en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Python/ django

Python/ django

Open in Telegram

📈 Analytical overview of Telegram channel Python/ django

Channel Python/ django (@pythonl) in the Russian language segment is an active participant. Currently, the community unites 58 125 subscribers, ranking 2 277 in the Technologies & Applications category and 10 385 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 58 125 subscribers.

According to the latest data from 16 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -373 over the last 30 days and by 0 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 6.80%. Within the first 24 hours after publication, content typically collects 3.38% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 3 957 views. Within the first day, a publication typically gains 1 966 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 22.
  • Thematic interests: Content is focused on key topics such as github, claude, контекст, архитектура, api.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

Thanks to the high frequency of updates (latest data received on 17 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

58 125
Subscribers
No data24 hours
-1287 days
-37330 days
Attracting Subscribers
Nov '26
November '26
+35
in 0 channels
October '26
+282
in 38 channels
Get PRO
September '26
+149
in 31 channels
Get PRO
August '26
+336
in 41 channels
Get PRO
July '26
+178
in 43 channels
Get PRO
June '26
+66
in 1 channels
Get PRO
May '26
+73
in 1 channels
Get PRO
April '26
+107
in 8 channels
Get PRO
March '26
+204
in 26 channels
Get PRO
February '26
+363
in 52 channels
Get PRO
January '26
+982
in 111 channels
Get PRO
December '25
+208
in 7 channels
Get PRO
November '25
+486
in 47 channels
Get PRO
October '25
+117
in 22 channels
Get PRO
September '25
+3 917
in 181 channels
Get PRO
August '25
+924
in 18 channels
Get PRO
July '25
+1 812
in 85 channels
Get PRO
June '25
+1 488
in 93 channels
Get PRO
May '25
+249
in 7 channels
Get PRO
April '25
+417
in 31 channels
Get PRO
March '25
+287
in 14 channels
Get PRO
February '25
+527
in 45 channels
Get PRO
January '25
+2 105
in 56 channels
Get PRO
December '24
+1 168
in 70 channels
Get PRO
November '24
+3 786
in 192 channels
Get PRO
October '24
+5 728
in 78 channels
Get PRO
September '24
+2 068
in 207 channels
Get PRO
August '24
+1 164
in 43 channels
Get PRO
July '24
+1 632
in 53 channels
Get PRO
June '24
+1 751
in 58 channels
Get PRO
May '24
+1 467
in 39 channels
Get PRO
April '24
+1 067
in 47 channels
Get PRO
March '24
+1 190
in 28 channels
Get PRO
February '24
+1 611
in 8 channels
Get PRO
January '24
+1 605
in 49 channels
Get PRO
December '23
+802
in 46 channels
Get PRO
November '23
+4 375
in 51 channels
Get PRO
October '23
+1 184
in 6 channels
Get PRO
September '23
+1 766
in 0 channels
Get PRO
August '23
+2 630
in 1 channels
Get PRO
July '23
+1 617
in 0 channels
Get PRO
June '23
+1 711
in 0 channels
Get PRO
May '23
+988
in 0 channels
Get PRO
April '23
+455
in 0 channels
Get PRO
March '23
+779
in 0 channels
Get PRO
February '23
+692
in 0 channels
Get PRO
January '23
+603
in 0 channels
Get PRO
December '22
+555
in 0 channels
Get PRO
November '22
+610
in 0 channels
Get PRO
October '22
+606
in 0 channels
Get PRO
September '22
+704
in 0 channels
Get PRO
August '22
+607
in 0 channels
Get PRO
July '22
+618
in 0 channels
Get PRO
June '22
+670
in 0 channels
Get PRO
May '22
+909
in 0 channels
Get PRO
April '22
+941
in 0 channels
Get PRO
March '22
+1 284
in 0 channels
Get PRO
February '22
+1 131
in 0 channels
Get PRO
January '22
+680
in 0 channels
Get PRO
December '21
+589
in 0 channels
Get PRO
November '21
+594
in 0 channels
Get PRO
October '21
+590
in 0 channels
Get PRO
September '21
+565
in 0 channels
Get PRO
August '21
+603
in 0 channels
Get PRO
July '21
+640
in 0 channels
Get PRO
June '21
+604
in 0 channels
Get PRO
May '21
+557
in 0 channels
Get PRO
April '21
+993
in 0 channels
Get PRO
March '21
+545
in 0 channels
Get PRO
February '21
+668
in 0 channels
Get PRO
January '21
+826
in 0 channels
Get PRO
December '20
+11 844
in 0 channels
Date
Subscriber Growth
Mentions
Channels
17 November0
16 November0
15 November+1
14 November+5
13 November+2
12 November+2
11 November+1
10 November+3
09 November0
08 November+3
07 November+4
06 November+3
05 November+2
04 November+5
03 November0
02 November+4
01 November0
Channel Posts
🔥 Python-дайджест недели: 20+ материалов, проектов и инструментов для разработчиков Дайджест за 15 ноября. Статьи, полезные
🔥 Python-дайджест недели: 20+ материалов, проектов и инструментов для разработчиков Дайджест за 15 ноября. Статьи, полезные библиотеки, новые проекты и видео. 🔥 Популярные материалы Большой гайд на русском : Свой ИИ-агент на компьютере. Без API-ключей и платных подписок https://github.com/justxor/local-ai-agent-course-ru 1. pyinfra: автоматизация инфраструктуры на Python - деплой серверов через SSH без YAML, используя обычный Python. https://death.andgravity.com/pyinfra 2. Internals of asyncio - как устроена асинхронность внутри Python. https://origintracer.app/excerpt/asyncio-internals/ 3. Переход на Python 3.15 - руководство по миграции. https://mathspp.com/blog/migrating-to-python-315 4. NVIDIA Auto Ontology - семантические графы для AI-агентов и LLM. https://github.com/NVIDIA/auto-ontology 5. Formalizing CPython - формальное описание внутреннего устройства CPython. https://broyojo.com/python-formalization/ 📖 Статьи и руководства 6. Unnecessary syntax in Python - синтаксис Python, без которого можно обойтись. https://www.pythonmorsels.com/unnecessary-syntax/ 7. Building a Gemini server in Python - создание собственного Gemini-сервера. https://www.willmunn.xyz/gemini/python/2026/10/16/we-have-lift-off.html 8. Pymizu - параллельные и асинхронные вычисления Python и R через shared memory. https://github.com/shikokuchuo/pymizu 9. Линейная регрессия на данных NFL Combine - практический пример со Scikit-learn. https://my-space.io/blog/sklearn-linear-regression/ 10. PyLings - изучение Python через исправление ошибок в коде. https://github.com/thesayfulla/pylings 11. Caching at Scale in Django - масштабирование кэширования в Django. https://johnnymetz.com/posts/caching-at-scale-in-django/ 12. Tyrtulia - новый проект из подборки. https://git.andros.dev/andros/tyrtulia ⚙️ Проекты и инструменты 13. SLayer - семантический слой для AI-агентов. https://github.com/MotleyAI/slayer 14. Speedrunner - ускорение запуска CLI-инструментов. https://github.com/anthonyGosme/speedrunner 15. Agentmetry - мониторинг и аудит AI-кодинг-агентов. https://github.com/blitzcrieg1/agentmetry 16. Colloq - self-hosted платформа для обучения Python, Data Science и ML. https://github.com/colloq-edu/colloq 17. Django Ninja Expose - инструмент для Django Ninja. https://github.com/swarfte/django-ninja-expose 18. The State of Python Profiling in 2026 - обзор профилирования Python. https://p403n1x87.github.io/the-state-of-python-profiling-in-2026.html 🎬 Видео 19. Build Your Own Jarvis in Python - создание собственного голосового ассистента. https://www.youtube.com/watch?v=hhym040zsBI 20. Spark vs Hadoop vs DuckDB vs Polars - сравнение инструментов обработки данных. https://www.youtube.com/watch?v=6_I3c1udTzo Полный дайджест: https://pythonhub.dev/digest/2026-11-15/

2
ARES: Open Source платформа для автоматизации Red Team и пентестов На GitHub появился интересный проект ARES, который объединяет инструменты наступательной безопасности в единую систему с веб-интерфейсом, графами атак и автоматической отчётностью. Вместо ручного запуска десятков отдельных утилит можно организовать полноценную кампанию проверки защищённости инфраструктуры. Что умеет ARES: - 66 модулей в 13 категориях, включая Active Directory, облачную безопасность, Windows, Linux и проверку защитных механизмов. - MITRE ATT&CK для классификации техник и построения цепочек атак. - Attack Graph для визуализации возможных путей продвижения внутри инфраструктуры. - ScopeGuard для ограничения тестирования заранее разрешёнными системами. - MCP Gateway для интеграции с Claude Desktop, Cursor и другими ИИ-клиентами. - Автоматическая генерация отчётов в PDF, HTML, Markdown и JSON. Особенно интересна система планирования: оператор задаёт цель, например проверку возможности получения прав администратора домена, а движок строит последовательность проверок и отображает результаты на графе. Есть Python SDK для собственных модулей, зашифрованное хранилище секретов и веб-панель на React. Бэкенд использует Python и FastAPI. Разработчики заявляют о 5074 модульных тестах и поддержке Windows, Linux и macOS. ARES рассчитан на авторизованные Red Team-проверки и аудит корпоративной инфраструктуры. Заявленные механизмы безопасности стоит отдельно проверить перед использованием в рабочей сети. Лицензия MIT. GitHub: https://github.com/Mafifrizi/ARES
1 658
3
4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions
4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions. По данным Aikido Security, атакующие использовали 4 837 скомпрометированных аккаунтов, чтобы проверить доступ к 61 764 репозиториям. Следы запуска вредоносного кода исследователи обнаружили как минимум в 1 800 репозиториях. Целью были секреты CI/CD, в том числе токены и ключи доступа к облачным сервисам. Сколько секретов удалось похитить, пока неизвестно. https://labs.cloudsecurityalliance.org/research/csa-research-note-wfx-github-ci-secret-stealer-20261112-csa/
2 423
4
В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический проф
В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический профилировщик в стандартной библиотеке Python. Устанавливать сторонние пакеты не нужно. В отличие от cProfile, он периодически снимает снимки стека вызовов и по ним оценивает, где программа тратит больше всего времени. Накладные расходы при этом очень небольшие. Запустить скрипт с профилированием: python -m profiling.sampling run app.py Подключиться к уже работающему процессу по PID: python -m profiling.sampling attach 12345 Можно даже наблюдать за результатами в реальном времени: python -m profiling.sampling attach --live 12345 Tachyon умеет строить flamegraph и HTML-тепловые карты исходников, подсвечивая строки, на которых программа проводит больше всего времени. Например, получить flamegraph можно так: python -m profiling.sampling run --flamegraph app.py Ещё одна полезная возможность - сохранить профиль в бинарном формате, а потом строить из него разные отчёты без повторного запуска программы. Есть ограничения. Tachyon не подходит для микробенчмарков, точного подсчёта вызовов и измерения разницы производительности в 1–2%. Для этого лучше использовать timeit или трассирующие профилировщики. Зато для поиска узких мест в долго работающих Python-сервисах инструмент весьма удобный. При подключении к чужому процессу могут потребоваться повышенные права. https://mathspp.com/blog/tachyon-sampling-profiling-in-python
2 737
5
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использ
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использование в реальном времени на телефонах, ноутбуках и браузере. Модель копирует голос по записи длиной до минуты, но также можно собрать новый, задав возраст, акцент и тембр. Эмоции, темп и подачу можно настраивать вплоть до отдельных слов. Поддерживается девять языков, среди них английский, китайский, японский, немецкий, испанский и французский, русского нет. 🟡Архитектура Под капотом MoE на 800 млн общих при 100 млн активных параметров, где из 64 экспертов на каждом шаге включаются два. Из 11 слоёв девять построены на Gated DeltaNet и два на обычном глобальном внимании. Звук кодирует собственный кодек ZAC-1 с частотой 15 кадров в секунду. 🟡Тесты Задержка до первого звука в браузере на Pixel 9 меньше 570 мс, на MacBook Air с M3 меньше 150 мс, а на одной H100 при восьми одновременных запросах в среднем 80 мс. Пиковая выработка на той же H100 - 457 секунд звука за секунду. По внутреннему бенчмарку ZTTS2-Eval, новинка занимает первое место среди открытых моделей, за ней идут Fish S2 Pro и MOSS TTS v1.5. Модель запускается в браузере через WebGPU, классическим путём с SGLang и vLLM, на Mac через MLX и на обычных процессорах через ggml. По API в облаке Zyphra Inference она стоит 10 долларов за мегабайт текста, лимиты - один запрос за раз и 100 генераций в сутки. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Веса 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #TTS #ZONOS3 #Zyphra
2 424
6
🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет
🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет написание кода, но ошибки, уязвимости и проверка результата по-прежнему остаются задачей разработчика. На Stepik вышел практический курс, посвящённый работе с ИИ в реальных проектах. В программе: работа с ИИ-агентами, архитектура, Python, тестирование, Code Review, SQL, безопасность, CI/CD, отладка и релиз. Внутри: - 49 уроков - 210 тестов - 53 практические задачи - 9 модулей Пройти курс: https://stepik.org/course/296720/
2 507
7
🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать част
🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать части CPython на Lean - языке программирования для математически проверяемых доказательств. Масштаб проекта: 613 318 строк Lean, 1 539 файлов и 18 898 теорем и лемм. Каждую функцию сравнивали с настоящим Python минимум на 50 000 входных данных, а затем проверяли математическими доказательствами и независимыми ИИ-агентами. Результат: обнаружено 418 ошибок CPython. Около 55 из них могут приводить к падению интерпретатора или повреждению памяти. Среди найденных проблем: - dict.setdefault() в определённых сценариях вызывает Segmentation Fault. - Операции с XML-элементами могут повреждать память. - Некоторые функции на C и Python возвращают разные результаты. Есть важный нюанс: математическое доказательство подтверждает корректность формальной модели, но не гарантирует, что сама модель точно повторяет исходный код. Поэтому исследователи дополнительно сравнивают её с реальным CPython. Пока проверена только часть проекта: 4 071 из 26 004 функций (15,7%). Проект: https://broyojo.com/python-formalization/ Код: https://github.com/Broyojo/python-formalization @pythonl
3 003
8
Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данны
Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данные остаются на вашей машине. Главное: - multi-user + multi-agent архитектура; - Web UI, CLI, Telegram, Feishu, DingTalk, QQ, WeCom; - собственная память для каждого workspace; - RAG по вашим документам; - browser automation через headless Chromium; - удалённый рабочий стол и управление GUI; - cron-задачи на естественном языке; - интеграция с Claude Code и OpenCode через ACP; - MCP/OAuth connectors и система плагинов; - SQLite по умолчанию, PostgreSQL опционально. GitHub - https://github.com/TencentCloud/Octop
3 017
9
Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широк
Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широкий стек, практический опыт и умение работать с ИИ. МФТИ и Нетология собрали программу профпереподготовки, где к Python добавлены два слоя, которых обычно нет в курсах разработки: — бэкенд на Python и FastAPI, фронтенд на JavaScript и React, работа с базами данных, командный проект с тестами, Git и CI; — ИИ в разработке: машинное обучение, нейросети на PyTorch и TensorFlow, работа с LLM через API, собственное ИИ-приложение; — технологическое предпринимательство: бизнес-модель и экономика продукта, чтобы видеть задачу шире кода. 🎓️️️️️️На выходе — два диплома о профессиональной переподготовке: МФТИ и Нетологии. Обучение онлайн, его можно совмещать с работой. Старт — 23 ноября. Скидка 10 000 ₽ по промокоду MFTIPY10. Подробнее о программе тут Реклама. ООО “Нетология” ОГРН 1207700135884 Erid:2VSb5yHYyKx
3 018
10
🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок дл
🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок для Python-разработчиков, Data Engineers и ML-инженеров. 1. SQLBuild - SQL-трансформации с проверками на этапе компиляции Новый open-source фреймворк для построения SQL и Python-пайплайнов. Проверяет ссылки на таблицы, типы колонок и контракты ещё до выполнения запросов. Поддерживает end-to-end тестирование и безопасное переименование таблиц без потери истории. Интересная деталь: компилятор и планировщик написаны на Rust, а выполнение задач и расширения используют Python. GitHub: https://github.com/sqlstack-io/sqlbuild 2. TorchTPU - PyTorch теперь работает нативно на Google TPU Совместный проект Google и Meta. Разработчики могут запускать PyTorch-модели на TPU с поддержкой eager execution, torch.compile и распределённого обучения. Перенос существующего кода может сводиться к замене .to("cuda") на .to("tpu"). Документация: https://pytorch.org/blog/introducing-torchtpu/ 3. fastpybase64 - декодирование Base64 на скорости 13 ГБ/с Библиотека Даниэля Лемира использует SIMD-оптимизации на базе simdutf и выступает заменой стандартного модуля Python base64. В тестах на одном ядре Intel Xeon Gold 6548N она показала 13,3 ГБ/с на блоках размером 64 КБ. Это примерно в 27 раз быстрее стандартной библиотеки Python и в 4 раза быстрее pybase64. Установка: pip install fastpybase64 Использование: import fastpybase64 as base64 encoded = base64.b64encode(b"hello") decoded = base64.b64decode(encoded) Подробнее: https://lemire.me/blog/2026/10/17/decoding-base64-in-python-at-10-gigabytes-per-second/ 4. TorchNeuron - запуск PyTorch на AWS Trainium Новый нативный backend для ускорителей AWS Trainium2 и Trainium3. Поддерживает torch.compile, распределённое обучение, пользовательские GPU-подобные ядра через NKI и профилирование. Модель можно перенести на Trainium практически без изменения архитектуры: model = MyModel().to("neuron") Проект также поддерживает DDP, FSDP2 и Tensor Parallelism. GitHub: https://github.com/aws-neuron/torch-neuronx Все четыре проекта показывают, куда движется Python-экосистема: более строгая работа с данными, аппаратное ускорение, оптимизация низкоуровневых операций и единый интерфейс для разных вычислительных платформ. Полный дайджест: https://pythonhub.dev/digest/2026-11-08/
3 141
11
Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплата
Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплатах и бенефитах в крупных технологических компаниях. Кто, на ваш взгляд, платит выше рынка? У кого привлекательнее премии? Насколько важны ДМС, спорт, питание и другие бонусы при выборе работы? 👉 Поделиться мнением: https://clck.ru/3WNkEx
2 875
12
🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке дес
🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке десятки pretrained-моделей для самых разных задач: LLM, VLM, computer vision, генерация изображений, depth estimation и распознавание речи. Внутри уже есть Qwen, DeepSeek, Llama, Gemma, Stable Diffusion, Qwen-Image, Whisper, SAM, DINO, Depth Anything и много других моделей. Веса конвертируются из Transformers, timm и Diffusers в формат Keras. Установка одной командой: `pip install -U zeromodels` Код открыт под Apache 2.0, но лицензии конкретных весов остаются исходными. GitHub: https://github.com/IMvision12/ZeroModels
3 424
13
No text...
3 785
14
🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматри
🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматривать реальные гонки Формулы-1 в интерактивном режиме, отслеживая перемещения болидов и телеметрию пилотов. Проект написан на Python и использует библиотеку FastF1 для получения исторических данных гонок. Что умеет: Показывает положение всех болидов на трассе, порядок пилотов, используемые шины и текущий круг. Позволяет останавливать гонку, перематывать назад и вперёд, а также менять скорость воспроизведения от 0,1x до 256x. Отображает скорость пилотов, передачи, состояние DRS, времена кругов и секторов. Можно выбирать нескольких гонщиков и сравнивать их телеметрию. Есть визуализация выезда машины безопасности, графики деградации шин и отдельные окна для анализа гоночной стратегии. Всё запускается локально: git clone https://github.com/IAmTomShaw/f1-race-replay cd f1-race-replay pip install -r requirements.txt python main.py Внутри используются Python 3.11+, FastF1, Arcade, PySide6 и NumPy. Можно создавать собственные панели телеметрии и подключать их к потоку данных. Хороший проект для тех, кто хочет попрактиковаться в Python, визуализации данных и анализе спортивной телеметрии. GitHub: https://github.com/IAmTomShaw/f1-race-replay
4 878
15
👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-спис
👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-список, собранный на русском: проекты, которые восстанавливают игры из машинного кода. Это декомпиляции, статические рекомпиляции, порты на исходниках и ремейки движков. Задача простая: помочь найти проект под нужную игру и платформу и объяснить, как всё это устроено. Масштаб впечатляет. В каталоге около 2118 проектов для примерно 1829 игр, из них 1771 активных. По типам: 786 декомпиляций, 525 статических рекомпиляций, 269 портов на исходниках, 238 ремейков движков, 234 дизассемблирования, 57 браузерных портов и 9 инструментов. По платформам лидирует ПК с 295 проектами, дальше Nintendo 64 (190), Xbox 360 и PlayStation 1 (по 161). Следом идут DOS, GameCube, PS2, Game Boy Advance и Wii. Среди примеров Zelda (Ocarina of Time, Majora's Mask, Twilight Princess), Mario 64, Sonic, Diablo, Morrowind, OpenRA и OpenRCT2. Внутри не просто список. В README есть топ-25, отдельный список браузерных портов, каталоги по типам и платформам, раздел о том, как начать декомпилировать самому, FAQ и глоссарий. Из инструментов упоминаются N64Recomp, XenonRecomp, RT64, splat, decomp.me, objdiff и m2c. Каталог обновляется автоматически через GitHub Actions. Важная оговорка: сами проекты работают с данными из легально купленных копий игр, а в репозитории лежат только ссылки. Репозиторий: https://github.com/justxor/awesome-decomp-games-ru
4 845
16
ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов
ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов вручную, всё через ORM. Например, в Django: posts = Post.objects.all()[:50] for post in posts: print(post.author.name) Кажется, что мы просто получаем 50 постов с авторами. Но на практике это может вызвать 51 запрос к базе данных. Один запрос загружает посты, а ещё 50 отдельно получают авторов. Это классическая проблема N+1 queries. Причём чем больше записей, тем больше обращений к БД. Исправляется одной строкой: posts = Post.objects.select_related("author")[:50] Теперь Django использует JOIN и получает посты вместе с авторами одним запросом. ORM избавляет от написания SQL, но не от необходимости понимать, какой SQL выполняется. Именно поэтому при оптимизации API полезнее сначала посмотреть на количество запросов, чем переписывать Python-код ради нескольких миллисекунд.
4 836
17
🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его
🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его через CPython во время разработки, а затем собирать тот же код в нативный machine-code executable. Что интересного: - статически типизированное подмножество Python; - hot reload во время разработки; - нативная сборка через yokan build; - без CPython внутри бинарника, если не используется @py; - можно подключать обычный Python-код и библиотеки через @py; - есть интеграция с Rust для производительных частей; - UI на базе GPUI, движка редактора Zed; - около 36 UI-компонентов и десятки готовых демо. Для проверки совместимости есть yokan gate: он запускает приложение в CPython и в нативной сборке, повторяет одинаковые действия и сравнивает результат. : Сейчас поддерживаются macOS Apple Silicon и Linux, Python 3.14+. По сути, идея похожа на Flutter-подход: быстрая разработка с live reload, затем AOT-сборка в нативное desktop-приложение. GitHub: https://github.com/i2y/yokan
4 694
18
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
3 551
19
⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вын
⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вынесена в фоновые потоки. За счёт этого основной код меньше блокируется на I/O. Что умеет: - thread-safe логирование - несколько writers на один logger - консоль, файлы, TCP, syslog и callbacks - ротация и сжатие логов - AES-шифрование сетевого логирования - multiprocessing и threads - конфигурация через JSON, XML и YAML - экспорт логов в OpenTelemetry по OTLP/HTTP Установка: pip install pyfastlogging python from pyfastlogging import TRACE, Logging, ConsoleWriterConfig logger = Logging( TRACE, "main", [ConsoleWriterConfig(TRACE, True)], ) logger.info("Hello") logger.shutdown() Поддерживается Python 3.10+. Актуальный релиз - 0.9.0, лицензия - MIT OR Apache-2.0. PyPI Хороший вариант для сервисов, где обычное логирование уже начинает влиять на latency. https://pypi.org/project/pyfastlogging/
4 323
20
🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текс
🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текста, разбор структуры документа, извлечение ключевой информации и ответы на вопросы по содержимому. То есть задача модели шире обычного «перепечатать текст с картинки»: она помогает превратить документ в данные, с которыми можно работать дальше. По данным разработчиков: - 95,24 балла на Real5-OmniDocBench. - 83,2 балла в среднем на пяти тестах вопросов и ответов с опорой на распознавание текста. - Первое место среди моделей меньше 1B параметров по качеству разбора документов на OmniDocBench v1.6. В открытый доступ выложили веса, код инференса, интерактивное демо, MCP-сервис и Agent Skill. Последние два компонента позволяют подключать обработку документов к рабочим процессам ИИ-агентов. Компактный размер делает модель интересной для собственной инфраструктуры. Но качество на конкретных сканах, языках и сложных таблицах стоит проверять отдельно: результаты бенчмарков не гарантируют точность на любых документах. 🤗 Huggingface: https://huggingface.co/xiaomi-research/Xiaomi-OCR-0 🔗 GitHub: https://github.com/xiaomi-research/Xiaomi-OCR-0 📄 Demo: https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo #XiaomiAI #OCR #OpenSource
4 270