Python/ django

Open in Telegram

по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM

Network:Machinelearning Russia10 190 Technologies & Applications2 170...

📈 Analytical overview of Telegram channel Python/ django

Channel Python/ django (@pythonl) in the Russian language segment is an active participant. Currently, the community unites 58 976 subscribers, ranking 2 170 in the Technologies & Applications category and 10 190 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 58 976 subscribers.

According to the latest data from 28 August, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -301 over the last 30 days and by -7 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 6.23%. Within the first 24 hours after publication, content typically collects 3.48% reactions from the total number of subscribers.
Post reach: On average, each post receives 3 674 views. Within the first day, a publication typically gains 2 050 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 20.
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 29 August, 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.

58 976

Subscribers

-724 hours

+747 days

-30130 days

3 674

Post views

~ 2 05024 hours

~ 2 54148 hours

6.23%

Engagement rate

~ 1

Posts per day

Ads index

beta

Posts Archive

58 973

🔥 Старт олимпиады по ИИ и анализу данных — AIDAO. 🚀 В чем кайф: - Не теоретически возможные задачи, а приближенные к реальным проектам - Задачи на онлайн-этап готовит научная лаборатория, а финал — один из сервисов Яндекса - Командная олимпиада, в которой могут принять участие студенты российских и зарубежных вузов - Живое общение с экспертами и научными сотрудниками - Масштабный финал олимпиады в Москве: 32 часа хакатона и общения с комьюнити Международную олимпиаду организуют ФКН НИУ ВШЭ и Яндекс Образование. Главные призы: 1 млн рублей и бонусы при поступлении на магистратуры ФКН ВШЭ. Регистрируем команду на AIDAO по ссылке.

58 973

🔥 Подборка небанальных Python-трюков, которые реально упрощают жизнь разработчику 🌀 1. functools.cached_property — ленивое свойство с кэшем Позволяет вычислить значение один раз и потом возвращать готовый результат.


from functools import cached_property
import time

class DataFetcher:
    @cached_property
    def heavy_data(self):
        print("⏳ Запрос к API...")
        time.sleep(2)
        return {"status": "ok", "data": [1, 2, 3]}

obj = DataFetcher()
print(obj.heavy_data)  # первый вызов → считает
print(obj.heavy_data)  # второй вызов → из кэша

🪄 2. contextlib.suppress — игнорируем ошибки красиво Вместо громоздкого try/except:


import os
from contextlib import suppress

with suppress(FileNotFoundError):
    os.remove("tmp.txt")

👉 Идеально для операций, где ошибка — нормальная ситуация (удаление файла, закрытие сокета и т.п.). 🧩 3. Свой контекстный менеджер через enter / exit Можно сделать объекты, которые сами открываются и закрываются как файлы.


class DemoResource:
    def __enter__(self):
        print("🔓 Ресурс открыт")
        return self
    
    def __exit__(self, exc_type, exc_value, traceback):
        print("🔒 Ресурс закрыт")
        if exc_type:
            print(f"⚠️ Ошибка: {exc_value}")
        return True  # подавить исключение

with DemoResource() as res:
    print("⚡ Работаем...")
    raise ValueError("Что-то пошло не так!")

👉 Отлично для работы с ресурсами: подключение к БД, временные настройки, логирование. @pythonl

58 973

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 11 сентября (уже в четверг!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве 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.

58 973

🔥 Thyme: Think Beyond Images Thyme — это инновационная модель, которая улучшает обработку изображений и сложные задачи рассуждения, используя автономное генерирование и выполнение операций через исполняемый код. Она сочетает в себе методы супервайзинга и обучения с подкреплением, обеспечивая высокую точность выполнения кода. 🚀 Основные моменты: - Автономная генерация и выполнение операций с изображениями. - Комбинация супервайзинга и обучения с подкреплением. - Поддержка высокоразрешающей перцепции и сложного рассуждения. - Использует алгоритм GRPO-ATS для оптимизации работы. 📌 GitHub: https://github.com/yfzhang114/Thyme

58 973

⁉️Хотите начать карьеру Data Scientist? Освойте методы ансамблирования ML Чтобы понять, как добиться высокого качества предсказания в машинном обучении, присоединяйтесь к открытому вебинару 8 сентября в 18:00 МСК! На уроке мы разберем ключевые методы ансамблирования моделей, которые использует каждый Data Scientist: Бэггинг, Random Forest и Градиентный бустинг. Эти методы помогут вам повысить точность ваших моделей и научиться их эффективно применять в реальных задачах. После занятия вы будете уверенно работать с ансамблями моделей на Python и знать, как применять их на практике для получения лучших результатов. ➡️ Присоединяйтесь и получите скидку на курс «Machine Learning. Basic»: https://otus.pw/pd7e/?erid=2W5zFHuTx9e Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

58 973

🚀 Lemonade SDK — локальный сервер для LLM с максимальной производительностью Что это? Lemonade — это open-source проект (спонсируется AMD), который позволяет запускать большие языковые модели прямо у себя: на ПК, в браузере или на сервере. Всё работает локально, без облака, с поддержкой GPU и NPU, и при этом совместимо со стандартом OpenAI API. Возможности - Lemonade Server — локальный сервер, который имитирует OpenAI API. Поддерживает движки llama.cpp (GGUF), ONNX Runtime GenAI и HuggingFace Transformers. Работает с ускорением через Vulkan и ROCm. - Lemonade CLI — консольный инструмент для запуска моделей, тестов производительности, проверки памяти и точности. - Python API — простой способ подключить LLM к своим скриптам и приложениям. Поддержка железа - GPU — работает на Windows и Linux через Vulkan. - NPU — поддержка AMD Ryzen AI 300-й серии. - CPU — поддержка на всех платформах. Можно переключаться между разными движками: llama.cpp, ONNX и HF Transformers. Интеграция и совместимость - Полная поддержка OpenAI API (`/chat/completions`, /completions, /models, /load, /stats и др.). - SDK доступен для Python, C++, Java, C#, Go, Node.js, Rust, PHP и других языков. Почему это важно - Всё работает локально → выше приватность и ниже затраты. - Автоматическая оптимизация под ваше железо. - Подходит для продакшн-нагрузок, edge-устройств и экспериментов. - Удобные инструменты: сервер, CLI, Python API, web-панель. - Проект активно развивается: свежие релизы выходят каждую неделю. 👉 Репозиторий: [github.com/lemonade-sdk/lemonade](https://github.com/lemonade-sdk/lemonade) #LLM #AI #Lemonade #OpenSource #AMD @pythonl

58 973

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: t.me/ai_machinelearning_big_data Python: t.me/python_job_interview Linux: t.me/linuxacademiya Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Подпишись, если хочешь быть в числе тех, кого зовут в топовые проекты!

58 973

👨‍💻 Omnara — Mission Control для AI-агентов Что это? Omnara — это «диспетчерская» для ваших AI-агентов. С её помощью можно управлять и наблюдать за работой агентов в реальном времени: через терминал, веб-интерфейс и мобильное приложение. Возможности - Отслеживание всех шагов агента в реальном времени. - Push-уведомления, когда агент ждёт обратной связи. - Ответы и контроль прямо с телефона или браузера. - Единый дашборд для всех агентов. Почему это удобно - Не нужно сидеть за ПК, чтобы держать процесс под контролем. - Всё open-source, можно разворачивать самостоятельно. - Подходит как для разработчиков-одиночек, так и для команд. 👉 Omnara делает взаимодействие с AI-агентами гибким и удобным: вы всегда в курсе, что они делают, и можете вмешаться в любой момент. 🔗 GitHub @pythonl

58 973

📐 Agent Reinforcement Trainer — фреймворк для обучения ИИ-агентов через reinforcement learning Проект предлагает удобный способ прокачки LLM для решения практических задач. Во время работы ART использует метод GRPO и позволяет обучать агентов работать с MCP-серверами, играть в игры и выполнять другие действия через взаимодействие со средой. Инструмент минимально требователен к данным — система сама анализирует доступные инструменты и генерирует учебные сценарии. Поддерживается интеграция с популярными языковыми моделями, включая Qwen 2.5. 🤖 GitHub @pythonl

58 973

🚀 Python Pro совет Хотите измерить время выполнения куска кода без лишних библиотек? Используйте модуль timeit, встроенный прямо в Python:


# Запуск из командной строки
python -m timeit -n 100 -r 5 "sum(range(1000))"

# В коде
import timeit
print(timeit.timeit("sum(range(1000))", number=1000))

💡 Это простой способ проверить, какой из вариантов реализации быстрее. Сравнивайте разные подходы и оптимизируйте критичные куски кода на практике. @pythonl

58 973

🔍 Django ModelSearch: Умный поиск для ваших моделей Django ModelSearch позволяет индексировать модели Django и осуществлять поиск с помощью ORM. Поддерживает PostgreSQL FTS, SQLite FTS5, Elasticsearch и OpenSearch. Идеально подходит для создания мощных поисковых решений в ваших приложениях. 🚀Основные моменты: - Индексация моделей в Elasticsearch и OpenSearch - Поддержка автозаполнения и фасетного поиска - Возможность использования существующих QuerySets - Поддержка нечеткого поиска и структурированных запросов - Нулевая простоя при перестройке индекса 📌 GitHub: https://github.com/kaedroho/django-modelsearch @pythonl #python

58 973

⚠️ SQL-инъекция через f-string Если подставлять значения прямо в SQL через f-string, злоумышленник может выполнить любой код в базе:


name = "Alice'; DROP TABLE accounts; --"
query = f"SELECT * FROM accounts WHERE name = '{name}'"
conn.sql(query)

💥 И вот таблица accounts удалена! Почему так? Потому что строка с именем вставляется как есть и воспринимается как часть SQL-запроса. ✅ Правильный способ — использовать параметры:


name = "Alice'; DROP TABLE accounts; --"
query = "SELECT * FROM accounts WHERE name = ?"
conn.sql(query, params=(name,))

✔ Имя ищется как текст, база остаётся в безопасности. 👉 Запомни: никогда не вставляй пользовательские данные напрямую в SQL. Используй параметризованные запросы — это надёжная защита от SQL-инъекций. @pythonl

58 973

🚀 Современная система сборки Meson Meson — это высокопроизводительная система сборки, ориентированная на простоту и скорость. Она поддерживает множество языков и инструментов, обеспечивая гибкость и эффективность в разработке. 🚀 Основные моменты: - Поддержка Python и Ninja для сборки. - Быстрая и интуитивно понятная настройка проектов. - Активное сообщество и возможность внесения вкладов. - Совместимость с различными платформами и языками. 📌 GitHub: https://github.com/mesonbuild/meson #python @pythonl

58 973

🚀 Полезный совет: any и all в Python работают с генераторами и используют short-circuit Иногда в python есть малоизвестные особенности, которые могут сильно помочь. Например, функция all и any умеют работать не только с простыми списками, но и с генераторами. Это значит, что пайтон остановит проверку сразу, как только результат станет очевидным — это называется "шорт-сёркьют".


nums = [0, 0, 0, 5, 0]

#any (эни) вернёт True, как только найдёт первый элемент != 0
print(any(nums))  # True

#ll (ол) вернёт False, как только встретит первый элемент == 0
print(all(nums))  # False

#использование с генератором — не создаёт лишний список
print(any(x > 10 for x in nums))  # False

Это позволяет писать очень эффективный код без лишних проверок и без создания промежуточных списков. @pythonl

58 973

🐍 Необычный Python-совет В Python можно перегрузить оператор [] и превратить объект в умный словарь или вычисляемый массив. Это позволяет писать очень выразительный код. Пример: создадим класс, который хранит функцию и вычисляет результат «на лету» при обращении по индексу:


class PowTable:
    def __init__(self, power):
        self.power = power

    def __getitem__(self, n):
        return n ** self.power

squares = PowTable(2)
cubes = PowTable(3)

print(squares[5])  # 25
print(cubes[4])    # 64

👉 В итоге obj[x] может не просто доставать значение, а вычислять его динамически. Это мощный приём для DSL, кэшей и ленивых вычислений.

58 973

🍏 Apple представила FastVLM на Hugging Face — модели 0.5B, 1.5B и 7B с поддержкой WebGPU VLM (Vision-Language Model) — это модель, которая умеет одновременно работать с картинками и текстом: понимать, что изображено, описывать картинку словами, отвечать на вопросы по изображению и совмещать визуальные и текстовые данные. ⚡ Что это значит: - До 85 раз быстрее и в 3.4 раза компактнее аналогичных VLM - У крупных моделей время до первого токена стало быстрее в 7.9 раз - Меньше выходных токенов + быстрее обработка картинок высокого разрешения 🔥Модель работает в реальном времени прямо в браузере через transformers.js и WebGPU. https://huggingface.co/spaces/apple/fastvlm-webgpu @pythonl

58 973

🆕 OctoBot — мощный криптовалютный торговый бот с открытым исходным кодом! OctoBot — это: - Открытый и настраиваемый крипто-торговый бот от Drakkar-Software - Интерфейс конфигурации и система *tentacles* (модули-«щупальца») для гибкого построения стратегий — от технического анализа до интеграции внешних данных - Поддержка Spot и Futures, торговля на более чем 15 биржах через библиотеку ccxt - Возможности: создание и тестирование стратегий, оптимизация, торговля корзиной криптовалют, использование AI-инструментов и backtesting Архитектура проекта: - OctoBot — ядро с backtesting и стратегическим менеджментом - OctoBot-Tentacles — модули для стратегий, нотификаций, внешних данных - OctoBot-Trading — взаимодействие с биржами через ccxt - Дополнительные пакеты: OctoBot-Services, OctoBot-Backtesting, OctoBot-Commons, Async-Channel Активность и релизы: - 4,5k★ и 900+ форков на GitHub - Недавний релиз 2.0.12 (июнь 2025) с поддержкой Windows, Linux (x64, arm64) и macOS - Регулярные обновления и активное сообщество Почему это важно: - Гибкая модульная архитектура - Возможность добавлять свои стратегии и источники данных - Отличный инструмент для изучения алгоритмической торговли и прототипирования - Интеграции с AI, TradingView, Telegram 👉 Репозиторий: https://github.com/Drakkar-Software/OctoBot @pythonl

58 973

🖥Вышла крутейшая документалка про Python c Гвидо ван Россумом и другими ключевыми людьми в истории самого популярного языка программирования в мире Внутри целая драма — начало, как Python создавался в качестве хобби, едва не исчез, но все-таки взлетел и стал одним из ведущих ЯП. В документалке даже проявляется сам Гвидо ван Россум, а также создатель NumPy, и другие топы коммьюнити. 📌Смотрим тут

58 973

⚡️ Limekit — кроссплатформенный GUI-фреймворк на Lua Хочешь писать десктоп-приложения без Python и компиляции? С Limekit всё просто: «написал один раз — запускай везде» (Windows, macOS, Linux). ✨ Что умеет: - Чистый Lua API, без необходимости знать Python - 40+ встроенных виджетов, поддержка Material Design и тёмной темы - Запуск без сборки — достаточно Python и самого фреймворка - Много примеров и документация на ReadTheDocs - Полностью опенсорс (GPLv3) 📌 Минимальный пример:


local window = Window{title='Limekit app'}
window:show()

Две строки кода — и у тебя уже готовое окно 🚀 ⚡️GitHub @pythonl

58 973

Тренировки Яндекса по алгоритмам: от решения задач к карьере в IT Вас ждет 4 недели практики, чтобы систематизировать знания и научиться решать задачи, которые встречаются на собеседованиях и в реальной работе. Программа включает восемь ключевых тем: множества, словари, динамическое программирование и не только. Лекции и разборы будет вести Михаил Густокашин — директор Центра студенческих олимпиад ВШЭ и тренер чемпионов мира по программированию. Топ-300 участников смогут пропустить контест при отборе на стажировку в Яндекс по направлениям бэкенд, фронтенд, мобилка и пройти пробное техническое собеседование. А еще лидеры рейтинга смогут получить персональные карьерные консультации. Подать заявку можно до 29 сентября.