About Python [ru]

👩‍💻 Следим за Telegram по-деловому Полгода с бизнес-режимом в Telegram: 300 000 использований. Разбираем, как эффективно применять функцию и избежать блокировки аккаунта, сохранив доступ к миллионам сообщений. Читать...

Алоха дата сайнтисты! У нас тут интересный вебинар скоро будет который будет интересен тем кто хочет стать топовым спецом в области ИИ. О чем пойдет речь: ⚫ Расскажут о различиях между учебными заведениями, кем становятся их выпускники и как успешно решают современные задачи ИИ. Ты также сможешь задать все интересующие вопросы и узнать, как поступить в выбранную школу. Кому подойдет: ⚫ Тем, кто стоит перед выбором школы и программы ⚫ Специалистам, кто уже работает в IT, но хочет перейти в сферу ИИ ⚫ Для тех, кто хочет узнать, какие школы по ИИ существуют Гости на встрече: ⚫️ Дорн Юрий - кандидат технических наук и академический руководитель программы AI Masters; ⚫️ Дьяконов Александр - доктор физико-математических наук и профессор РАН, академический руководитель направления Data Science в Центральном университете. Если ты стремишься реализовать свои амбиции и вдохновляешься успехами компаний, таких как OpenAI и DeepMind, этот вебинар точно для тебя. Регайся на вебинар и удачи!

👩‍💻 Проверка стиля комментариев Python с помощью pre-commit В статье представлен инструмент для автоматизации проверки стиля комментариев в коде, что помогает сократить время на код-ревью. Разбираются примеры, принципы работы и случаи, охваченные линтером. Читать...

📝 Подборка вакансий для мидлов Python разработчик AI/ML сервисов • Python, JavaScript, Docker, PostgreSQL • от 275 000 ₽ | Средний (Middle) Python-разработчик (Middle) • Python, REST, Django, FastAPI, PostgreSQL, RabbitMQ, Celery, ClickHouse • от 150 000 ₽ | от 3 лет опыта Middle+ Fullstack developer (React/TS, Python/Django) • Git, Python, TypeScript, React, Django • от 800 до 1200 $ | от 2 лет опыта

⚙️ Что такое dataclasses в Python и зачем они нужны? dataclasses — это модуль, добавленный в Python 3.7, который упрощает создание классов для хранения данных. Он автоматически генерирует методы, такие как __init__, __repr__, и __eq__, на основе аннотаций типов. ➡️ Пример:

from dataclasses import dataclass

@dataclass
class Point:
    x: int
    y: int

point = Point(10, 20)
print(point)  # Point(x=10, y=20)
print(point == Point(10, 20))  # True

🗣️ В этом примере класс Point автоматически получает методы для удобной работы с объектами, что экономит время и делает код чище.

🖥 Подробнее тут

👩‍💻 Опыт Звука: как реализовать рекомендательную систему аудиокниг с использованием больших языковых моделей (LLM) В статье рассказывается, как в HiFi-стриминге «Звук» создали систему рекомендаций для аудиокниг. Разбираем подходы, алгоритмы и логику, лежащие в основе подбора похожих книг. Читать...

👩‍💻 UV как альтернатива Poetry UV — новый пакетный менеджер на Rust для Python. Быстрее Poetry, удобнее Pipenv, с контролем версий Python и современным CLI. Узнайте, как UV меняет подход к управлению зависимостями. Читать...

Онлайн-интенсив для ИТ-специалистов в Открытых школах Т1 Уже есть опыт работы в ИТ, но хочешь прокачать скилы и продвинуться в карьере? Тогда скорее залетай на бесплатный ИТ-интенсив в Открытых школах Т1. Открытые школы — это возможность усилить свои навыки и получить оффер в ИТ-холдинг Т1. И все это за месяц, онлайн и в удобное вечернее время. Что ты получишь? ✅ бесплатное обучение в гибком формате: по вечерам, онлайн, из любого города РФ и РБ. ✅ материалы от HR для прокачки резюме и подготовки к интервью в Т1. ✅ много практики и уникальный рыночный опыт. ✅ поддержку опытных преподавателей и карьерный фаст-трек до мидла в Т1 для лучших выпускников. ✅ реальный шанс получить оффер в Т1. Более 1000 специалистов уже прошли этот путь — теперь твоя очередь! Регистрация до 14 марта! Подать заявку #реклама 16+ t1.ru О рекламодателе

👩‍💻 Генератор случайных паролей с настройками Напишите функцию, которая генерирует случайный пароль заданной длины. Пароль должен быть сформирован на основе пользовательских требований: • Использовать ли цифры. • Использовать ли буквы верхнего и/или нижнего регистра. • Использовать ли специальные символы. ➡️ Пример:

password = generate_password(length=12, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=False)
print(password)
# Пример вывода: A1b2C3d4E5f6

Решение задачи🔽

import random import string def generate_password(length, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=True): if length < 1: raise ValueError("Длина пароля должна быть больше 0") # Формируем набор символов character_pool = "" if use_digits: character_pool += string.digits if use_uppercase: character_pool += string.ascii_uppercase if use_lowercase: character_pool += string.ascii_lowercase if use_specials: character_pool += "!@#$%^&*()-_=+[]{}|;:,.<>?/" if not character_pool: raise ValueError("Нужно выбрать хотя бы один тип символов") # Генерация пароля return ''.join(random.choice(character_pool) for _ in range(length)) # Пример использования password = generate_password(length=12, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=True) print(password)

👩‍💻 Почему A/B тесты — это не всегда хорошая идея? В статье рассматриваются недостатки A/B тестирования, включая его временные и ресурсные затраты, а также случаи, когда тесты оказываются неэффективными. Обсуждается, как рационально подходить к выбору этого метода. Читать...

🧠 Самые интересные статьи за последние дни: • Обвиваем YouTube змеем, или как смотреть и скачивать видео с YouTube без VPN на чистом Python-е. Часть 1 • Python: неочевидное и вероятное • Пишем свой PyTorch на NumPy. Часть 1 • Polars vs Pandas: битва титанов. Кто кого? • Telegram-бот-магазин на Python: пошаговый гайд с оплатой, каталогом и админкой (Aiogram 3 + SQLAlchemy 2)

AI и машинное обучение — это конечно круто, но сначала нужно обработать большие данные 🤓 Это можно делать в несколько кликов с помощью облачных сервисов. Как именно — покажет провайдер Cloud․ru на бесплатном вебинаре 18 февраля. О чем будут рассказывать: 😶‍🌫️как с помощью сервиса Evolution Managed Spark обрабатывать миллиарды записей; 😶‍🌫️как интегрировать Spark с Trino и Metastore; 😶‍🌫️как визуализировать обработанные данные с помощью системы BI. Будет точно полезно дата-инженерам, аналитикам данных и всем, кто интересуется архитектурой распределенных систем и хочет узнать больше о работе с большими данными. Зарегистрироваться можно здесь 👈

👩‍💻 Хороший Плохой Злой ИИ Open Source: как мы в Axolotl пушили Всем привет! Меня зовут Шубин Вадим, я Data Scientist в компании Raft Digital Solutions. В этой статье я хотел бы рассказать о нашем опыте с фейл-сабмитом в существующий опенсорс-проект Axolotl и о том, какие уроки из него мы извлекли. Но обо всём по порядку. Давайте начнем! Читать...

🔎 Подборка зарубежных вакансий Python Developer 🟢Python, FastAPI, MongoDB, Redis, LLM integration, Docker, GitLab CI/CD, message queues 🟢Уровень дохода не указан | 3–6 лет опыта Game Data Analyst 🟢R/Python, SQL, статистический анализ, A/B тестирование, анализ данных 🟢Уровень дохода не указан | 1–3 года опыта Lead BI Analytics 🟢Power BI, SQL, Python, Agile, Scrum, управление проектами, анализ данных 🟢до 250 000 ₽ | 1–3 года опыта

🛑 Не спеши рефакторить «чужой хаос» Зашёл в старый код и захотел всё переделать? Осторожно, это ловушка. 👉 Совет: сначала разберись, почему код написан именно так. Иногда в нём есть скрытая логика, о которой ты не знаешь. Если рефакторить, то только с пониманием контекста, иначе можно сломать больше, чем починить.

👩‍💻 Массовая асинхронная обработка запросов с последующей синхронной CPU-bound логикой Как обработать миллион запросов к API, совмещая асинхронный ввод-вывод с тяжелыми вычислениями? В статье разбираются подходы с использованием asyncio и ProcessPoolExecutor для масштабируемости и высокой производительности. Читать...

👩‍💻 Мэтчинг персонажей. Level Hard Как находить персонажей на гравюрах без ручной разметки данных? В статье рассказывается, как сегментация изображений и контрастивное обучение помогают справиться с датасетом из 25 тысяч гравюр Британского музея. Читать...

⚙️ Что такое functools.partial в Python и зачем он используется? functools.partial позволяет создавать новые функции с фиксированными аргументами на основе существующих функций. Это удобно для сокращения вызовов функций или создания функций-обёрток с предопределёнными параметрами. ➡️ Пример:

from functools import partial

def power(base, exponent):
    return base ** exponent

# Фиксируем аргумент exponent = 2
square = partial(power, exponent=2)

print(square(5))  # 25
print(square(10)) # 100

🗣️ В этом примере partial создаёт новую функцию square, которая всегда возводит число в квадрат. Это упрощает вызовы функций и улучшает читаемость кода.

🖥 Подробнее тут

⚙️ Давайте писать удобное локальное окружение… Разворачивание нового проекта — боль, но её можно минимизировать. В статье делюсь выстраданной структурой Django-проекта с PDM, которая избавляет от большинства проблем и подходит не только для Python. Читать...

📈 Подборка статей для вашей карьеры • Рецензия на книгу «MySQL. Сборник рецептов. 4-е издание» • Чек-лист тестировщика в финансовой компании • Чем Cloud-инженер отличается от DevOps-инженера и что между ними общего • Базовое программирование, или Почему джуны не могут пройти к нам собеседование • Я стал аналитиком, потому что не смог быть программистом