Python/ django

Что спрашивают на собеседовании у Middle Python-разработчика? Уже завтра, 11 февраля в 19:00 мск — бесплатное открытое собеседование в прямом эфире! Интервьюер Савва Демиденко, ex. TechLead в Яндексе, Авито и другом русском бигтехе будет задавать реальные вопросы и задачи разработчику-добровольцу. В конце — время вопросов ментору из зала. Что узнаешь на эфире: ✅ Какие вопросы задают на собеседованиях и зачем ✅ Как подготовиться, чтобы получить достойный оффер ✅ Чего ждут от кандидатов на Middle Python Запишись на эфир в боте ШОРТКАТ → @shortcut_py_bot Реклама. ООО "ШОРТКАТ", ИНН: 9731139396, erid: 2VtzqwFxJ1j

🖥 python-benedict — это расширение стандартного словаря Python, предоставляющее дополнительные возможности для удобной работы с данными! 💡 Ключевые особенности включают поддержку доступа к значениям по списку ключей (keylist), доступ к вложенным данным с использованием разделителей (keypath), а также доступ к элементам словаря через атрибуты (keyattr). Кроме того, библиотека предлагает встроенные методы для чтения и записи данных в различных форматах, таких как JSON, YAML, XML, CSV, INI, TOML, HTML, Base64, а также работу с файлами Excel и строками запросов. 🔐 Лицензия: MIT 🖥 Github @pythonl

🔬MedRAX: новаторский ИИ-агент, разработанный для медицинских задач! Что такое MedRAX? MedRAX - это первый универсальный ИИ-агент, который объединяет современные инструменты для анализа рентгеновских снимков грудной клетки и мультимодальные большие языковые модели в единую структуру, позволяющую динамически обосновывать сложные медицинские запросы без дополнительного обучения. 🎯 Чем хорош именно MedRAX? Хотя специализированные модели ИИ отлично справляются с конкретными задачами рентгенографии грудной клетки, они часто не справляются с комплексным анализом и могут выдавать неточные рекомендации . Многим медицинским работникам нужна единая, надежная система, способная обрабатывать сложные запросы, сохраняя при этом точность. MedRAX призван стать таким инструментом 🛠️ Интегрированные инструменты: - Визуальный контроль качества: CheXagent и LLaVA-Med - Сегментация: MedSAM & ChestX-Det - Формирование отчетов: CheXpert Plus - Классификация: TorchXRayVision - Grounding Maira-2 - Синтетические данные: RoentGen 💡 Ключевые особенности: - Бесшовная интеграция специализированных медицинских инструментов с мультимодальными рассуждениями на основе больших языковых моделей. - Динамическая оркестровка: Интеллектуальный выбор и координация инструментов для сложных запросов. - Клиническая направленность: Разработан для реальных медицинских процессов. 📊 ChestAgentBench: Разработчики также выпустили ChestAgentBench, комплексный эталон медицинского агента, созданный на основе 675 клинических случаев, проверенных экспертами, и включающий 2500 сложных медицинских запросов по 7 категориям. 🎉 Результаты говорят сами за себя: - 63,1% точности на ChestAgentBench - Sota результативность на CheXbench - Превосходит как универсальные, так и специализированные медицинские модели ▪Paper: https://arxiv.org/abs/2502.02673 ▪Github: https://github.com/bowang-lab/MedRAX @ai_machinelearning_big_data #ai #agents #ml #opensource #med #medicine

🖥 Ollama Python — это библиотека, предназначенная для интеграции проектов на Python версии 3.8 и выше с платформой Ollama! 🌟 Она предоставляет простой интерфейс для взаимодействия с языковыми моделями, такими как Llama 3.2, позволяя разработчикам легко интегрировать возможности обработки естественного языка в свои приложения. 🔐 Лицензия: MIT 🖥 Github @pythonl

Доклады, нетворкинг и облачные технологии — всё на K2 Cloud Conf. Ребята из K2 Cloud сделали свою конференцию, где поделятся всем про облака: как подключаться к ним без компромиссов в безопасности, автоматизировать процессы с помощью PaaS, а также расскажут о новом типе сетевых дисков – всё это и не только! Встречаемся 4-го марта. Подробности и регистрация по ссылке

🖥 Fastcore — это библиотека Python, расширяющая возможности языка для работы с библиотекой fastai! 💡 Она включает функции для тестирования, многократной диспетчеризации, композиции объектов и функционального программирования. Fastcore добавляет возможности из других языков, таких как множественная диспетчеризация из Julia и mixins из Ruby, а также улучшает стандартные возможности Python, такие как параллельная обработка. 🔐 Лицензия: Apache-2.0 🖥 Github @pythonl

🖥 httpdbg — это инструмент с открытым исходным кодом, предназначенный для отладки HTTP(S)-запросов в Python-программах! 🌟 Он позволяет разработчикам перехватывать и анализировать HTTP(S)-клиентские запросы, выполняемые их приложениями, без необходимости вносить изменения в исходный код. Для использования достаточно запустить программу с помощью команды pyhttpdbg вместо стандартного python, после чего можно просматривать перехваченные запросы через веб-интерфейс по адресу http://localhost:4909. 🔐 Лицензия: Apache-2.0 🖥 Github @pythonl

Вы тоже сможете вырасти до хардового аналитика уровня Middle+. Как? Добавьте к своим скилам навыки в проектировании архитектуры и интеграций веб-сервисов! Два месяца назад мы уже писали про этот курс. Сейчас пишем еще раз, потому что у курса вышло полезное обновление, уже доступное ученикам, независимо от того, когда они его купили. ————— 📚 Первое: в портфолио включили примеры интеграций от крупных BigTech-компаний. Это позволит вам понять, как технологии применяются в реальных бизнес-контекстах. 🌐 Второе: обновили портфолио. Теперь в нём есть задания повышенного уровня сложности для каждой темы. Это небольшие реальные проекты, с помощью которых можно не только проверить, но и улучшить свои навыки! ✔️Третье: вышел новый модуль про проектирование баз данных - нормализация, транзакции, основы DWH, индексы. 💬Четвертое: стал активен чат учеников (общение, обмен опытом, помощь внутри сообщества) ————— • Результат после прохождения курса: 15 рабочих проектов в портфолио-резюме • Доступ к урокам и всем обновлениям останется навсегда • Фундаментальная база • Всю программу и отзывы смотрите в боте курса Когда перейдете в бот курса, то получите бесплатные открытые уроки по архитектуре и интеграциям. Польза 👇 @studyit_help_bot Скидка на курс от канала — 1 000₽ на Stepik по промокоду PYTHONL2 до 28 февраля.

🐼 Pandas умирает медленной и мучительной смертью. Это самая популярная в мире библиотека обработки данных, но она медленная, и многие библиотеки значительно превзошли ее. Проблема альтернатив Pandas в том, что никто не хочет изучать новый API. Давайте посмотрим правде в глаза: люди не будут переносить свои проекты, га другие фреймворки, без особой причины. Я уже давно работаю с FireDucks 🦆 Эта библиотека в разы быстрее Pandas, и вам не придется менять код старых проектов для перехода на нее. Вы можете изменить *одну* строку кода и весь остальной код будет работать на FireDucks : > import fireducks.pandas as pd Вы также можете запустить свой код *не* изменяя ни одной строки, используя хук: $ python -mfireducks.imhook yourfile[.]py FireDucks — это многопоточная библиотека с ускорением компилятора и полностью совместимым с pandas API. Она быстрее, чем Polars. Ниже приведена ссылка на некоторые бенчмарки, сравнивающие Pandas, Polars и FireDucks. FireDucks побеждает с отрывом. ⛓️Здесь находится репозиторий FireDucks на GitHub: https://github.com/fireducks-dev/fireducks ⛓️Если вы хотите пощупать либу, откройте этот пример: https://github.com/fireducks-dev/fireducks/tree/main/notebooks/nyc_demo ⛓️Если вы хотите сравнить FireDucks с Polars и Pandas, вот еще один блокнот: https://github.com/fireducks-dev/fireducks/blob/main/notebooks/FireDucks_vs_Pandas_vs_Polars.ipynb ⛓️И наконец, бенчмарки, с которыми стоит ознакомиться: https://fireducks-dev.github.io/docs/benchmarks/ #fireducks #Pandas #dataanalysis #datascience #python #opensource

⚡️ Surprise Создание надежной рекомендательной системы с нуля может занять много времени и большого объема кода. Surprise упрощает процесс и позволяет создавать рекомендательные системы с минимальным кодом, предоставляя встроенные алгоритмы, готовый датасет и встроенную оценку модели. ▪ Github ▪ Пример @pythonl

⚡️ Surprise Создание надежной рекомендательной системы с нуля может занять много времени и большого объема кода. Surprise упрощает процесс и позволяет создавать рекомендательные системы с минимальным кодом, предоставляя встроенные алгоритмы, готовый датасет и встроенную оценку модели. ▪ Github ▪ Пример @pythonl

"Поступашки — ШАД, Стажировки и Магистратура", - лучше гайд в мире образования и карьеры. Канал ведут преподаватели Яндекса, ВШЭ и ШАД. Внутри: 🔺Слив вопросов с собеса в Яндекс 🔺Как бесплатно вкатиться в айти 🔺Подборка топовых магистратур по Data Science ...и еще море полезнейшего контента. Я жалею, что не нашел этот канал раньше. Подписывайтесь, потом сами себе спасибо скажете: ⬇️ @postypashki_old

🖥 reaktiv Python Version PyPI Version License Если вы работали с современными фронтенд-фреймворками, такими как React, Vue или Angular, вы знакомы с мощью реактивного управления состояниями. Это магия, лежащая в основе динамических пользовательских интерфейсов и систем реального времени. Но почему Python должен упускать преимущества реактивности? reaktiv привносит эти преимущества реактивного программирования в ваши Python-проекты. pip install reaktiv ▪Github #python #frontend #react #opensource

⭐️ Python 1.0.0 был выпущен 31 год назад https://www.reddit.com/r/Python/comments/1ibxols/python_100_released_31_years_ago_today/?rdt=38247

🖥 web2py — это фреймворк для веб-приложений с открытым исходным кодом, написанный на Python! 🌟 Он предназначен для быстрой разработки безопасных веб-приложений, управляемых базами данных, и предоставляет полный стек инструментов, включая генерацию HTML, обработку запросов, управление сессиями, а также абстрактный слой работы с базами данных (DAL), который поддерживает различные СУБД, такие как SQLite, MySQL, PostgreSQL и другие. 🖥 Github @pythonl

Хотите создать устойчивое к нагрузкам масштабируемое приложение? Ключевой элемент при проектировании микросервисов – правильная интеграция брокеров сообщений с микросервисной архитектурой. На открытом вебинаре «Как эффективно использовать брокеры сообщений в микросервисной архитектуре?» вы научитесь: - Повышать производительность системы, настраивать взаимодействие между микросервисами, правильно работать с очередями сообщений - Связывать различные слои приложений с помощью брокеров сообщений - Проектировать решения с учётом масштабируемости и отказоустойчивости - Эффективно управлять инфраструктурой сообщений RabbitMQ и Apache Kafka А также увидите примеры кода и познакомитесь со случаями использования брокеров сообщений. Будет интересно: бэкенд и фулстек-разработчикам, системным аналитикам, девопс-инженерам. Спикеры: Сергей Прощаев, Java-разработчик в ПАО «Сургутнефтегаз». Бонус! Всем участникам – скидка 5% и эксклюзивные материалы от спикера. 6 февраля, 19:00 МСК Записаться - https://otus.pw/4Ues/?erid=2W5zFJDZrtp Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🖥 MicroPie — это ультра-микро веб-фреймворк на языке Python, разработанный для создания веб-приложений с минимальными усилиями! 🌟 Он поддерживает асинхронные веб-приложения благодаря реализации спецификации ASGI и обеспечивает высокую производительность и гибкость. Среди ключевых возможностей MicroPie — автоматическое сопоставление URL с функциями, управление сессиями с использованием cookies, поддержка шаблонов через Jinja2 (если установлена), а также минимальные зависимости, что упрощает разработку и развертывание приложений. 🔐 Лицензия: BSD-3-Clause 🖥 Github @pythonl

🌟 Model2Vec: создание компактных и быстрых моделей на основе Sentence Transformer. Model2Vec - библиотека для создания компактных и быстрых моделей на основе предобученных Sentence Transformer моделей. Model2Vec позволяет создавать эмбединг-модели слов и предложений, которые значительно меньше по размеру, но при этом сопоставимы по производительности с исходными Sentence Transformer моделями. Отличительные особенности: 🟢быстрая дистилляция, процесс создания модели занимает несколько минут; 🟢быстрый инференс, в 500 раз быстрее на CPU относительно родительской модели; 🟢BYOM и BYOV, можно использовать на любой Sentence Transformer модели с любым словарем; 🟢мультиязычность, все что нужно - только мультиязычная модель в качестве источника; 🟢интеграция с Huggingface, загрузка\выгрузка моделей привычными from_pretrained и push_to_hub. Пайплайн Model2Vec трехэтапный. На первом этапе словарь пропускается через модель Sentence Transformer для получения векторов эмбедингов для каждого слова. Далее, размерность полученных эмбеддингов сокращается с помощью метода главных компонент (PCA). Наконец, применяется zipf-взвешивание для учета частотности слов в словаре. Model2Vec работает в двух режимах: 🟠Output, в котором модель работает подобно Sentence Transformer, используя subword токенизацию; 🟠Vocab, в котором создается набор статических эмбедингов слов, аналогично GloVe или Word2Vec. Оценку производительности Model2Vec делали на наборе данных MTEB на задачах PEARL (оценка качества представления фраз) и WordSim (оценка семантической близости слов). Результаты показывают, что Model2Vec превосходит по производительности GloVe и модели, основанные на WordLlama по всем задачам оценки. ▶️Пример дистилляции:

from model2vec.distill import distill

# Choose a Sentence Transformer model
model_name = "BAAI/bge-base-en-v1.5"

# Distill the model
m2v_model = distill(model_name=model_name, pca_dims=256)

# Save the model
m2v_model.save_pretrained("m2v_model")

▶️Пример инференса:

from model2vec import StaticModel

# Load a model from the HuggingFace hub, or a local one.
model_name = "minishlab/M2V_base_output"
# You can optionally pass a token if you're loading a private model
model = StaticModel.from_pretrained(model_name, token=None)

# Make embeddings
embeddings = model.encode(["It's dangerous to go alone!", "It's a secret to everybody."])

📌Лицензирование : MIT License. ▪Набор моделей ▪GitHub @pythonl #AI #ML #LLM #Embedding #Model2Vec #python

📞 bpytop — это современный инструмент мониторинга ресурсов, который работает на Linux, macOS и FreeBSD! 💡 Он отображает данные об использовании процессора, памяти, дисков, сети и запущенных процессов в удобном и визуально привлекательном интерфейсе. Написанный на Python, bpytop предлагает гибкие возможности настройки и легкость использования, включая полную поддержку управления с помощью мыши. 🌟 Инструмент отличается быстрым откликом, интуитивным управлением и визуализацией системных данных в реальном времени. Пользователи могут настроить интерфейс, выбирая цветовые схемы, управлять процессами прямо из меню, отслеживать сетевые подключения и даже работать с несколькими устройствами одновременно. 🔐 Лицензия: Apache-2.0 🖥 Github @pythonl

🖥 Способ, как нарисовать бабочку в консоли с помощью Python! @pythonl