Python/ django

⚡️ Языки программирования и время, которое потребовалось для выпуска первой версии. Многие думают, что язык программирования можно сделать быстро. Но на практике на это уходят годы. Rust разрабатывали девять лет, Kotlin и C++ около шести, Go и Java примерно пять. Даже Python готовили два года перед первым релизом. Есть знаменитое исключение - JavaScript. Его написали всего за десять дней в 1995 году, и многие странности языка до сих пор связаны именно с такой скоростью разработки. Это хороший пример того, что создание фундаментального инструмента требует времени и большого количества экспериментов. 🦀 Rust - 9 лет (2006 → 2015) 🤖 Kotlin - 6 лет (2010 → 2016) ⚙️ C++ - 6 лет (1979 → 1985) ☕ Java - 5 лет (1991 → 1996) 🐹 Go - 5 лет (2007 → 2012) 🍎 Swift - 4 года (2010 → 2014) 🔧 C - 3 года (1969 → 1972) 🧬 Scala - 3 года (2001 → 2004) 📊 Julia - 3 года (2009 → 2012) 🐍 Python - 2 года (1989 → 1991) 🌐 JavaScript - 10 дней (1995) 💎 Ruby - 2 года (1993 → 1995) 🐘 PHP - 1 год (1994 → 1995) 🔷 C# - 2 года (1998 → 2000) 🎯 TypeScript - 2 года (2010 → 2012) 🎯 Dart - 2 года (2009 → 2011) ⚡ Elixir - 2 года (2011 → 2013) 🧠 Haskell - 3 года (1987 → 1990) 🧩 Objective-C - 1 год (1983 → 1984)

🎙 Представлена модель TADA (Text Audio Dual Alignment) - речевая AI-система нового типа. Она генерирует текст и аудио одновременно в одном синхронизированном потоке. Это позволяет снизить галлюцинации на уровне токенов и значительно уменьшить задержку. Что показали тесты: → 0 галлюцинаций контента на 1000+ тестовых примеров → в 5 раз быстрее, чем похожие LLM-решения для TTS → намного длиннее аудио: 2048 токенов покрывают ~700 секунд речи (в обычных системах около 70 секунд) → транскрипт генерируется сразу вместе с аудио без дополнительной задержки По сути, модель думает текстом и голосом одновременно, что делает генерацию речи быстрее и точнее. https://huggingface.co/collections/HumeAI/tada 🐍 Python полезные ресурсы 🚀Max @pythonl

Можно, а зачем? 🐍 Python полезные ресурсы 🚀Max @pythonl

🔍Тестовое собеседование на Middle Python с разработчиком из Авито сегодня вечером Уже сегодня вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир →@shortcut_py_bot Реклама. О рекламодателе.

🔥 Андрей Карпати выложил в open-source проект autoresearch. Идея проста, но мощная: агент может запускать до 100 ML-экспериментов за ночь на одном GPU. Он сам пишет код, запускает обучение, анализирует результат, улучшает архитектуру и сохраняет только то, что работает. Роль человека в этой системе минимальна. Всё, что нужно поддерживать — один файл `program.md`, в котором описана стратегия исследования: что исследовать, какие идеи приоритетнее, какие компромиссы важны. Агент читает этот файл, рассуждает над ним и сам решает, какой эксперимент запускать следующим. Как работает система: - автономный git-цикл — агент коммитит каждое улучшение - каждый эксперимент длится ровно 5 минут, чтобы сравнение было честным - оптимизируются архитектура, гиперпараметры и оптимизатор - человек редактирует стратегию - агент редактирует код - всё работает на одном GPU Главная мысль проекта: узкое место в AI-исследованиях - уже не вычисления, а идея эксперимента. В autoresearch этим bottleneck становится всего один файл - program.md. github.com/karpathy/autoresearch 🐍 Python полезные ресурсы 🚀Max @pythonl

Языки программирования и их инструкции импорта 🐍 Python - import module ☕ Java - import package.Class; ⚡ C - #include <stdio.h> 🛠️ C++ - #include <iostream> 🌐 JavaScript - import module from "module" 🛠️ C# - using Namespace; 🐹 Go - import "package" 🦀 Rust - use crate::module; 🐘 PHP - require "file.php"; 💎 Ruby - require "library" 🐪 Kotlin - import package.Class 🍎 Swift - import Module 🔷 TypeScript - import {x} from "module" 🧮 R - library(package) 🐚 Bash - source file.sh 🧱 Dart - import 'package:lib/lib.dart'; 🎯 Scala - import package.Class 🐼 Groovy - import package.Class 🧠 Julia - using Module 🔧 Assembly (x86 Linux) - %include "file.inc"

NiceGUI — это простой в использовании фреймворк на основе Python, который отображается в вашем веб-браузере. Вы можете создавать кнопки, диалоговые окна, Markdown, 3D-сцены, графики и многое другое. https://github.com/zauberzeug/nicegui 🐍 Python полезные ресурсы 🚀Max @pythonl

🎥 Helios: Модель генерации видео в реальном времени Helios — это передовая модель генерации видео, способная создавать высококачественные видео длительностью в минуты с частотой 19.5 FPS на одном GPU H100. Она не использует традиционные методы борьбы с дрейфом и стандартные техники ускорения, что делает её уникальной в своем роде. 🚀Основные моменты: - Генерация видео без анти-дрифтовых стратегий. - Высокая скорость 19.5 FPS без стандартных ускоряющих техник. - Оптимизация, уменьшающая потребление памяти и увеличивающая производительность. - Поддержка нескольких моделей в рамках 80 ГБ видеопамяти. - Официальная реализация с открытым исходным кодом. 📌 GitHub: https://github.com/PKU-YuanGroup/Helios

🔥 Вышла модель Qwen-Image-Layered-Control-V2 Новая версия инструмента для извлечения слоёв из изображений с управлением через кисть. Модель построена поверх оригинальной Qwen-Image-Layered-Control и позволяет точнее выделять элементы на иллюстрациях и постерах. Теперь можно управлять слоями прямо на изображении: Красная кисть показывает какой слой нужно извлечь. Зелёная кисть отмечает что нужно удалить. Если области пересекаются, они отображаются жёлтым. Также продолжает работать текстовое управление: prompt — описывает, что нужно извлечь. negative_prompt — что нужно исключить. Кисти и текст можно свободно комбинировать, что даёт больше контроля при работе со слоями. Рекомендуемые настройки: около 10 шагов инференса. Если используется управление кистью, можно поставить cfg_scale=1, чтобы значительно ускорить генерацию. Лучше всего модель работает с постерами и иллюстрациями, где объекты изначально разделены на слои. Для фотографий с тенями и сложным освещением она не предназначена. Модель обучена на датасете PrismLayersPro и распространяется как LoRA, которая загружается поверх базовой версии V1. 🟢Model: https://modelscope.ai/models/DiffSynth-Studio/Qwen-Image-Layered-Control-V2 🟢Dataset: https://modelscope.cn/datasets/artplus/PrismLayersPro 🟢GitHub: https://github.com/modelscope/DiffSynth-Studio @pythonl

OpenAI объявила о начале развёртывания новых моделей GPT-5.4 Thinking и GPT-5.4 Pro в ChatGPT. Также GPT-5.4 стала доступна разработчикам через API и в Codex. Новая версия объединяет несколько ключевых направлений развития моделей: улучшенное логическое рассуждение, более сильные возможности программирования и поддержку агентных сценариев работы. Самое интересное: • GPT-5.4 лидер в agentic tasks • заметный скачок в математике • очень сильный результат в научных задачах (GPQA) • улучшена работа с веб-средой и инструментами Фактически это модель, которую явно оптимизировали под агентов, инструменты и сложное reasoning, а не просто чат. По словам компании, GPT-5.4 стала одной из самых точных и эффективных моделей. Она требует меньше токенов для выполнения задач и работает быстрее по сравнению с предыдущими версиями. В версии ChatGPT модель GPT-5.4 Thinking получила улучшенный режим размышления: при более длительном анализе она лучше удерживает контекст и способна проводить более глубокие исследования в интернете. Появилась и новая функция управления процессом ответа. Теперь пользователь может прервать генерацию в середине ответа и изменить направление работы модели, добавив новые инструкции. Функция управления ответом уже начинает появляться в веб-версии ChatGPT и на Android. Поддержка iOS ожидается немного позже. https://x.com/openai/status/2029620624923189283?s=46 @ai_machinelearning_big_data

⚡️ Языки программирования и их for-циклы Ты когда-нибудь замечал, что почти все языки программирования выглядят по-разному, но внутри делают одно и то же? Самый простой пример — обычный цикл. В Python он читается почти как английский. В C, Java и Go он выглядит как строгая формула. В Rust и Kotlin больше похож на математическую запись. А в Assembly это вообще набор инструкций для процессора. Но смысл всегда один и тот же. Мы просто говорим компьютеру: повтори действие N раз. • 🐍 Python - for i in range(n): • ☕ Java - for(int i=0;i<n;i++){} • ⚡ C - for(int i=0;i<n;i++){} • 🛠️ C++ - for(int i=0;i<n;i++){} • 🌐 JavaScript - for(let i=0;i<n;i++){} • 🛠️ C# - for(int i=0;i<n;i++){} • 🐹 Go - for i:=0;i<n;i++{} • 🦀 Rust - for i in 0..n {} • 🐘 PHP - for($i=0;$i<$n;$i++){} • 💎 Ruby - for i in 0...n do end • 🐪 Kotlin - for(i in 0 until n){} • 🍎 Swift - for i in 0..<n {} • 🔷 TypeScript - for(let i=0;i<n;i++){} • 🧮 R - for(i in 1:n){} • 🐚 Bash - for ((i=0;i<n;i++)); do :; done • 🧱 Dart - for(int i=0;i<n;i++){} • 🎯 Scala - for(i <- 0 until n){} • 🐼 Groovy - for(int i=0;i<n;i++){} • 🧠 Julia - for i in 1:n end • 🔧 Assembly (x86 Linux) - mov ecx,n ; loop: dec ecx ; jnz loop • Один цикл — десятки языков

🔧 Инструмент для тестирования безопасности на Raspberry Pi RaspyJack — это портативный инструмент для авторизованного тестирования безопасности с интерфейсом на LCD, веб-интерфейсом и интегрированной IDE для создания полезных нагрузок. Подходит для исследований и образовательных целей. 🚀 Основные моменты: - LCD-интерфейс для управления - Категории полезных нагрузок (разведка, перехват и др.) - Веб-интерфейс для удаленного управления - Интеграция инструментов DNS-спуфинга и WiFi-атак 📌 GitHub: https://github.com/7h30th3r0n3/Raspyjack @pythonl

erid: 2W5zFH4RZRb Градиентный спуск — это фундамент, на котором держится почти всё машинное обучение (machine learning) и глубокое обучение (deep learning). Как только модель не сходится, уходит в осцилляции или застревает — без понимания механики вы остаетесь без инструментов. 12 марта в 20:00 МСК на открытом уроке мы разберём, как модель на самом деле движется по многомерному ландшафту ошибок, почему путь к минимуму редко бывает прямым и какую роль играет шаг обучения. 🚀 Вы поймёте, как выбирать коэффициент скорости обучения (learning rate), чем отличаются классический, стохастический и продвинутые варианты градиентного спуска, как диагностировать сходимость и отличать реальное обучение от блуждания. Все ключевые идеи будут показаны на наглядных примерах на языке программирования Питон (Python) — без абстракций и чёрных ящиков. ➡️ Встречаемся в рамках курса «Machine Learning». Регистрация: https://otus.pw/m7LW/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🌟 Создайте свой пиксельный офис с Star Office UI Star Office UI — это интерактивная панель для многопользовательского сотрудничества, визуализирующая статус ваших AI помощников в реальном времени. Вы можете видеть, кто чем занят, что было сделано вчера и кто сейчас онлайн. 🚀 Основные моменты: - Визуализация статусов AI: idle, writing, syncing и др. - "Вчерашние заметки" для краткого обзора выполненной работы. - Поддержка приглашения других участников в офис. - Адаптивный интерфейс для мобильных устройств. - Гибкие варианты публичного доступа. 📌 GitHub: https://github.com/ringhyacinth/Star-Office-UI #python @pythonl

Python: синтаксис тебя не убьёт. Зато логика - без предупреждения.

🎥🚀 MOVA: Инновационная генерация видео и аудио MOVA — это открытая модель, которая синхронно генерирует видео и аудио, устраняя проблемы каскадных пайплайнов. Она обеспечивает высокое качество и точную синхронизацию губ и звуковых эффектов, предлагая пользователям мощный инструмент для создания контента. 🚀Основные моменты: - Бимодальная генерация: видео и аудио создаются одновременно. - Высокая точность синхронизации губ и звуковых эффектов. - Полностью открытый исходный код и доступные веса модели. - Архитектура с асимметричными двойными башнями для лучшего взаимодействия модальностей. 📌 GitHub: https://github.com/OpenMOSS/MOVA #python

⚡️ Как изучать любой GitHub-репозиторий за 5 минут с DeepWiki Если ты открываешь чужой репозиторий и не понимаешь, с чего начать - не читай файлы вручную. Спроси код. DeepWiki автоматически строит AI-wiki для любого проекта и позволяет задавать вопросы прямо к исходникам. Как использовать: 1. Открой нужный репозиторий на GitHub 2. Замени в адресе: github.com → deepwiki.com 3. Задай вопросы: - Как устроена архитектура? - С чего начинается запуск? - Где реализована основная логика? - Как работает конкретная функция? Почему это работает: - Документация может быть устаревшей - README часто поверхностный - Код — единственный источник истины DeepWiki анализирует структуру проекта и объясняет её простым языком. Когда особенно полезно: - Быстрый онбординг в новый проект - Подготовка к собеседованию - Разбор open-source - Понимание сложных библиотек - Работа AI-агентов с кодом Главная мысль: Не читай сотни файлов — задавай вопросы репозиторию. Пример GitHub https://github.com/karpathy/nanochat // DeepWiki https://deepwiki.com/karpathy/nanochat Примеры вопросов: - How does training work? - Where is the main entry point? - How is inference implemented? - What are the key modules?

В Python 3.14 появилось решение, которое помогает избавиться от SQL-инъекций - t-strings 🔒 Проблема Когда вы используете f-strings для SQL:

query = f"SELECT * FROM users WHERE name = '{user_input}'"

пользовательский ввод напрямую попадает в запрос. Если злоумышленник передаст:

admin'; DROP TABLE users; --

— база выполнит вредоносную команду. Это классическая SQL injection. Почему это неудобно сейчас Безопасный способ — параметризованные запросы:

cursor.execute(
    "SELECT * FROM users WHERE name = %s",
    (user_input,)
)

Но приходится: • запускать шаблон отдельно • передавать значения отдельно • поддерживать две структуры Что изменилось в Python 3.14 Появились template string literals (t-strings). В отличие от f-strings, они: • не возвращают готовую строку • возвращают объект Template • отдельно хранят текст и подставленные значения Пример:

query = t"SELECT * FROM users WHERE name = {user_input}"

Теперь можно: • получить все интерполяции • проверить значения • экранировать или валидировать их • и только потом собрать финальный SQL

safe = safe_sql(query)

Результат: • вредоносный ввод очищается • SQL-инъекции блокируются • таблицы остаются на месте Почему это важно f-strings - быстрые, но опасные для SQL. t-strings позволяют сохранить удобство шаблонов и добавить контроль безопасности. Python движется к безопасным шаблонам по умолчанию, меньше ручной защиты, меньше уязвимостей в продакшене. 📲Max @pythonl

🖥 Регулярные выражения для извлечения ссылок из HTML с помощью Python Сохрани себе: извлечение всех ссылок со страницы с помощью регулярных выражений - это быстро и просто. Вот пример кода, который поможет тебе в этом.

import re
import requests
def extract_links(url):
    response = requests.get(url)
    html_content = response.text
    links = re.findall(r'href=["\']?(https?://[^"\'>]+)', html_content)
    return links
url = 'https://example.com'
all_links = extract_links(url)
print(all_links)

Ваш домен может стоить один рубль Переносите и продлевайте домены в Selectel и платите за это всего по одному рублю. Бонусом получите бесплатный DNS-хостинг и SSL-сертификаты, а еще возможность развернуть полноценную IT-инфраструктуру проекта в одном окне браузера. Успейте перенести и продлить домены в Selectel по рублю до 30.06 → Реклама. АО "Селектел". erid:2W5zFJqGwih