторые проблемы с форматированием и некоторые строки содержат ошибки.
Задача: Необходимо очистить данные о продажах компании за последние несколько лет с помощью библиотеки Pandas.
https://habr.com/ru/articles/727228/
@BookPython
Курс «DevOps для эксплуатации и разработки» от Яндекса
За 6 месяцев обучения освоите принципы DevOps и автоматизацию процесса разработки.
Зарегистрироваться
#реклама 16+
practicum.yandex.ru
О рекламодателе
Repost from Книги по Python | Books Python 📚
Machine Learning Pocket Reference
Working with Structured Data in Python
Matt Harrison (2019)
Книга идеально подходящая для программистов, аналитиков данных и инженеров искусственного интеллекта, содержит обзор процесса машинного обучения и знакомит вас с классификацией структурированных данных. В книге рассматриваются различные библиотеки и модели, их компромиссы, настройка и интерпретация. Кроме всего прочего вы изучите методы кластеризации, регрессии и уменьшения размерности. При использовании книги "Машинное обучение: карманный справочник" предполагается знание языка программирования Python. В книге демонстрируется, как использовать различные вспомогательные библиотеки Python для решения реальных задач МО.
Скачать
👉 @python_360
250+ советов по Python и Data Science, охватывающих Pandas, NumPy, основы ML, Sklearn, Jupyter и многое другое.
https://medium.datadriveninvestor.com/250-python-and-data-science-tips-covering-pandas-numpy-ml-basics-sklearn-jupyter-and-more-e33074b92d58
@BookPython
Linux - это операционная система, которая объединяет людей со всего мира в общем стремлении создавать и делать удивительные вещи.
Присоединяйтесь к 🐧 linux_sup и используйте всю мощь 💪 свободного программного обеспечения для достижения своих целей.
Здесь вы найдете информацию по командной строке и ОС в целом. Наш телеграм-канал предоставляет всё, что нужно знать от Linux-админа до Python-программиста, чтобы оставаться в курсе событий и идти в ногу с меняющимися требованиями мира ИТ. https://t.me/linux_sup
Создаем прогресс-бар на Python
Прогресс-бары считаются важными элементами при разработке программного обеспечения, поскольку они обеспечивают обратную связь о ходе выполнения операций и задач. Поэтому в этой заметке мы рассмотрели несколько методов создания индикаторов прогресса в Python.
https://www.geeksveda.com/python-progress-bar/
@BookPython
REST API на основе Snake (Python, Mamba, Hydra и Fast API)
Сегодня я хочу попробовать что-то новое и начну исследовать мир Python. В этой статье представлен пошаговый туториал по реализации простого REST API при помощи Python, Fast API, Hydra и Mamba. Более того, я вкратце опишу, как упаковать всех этих змей в один образ Docker и заставить их работать вместе. Весь код выложен на моём GitHub.
Давайте начнём с кратного объяснения того, почему я решил выбрать эту тему.
Rus https://habr.com/ru/companies/ruvds/articles/685302/
Eng https://dzone.com/articles/snake-based-rest-api
@BookPython
Хочешь стать психологом? Стань лучше - коучем!
Вы можете совершенно бесплатно обучиться основам коучинга и примерить на себя эту профессию на нашем онлайн-курсе «Профессия коуч»:
Это 5 видео-уроков от коучей высшего уровня MCC ICF Ольги Рыбиной и Юрия Мурадяна:
1. Что такое коучинг
- чем отличается от психотерапии и тренингов
- зачем нужен
2. Кто такой коуч
- треугольник коуча
- карьера и деньги в коучинга
3. Запись реальной коуч-сессии с клиентом
- как работать с популярным запросом
- коучинговые техники
4. Принципы эффективной коммуникации
- что такое коммуникация
- критерии, барьеры, способы создания
5. Как правильно делегировать
- ошибки
- разница приказа и делегирования
Чтобы попасть на курс "Профессия коуч" и узнать, что такое коучинг и как его применять, переходите по ссылке и жмите "Получить доступ"
Зарегистрироваться
#реклама
5prismlearn.com
О рекламодателе
Быстрее, больше, сильнее: фреймворки Python с параллельной обработкой данных
Многие разработчики любят Python за простоту и удобство, но вот быстротой обработки данных этот язык программирования никогда не отличался. Во многом эти ограничения скорости связаны с его эталонной реализацией cPython, которая является однопоточной.
И хотя в Python есть встроенный модуль потоковой обработки, его использование даст нам только параллелизм. Это не поможет ускорить несколько задач, каждая из которых требует полной загрузки ЦП.
Есть у «змеиного языка» и собственный модуль многопроцессорности, который запускает несколько копий интерпретатора Python на отдельных ядрах и предоставляет примитивы для разделения задач между ядрами. Но для по-настоящему сложных задач, например, обработки больших наборов данных в машинном обучении, даже многопроцессорности недостаточно.
Когда требуется распределить задания не только между несколькими ядрами, но и между несколькими машинами, в игру вступают специальные библиотеки и фреймворки Python, реализующие параллельную обработку данных. Они позволяют взять существующее приложение Python и распределить нагрузку между несколькими ядрами, несколькими машинами или комбинировать оба варианта.
https://habr.com/ru/companies/first/articles/724776/
@BookPython
Познакомьтесь с фреймворком Spark
Spark — фреймворк, позволяющий работать очень быстро. Уменьшив количество циклов чтения-записи на диск и сохраняя промежуточные данные в памяти, этот инструмент запускает приложения в сто раз быстрее в памяти и в десять раз быстрее на диске по сравнению с Hadoop.
Изучите эту технологию на бесплатном открытом уроке «Apache Spark Python API» от OTUS и получите конкурентное преимущество в трудоустройстве.
https://clck.ru/35t7Pm
На эфире:
- Познакомимся с фреймворком распределенной обработки данных Spark API и работой с ним в Python;
- Изучим архитектуру приложений и запуск заданий;
- Ответим на все вопросы.
Занятие пройдёт 28 сентября в 20:00 мск в рамках курса «Data Engineer», партнёром которого выступает Yandex.Cloud.
Пройдите бесплатное вступительное тестирование прямо сейчас и зарегистрируйтесь на событие! https://clck.ru/35t7Pm
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Пора забывать GridSearch — встречайте ProgressiveGridSearch. Фракталы в ML, постепенно увеличиваем разрешение
Здравствуйте, меня зовут Николай Стрекопытов и я придумал как подбирать гиперпараметры бескомпромиссно лучше GridSearch’а. Нужно лишь изменить порядок вычислений. И да, это заявка на обновление индустриального стандарта - скоро вы сможете улучшить свои ML-пайплайны заменой нескольких строчек кода.
Сначала коротко
Разберем как проводит вычисления GridSearch, а как ProgressiveGridSearch. Первый перебирает все возможные комбинации стандартным вложенным циклом, то есть если нужно перебрать элементы матрицы, то первый алгоритм сначала переберет все столбцы по первой строке и только после приступит ко второй строке, то есть это просто брутфорс. Я предлагаю действовать разумнее. Постепенно увеличивать разрешение вычислений, то есть сначала получить представление о функции крупным мазками по всему диапазону, затем средними мазками, а дальше мелкими и так далее до останова (такой подход дает возможность адекватно приближать функцию в невычисленных узлах).
https://habr.com/ru/articles/726222/
@BookPython
