Python 🇺🇦

Я тільки що відкрив для себе schemdraw — бібліотеку Python, яка перетворює код на акуратні та наочні електричні схеми. Більше ніякого перетягування проводів у незручних графічних інтерфейсах користувача. Чистий код для резисторів, логічних елементів тощо. Повна кастомізація всіх елементів. pip install schemdraw і можна починати малювати. Python'er

Жиза Python

Шпаргалка NumPy: основи масивів ndarray, створення й типи даних, індексація та зрізи, векторизовані операції, агрегування (mean, sum, std), булева логіка, сортування, робота з випадковими числами та базові перетворення форм Python

Енергоефективний транспайлер Python → Rust Depyler перетворює код у швидкий і безпечний Rust, знижуючи енергоспоживання на 75–85%. Підтримує тестування, CI/CD та інтеграцію з AI Python

Flask – створюємо вебдодаток У відео створюється простий вебдодаток на Python: маршрути, шаблони, обробка форм Python

Колеги, запам'ятовуємо 😁 @co_media

Шукаєш ідеї та готові рішення для LLM-проєктів? Є корисний репозиторій — awesome-llm-apps. Це збірка production-готових AI-додатків, які можна запускати вже сьогодні

Всередині: • RAG-проєкти з готовим кодом • приклади AI-агентів • мультимодальні застосунки • базова архітектура для AI-SaaS

Тут немає «Hello World» і іграшкових демо — тільки реальні апки з логікою, інтеграціями й нормальною архітектурою Python

Правда Python

awesome-ai-memory При розробці агентів штучного інтелекту найбільш болючою темою є те, як надати великій моделі нормальну "довгу пам'ять". На ринку є безліч варіантів: векторні бази даних, графові бази даних, різні фреймворки пам'яті. Від вибору швидко починає боліти голова. На GitHub натрапив на проект awesome-ai-memory. Це, по суті, огляд інструментів навколо пам'яті штучного інтелекту, зібраних в одному місці. Інструменти чітко розділені на open-source і closed-source, зручно відразу відсіяти те, що не хочеться затягувати в продакшн з причин контролю і ліцензій. Є порівняння за базовою архітектурою сховища: Graph, Vector або гібрид (і те, і інше). Це прямо в точку, тому що зазвичай вибір залежить саме від цього. Далі все розкладене по категоріям: компоненти пам'яті, фреймворки розробки, оптимізатори і базові сховища, щоб шукати не за назвою, а за завданням. Список оформлений у вигляді таблиці: видно ключові відмінності між популярними проектами, такими як Cognee, Mem0, Zep і т. д., щоб не блукати у виборі інфраструктури. Якщо ви зараз будуєте AI-додаток або вивчаєте RAG-архітектуру, цю штуку дійсно варто зберегти як шпаргалку. 📁 Мова: #Python 100% ⭐️ Зірки: 434 ➡️ Посилання на GitHub Github'er

Розробник повністю відтворив архітектуру GPT-OSS-20B, написавши всі компоненти власноруч — без готових блоків. І все це працює на одній A100 SXM (80GB)

Що реалізовано: ▪️ RoPE з YaRN + NTK-by-parts для масштабування контексту ▪️ RMSNorm ▪️ SwiGLU з clamp’ом і residual-зв’язками ▪️ Mixture-of-Experts (MoE) ▪️ Self-Attention з оптимізацією через GQA ▪️ Learned sinks ▪️ Banded (ковзне вікно) attention ▪️ Підтримка KV-кешування

Бонус: є детальна документація з теорією кожного модуля + інструкції з налаштування та інференсу Python

❤️❤️❤️ Python'er

Шпаргалка “Python Syllabus”: навчальний план з Python — бази (типи даних, функції, колекції, цикли), ООП (класи, об’єкти, наслідування, винятки) та скриптинг (рядки, файли, командний рядок, аргументи) Python

Опануй Python разом з University of Helsinki • отримаєш офіційний сертифікат після завершення • пройдеш шлях від повного нуля до впевненого рівня • 14 насичених модулів із практичними завданнями Курс чекає на тебе тут Python

П’ята година дебагу: вирішив піти на обід, поки все горить Python