Available now! Telegram Research 2025 — the year's key insights 
Библиотека питониста | Python, Django, Flask
Open in Telegram
Все самое полезное для питониста в одном канале. Курс по Ai-агентам: https://clc.to/9L0Tqg Для обратной связи: @proglibrary_feeedback_bot По рекламе: @proglib_adv РКН: https://gosuslugi.ru/snet/67b885cbd501cf3b2cdb5b36 #WXSSA
Show more📈 Analytical overview of Telegram channel Библиотека питониста | Python, Django, Flask
Channel Библиотека питониста | Python, Django, Flask (@pyproglib) in the Russian language segment is an active participant. Currently, the community unites 37 888 subscribers, ranking 3 624 in the Technologies & Applications category and 17 013 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 37 888 subscribers.
According to the latest data from 16 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -141 over the last 30 days and by 9 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 5.09%. Within the first 24 hours after publication, content typically collects 2.91% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 928 views. Within the first day, a publication typically gains 1 103 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 7.
- Thematic interests: Content is focused on key topics such as питониста, навигация, буст, строка, api.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Все самое полезное для питониста в одном канале.
Курс по Ai-агентам: https://clc.to/9L0Tqg
Для обратной связи: @proglibrary_feeedback_bot
По рекламе: @proglib_adv
РКН: https://gosuslugi.ru/snet/67b885cbd501cf3b2cdb5b36
#WXSSA”
Thanks to the high frequency of updates (latest data received on 17 June, 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.
37 888
Subscribers
+924 hours
-327 days
-14130 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
June '26
June '26
+58
in 0 channels
May '26
+198
in 0 channels
Get PRO
April '26
+100
in 1 channels
Get PRO
March '26
+170
in 6 channels
Get PRO
February '26
+118
in 0 channels
Get PRO
January '26
+171
in 2 channels
Get PRO
December '25
+272
in 2 channels
Get PRO
November '25
+214
in 3 channels
Get PRO
October '25
+245
in 1 channels
Get PRO
September '25
+172
in 0 channels
Get PRO
August '25
+226
in 2 channels
Get PRO
July '25
+227
in 1 channels
Get PRO
June '25
+142
in 4 channels
Get PRO
May '25
+188
in 0 channels
Get PRO
April '25
+274
in 16 channels
Get PRO
March '25
+345
in 53 channels
Get PRO
February '25
+334
in 34 channels
Get PRO
January '25
+400
in 39 channels
Get PRO
December '24
+435
in 43 channels
Get PRO
November '24
+465
in 45 channels
Get PRO
October '24
+469
in 36 channels
Get PRO
September '24
+552
in 37 channels
Get PRO
August '24
+456
in 37 channels
Get PRO
July '24
+510
in 43 channels
Get PRO
June '24
+412
in 36 channels
Get PRO
May '24
+531
in 37 channels
Get PRO
April '24
+666
in 37 channels
Get PRO
March '24
+774
in 34 channels
Get PRO
February '24
+754
in 33 channels
Get PRO
January '24
+722
in 25 channels
Get PRO
December '23
+1 518
in 25 channels
Get PRO
November '23
+639
in 8 channels
Get PRO
October '23
+833
in 23 channels
Get PRO
September '23
+1 249
in 0 channels
Get PRO
August '23
+815
in 0 channels
Get PRO
July '23
+782
in 0 channels
Get PRO
June '23
+457
in 0 channels
Get PRO
May '23
+809
in 0 channels
Get PRO
April '23
+460
in 0 channels
Get PRO
March '23
+1 064
in 0 channels
Get PRO
February '23
+599
in 0 channels
Get PRO
January '23
+673
in 0 channels
Get PRO
December '22
+724
in 0 channels
Get PRO
November '22
+1 054
in 0 channels
Get PRO
October '22
+543
in 0 channels
Get PRO
September '22
+593
in 0 channels
Get PRO
August '22
+699
in 0 channels
Get PRO
July '22
+678
in 0 channels
Get PRO
June '22
+891
in 0 channels
Get PRO
May '22
+429
in 0 channels
Get PRO
April '22
+372
in 0 channels
Get PRO
March '22
+566
in 0 channels
Get PRO
February '22
+250
in 0 channels
Get PRO
January '22
+399
in 0 channels
Get PRO
December '21
+382
in 0 channels
Get PRO
November '21
+347
in 0 channels
Get PRO
October '21
+545
in 0 channels
Get PRO
September '21
+555
in 0 channels
Get PRO
August '21
+755
in 0 channels
Get PRO
July '21
+629
in 0 channels
Get PRO
June '21
+502
in 0 channels
Get PRO
May '21
+706
in 0 channels
Get PRO
April '21
+730
in 0 channels
Get PRO
March '21
+695
in 0 channels
Get PRO
February '21
+760
in 0 channels
Get PRO
January '21
+790
in 0 channels
Get PRO
December '20
+26 304
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 17 June | 0 | |||
| 16 June | +9 | |||
| 15 June | +3 | |||
| 14 June | +4 | |||
| 13 June | +1 | |||
| 12 June | +1 | |||
| 11 June | +1 | |||
| 10 June | +7 | |||
| 09 June | 0 | |||
| 08 June | +4 | |||
| 07 June | +2 | |||
| 06 June | +4 | |||
| 05 June | +5 | |||
| 04 June | +10 | |||
| 03 June | +2 | |||
| 02 June | +4 | |||
| 01 June | +1 |
Channel Posts
Pyodide 314.0: Python в браузере стал по-настоящему взрослым
Вышел Pyodide 314.0, и это не просто очередной релиз. Несколько важных изменений которые меняют экосистему.
Главное: PEP 783 принят
Теперь пакеты для Pyodide можно публиковать прямо на PyPI — как обычные wheels для Linux, macOS или Windows. Раньше команда Pyodide вручную собирала и хостила 300+ пакетов. Теперь это головная боль авторов пакетов, а не мейнтейнеров проекта.
Для установки пакета в браузере достаточно:
import micropip
await micropip.install("ваш-пакет")
ssl, sqlite3, lzma вернулись в стандартную библиотеку — больше не нужно устанавливать отдельно
— Доступен новый модуль compression.zstd из Python 3.14
— Экспериментальная поддержка сокетов в Node.js — можно подключаться к MySQL, PostgreSQL, Redis
— JsBigInt — числа больше 2^53 теперь корректно передаются между Python и JavaScript
— Поддержка using из JavaScript Resource Management proposal:
{
using proxy = pyodide.runPython("some_object()");
// объект автоматически уничтожается при выходе из блока
}| 2 |  это всего лишь библиотеки 😁
Библиотека питониста
#развлекалово | 1 628 |
| 3 | 🎥 До открытого урока — несколько дней. Подготовили небольшую подборку материалов от нашего спикера Дмитрия Юдина.
Дмитрий руководит AI/ML-направлением в Сloud․ru и развивает Evolution AI Factory — среду для работы с GenAI: от инфраструктуры обучения LLM до внедрения интеллектуальных агентов.
С чего начать:
📺 AI-инструменты для разработчиков — как код, автотесты и ассистенты меняют рутину инженера.
📺 AI-эволюция бизнеса в эпоху генеративных моделей — агентные системы в реальных продуктах.
📺 Разработка мертва? — дискуссия о будущем профессии и роли AI в ней.
📖 Применение LLM в бизнесе — статья Дмитрия о практике внедрения и роли облака.
Одна из ключевых тем Дмитрия — практическое применение агентных систем и их ограничения.
Именно об этом — бесплатный урок 18 июня в 19:00: «Мультиагентные системы: почему большинство архитектур переусложнены» 🔥
🎁 Для участников подготовили промокод на скидку 10 000 ₽ на курс «Разработка ИИ-агентов».
👉 Успей занять место на открытом уроке | 1 617 |
| 4 | 📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»
Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!
🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas | 1 563 |
| 5 | 💻 3 курса по цене одного — собери стек для оффера в топовую IT-компанию
Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем.
Одно направление закрывает только часть задачи.
Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥
Собери стек навыков под свою цель:
🔹 подготовка к сильным компаниям (алгоритмы, архитектура);
🔹 переход в AI-направление (ИИ-агенты, AgentOps);
🔹 развитие в ML и Data Science (математика, основы ML);
🔹 новый оффер и рост дохода.
Полученные знания применяешь в работе уже во время обучения.
⏳ Акция действует 48 часов — 13 и 14 июня.
👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель. | 1 649 |
| 6 |  ➡️ Symbolica 2.0: символьные вычисления для Python и Rust
Если вы работаете с математическими выражениями и хотите не терять скорость, посмотрите на Symbolica.
Это высокопроизводительный фреймворк для символьных вычислений. Идея простая: пишете выражение символически, Symbolica превращает его в быстрый численный код.
Из конкретного:
🔺 система регистрации символов с неймспейсами, алиасами и тегами
🔺 новый интерфейс evaluator с JIT-компиляцией и double-float арифметикой
🔺 новые встроенные функции: гамма, полилогарифмы, функции Бесселя, дзета Римана
🔺 красивый вывод в Jupyter и Marimo: HTML, LaTeX, Typst, цветные скобки
Как выглядит в Python
from symbolica import Expression
x, y = Expression.symbols("x", "y")
e = (1 + x) ** 2 + y
# разворачиваем
print(e.expand()) # -> 1 + 2*x + x^2 + y
# берём производную
print(e.derivative(x)) # -> 2 + 2*x
Выражения превращаются в численные функции — это полезно когда нужна скорость.
pip install symbolica
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 1 636 |
| 7 | 🔥 Строишь ИИ-агентов? Руководитель AI/ML-направления Сloud․ru покажет, где большинство архитектур ломаются, и как этого избежать.
18 июня в 19:00 совместно с Сloud․ru проведём открытый урок «Мультиагентные системы: почему большинство архитектур переусложнены».
Спикер — Дмитрий Юдин, эксперт по масштабированию и оптимизации вычислительных ресурсов для ML. Под его руководством развивается Evolution AI Factory — цифровая среда для работы с GenAI. Он занимается развитием сервисов генеративного ИИ, инфраструктуры для обучения больших языковых моделей и внедрением интеллектуальных агентов.
Что получишь на уроке:
— критерии выбора между одним агентом и мультиагентной системой;
— разбор популярных архитектурных ошибок;
— реальные ограничения современных ИИ-агентов;
— практические рекомендации по проектированию агентных систем.
🎁 Для участников урока подготовили промокод на скидку 10 000 ₽.
🗓️ Когда: 18 июня, 19:00 (МСК)
👉 Занять место на открытом уроке | 1 639 |
| 8 | 👀 5 тайп-чекеров в Python — нужно ли запускать все?
mypy, Pyrefly, Pyright, ty, Zuban — и это ещё не конец списка. Как поддерживать библиотеку когда каждый чекер хочет свои аннотации.
Короткий ответ: не нужно гонять все пять по исходникам. Нужно гонять их по тестам.
Когда вы запускаете тайп-чекер на внутреннем коде — вы проверяете свою логику. Каким чекером пользоваться внутри — ваш выбор.
Но каким чекером пользуются ваши пользователи — не ваш выбор. Они придут с mypy, кто-то с Pyright, кто-то уже перешёл на ty. И все они будут взаимодействовать с вашим публичным API.
Запускайте как можно больше чекеров на тестах → убедитесь что публичный API работает для всех.
Пример из Polars
Вот во что превращается код когда пытаешься угодить всем чекерам сразу в исходниках:
@overload # type: ignore[override]
def __eq__( # pyrefly: ignore[bad-override]
self, other: pl.DataTypeExpr
) -> pl.Expr: ...
@overload
def __eq__(self, other: PolarsDataType) -> bool: ...
def __eq__( # ty: ignore[invalid-method-override]
# pyright: ignore[reportIncompatibleMethodOverride]
self, other: pl.DataTypeExpr | PolarsDataType
) -> pl.Expr | bool:
4 разных type-ignore комментария на 7 строк. Кодовая база быстро превращается в кашу.
А вот тест на тот же метод — все 5 чекеров проходят его без единой ошибки:
def test_dtype_time_units() -> None:
for time_unit in DTYPE_TEMPORAL_UNITS:
assert pl.Datetime == pl.Datetime(time_unit)
assert pl.Duration == pl.Duration(time_unit)
Чекеры расходятся в том как должна быть написана реализация, но соглашаются в том как API ведёт себя снаружи. А пользователям важно именно это.
Практический совет
✳️ Тесты → запускайте максимум чекеров
✳️ Исходники → выберите один, который вам нравится
✳️ Для строгой проверки → Pyrefly (быстрый, соответствует спецификации)
✳️ Для постепенного добавления типов → mypy в мягком режиме
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 1 858 |
| 9 |  🗺️ Так работает алгоритм Дейкстры
Алгоритм Дейкстры — один из самых известных алгоритмов поиска кратчайшего пути в графе.
Именно на подобных идеях строятся навигаторы, системы маршрутизации и многие сетевые протоколы.
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 2 163 |
| 10 | 🐍 Будущее JIT в CPython оказалось под вопросом
Steering Council Python официально потребовал подготовить Standards Track PEP, который должен обосновать включение JIT-компилятора в состав CPython как полноценной и поддерживаемой функции, а не экспериментального проекта.
🔛 JIT разрабатывается уже несколько лет и недавно показал заметный прирост производительности. Однако совет считает, что проект такого масштаба требует формального обсуждения и четких обязательств по поддержке.
До принятия PEP разработчиков попросили приостановить добавление новых возможностей, оптимизаций и улучшений производительности JIT. Разрешены только исправления ошибок и уязвимостей.
В документе должны быть рассмотрены:
✔️ долгосрочная поддержка и сопровождение JIT;
✔️ совместимость с существующими возможностями CPython (free-threading, профилировщики, отладчики и др.);
✔️ измеримые цели по производительности и срокам реализации;
✔️ взаимодействие с другими JIT-решениями, включая CinderX, Numba и PyTorch;
✔️ стабильность текущей архитектуры и планы её развития.
На подготовку и принятие PEP отведено 6 месяцев. Если за это время предложение не будет одобрено, код JIT будет удалён из основной ветки CPython, а дальнейшая разработка продолжится вне официального репозитория Python.
Фактически речь идёт не об отмене JIT, а о том, чтобы определить его статус, гарантии и будущее внутри экосистемы Python.
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 581 |
| 11 | 🔥 Инженерная методичка по ИИ от Романа Барлоса (Team Lead в Yandex Cloud)
Продолжаем делиться экспертизой команды курса «Разработка ИИ-агентов».
Роман собрал мастхев-инструменты и ключевые работы для тех, кто хочет выйти за рамки вайбкодинга.
🛠️ Полезные инструменты:
• Understand Anything — граф знаний по коду и зависимостям.
• DeepTutor — open-source платформа для персонализированного обучения.
• Superpowers — набор практик для системной разработки с ИИ.
• Awesome Agent Skills — коллекция навыков для ИИ-агентов.
📚 Ключевые работы по LLM:
• Attention Is All You Need (2017) — архитектура Transformer.
• GPT-1 (2018) — начало эпохи GPT.
• GPT-2 (2019) — решение новых задач без дообучения.
• GPT-3 (2020) — обучение на примерах из запроса.
• InstructGPT (2022) — RLHF и современные чат-боты.
На курсе Роман выступает консультантом программы: помогает формировать содержание уроков с опорой на актуальные инженерные практики».
Занять свое место на потоке:
👉 Курс «Разработка ИИ-агентов» | 2 088 |
| 12 | 😎 Знакомьтесь с экспертом Proglib.academy: Senior Software Engineer и Team Lead в Yandex Cloud Роман Барлос
Роман — консультант нашего курса «Разработка ИИ-агентов». Он работает на стыке cloud-native архитектуры и AI, активно внедряя современные ИИ-подходы в реальные процессы разработки.
За что его ценит IT-комьюнити?
🟣 Team Lead и AI-евангелист в команде UX Yandex Cloud
14-лет в разработке. Занимается AI-адопшеном в команде Yandex Cloud, проводит мастер-классы и продвигает лучшие практики для повышения эффективности разработчиков.
🟣 Техлид Sourcecraft Code Assistant
С сильным практическим бэкграундом принимал участие как технический лид в создании мощного AI-расширения для VS Code.
🟣 Создатель полезного Open Source
Разрабатывает утилиты, которые позволяют быстро начать эксперименты с инференсом и агентами в локальном окружении: например, набор скриптов vllm-setup для быстрого запуска окружения и mini-proxy — минималистичный прокси для OpenAI API провайдеров.
🟣 Автор интерактивных ML-визуализаций
Объясняет сложные концепции наглядно. Создал серию залипательных обучающих материалов, где можно вживую пощупать работу сетей Хопфилда, машин Больцмана и VC-размерности.
Роман регулярно делится инженерными наработками, инсайтами и экспертизой в своем авторском Telegram-канале
На курсе Роман выступает консультантом программы: он помогает формировать содержание уроков с опорой на актуальные инженерные практики и жесткие требования индустрии.
Узнать больше о программе и разработке автономных систем:
👉 Курс «Разработка ИИ-агентов»
Так, продолжаем знакомить вас с командой?
👍 — Да, ждем новых лиц
🔥 — Жду полезные материалы от Романа | 2 038 |
| 13 |  +9🐍 Python For Loops Explained: от основ до практических примеров
Циклы — одна из первых и самых важных тем в Python.
Отличный материал для новичков и тех, кто хочет быстро освежить знания по одной из самых базовых и полезных конструкций Python.
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 2 741 |
| 14 | 🛠 Прокачиваем Claude Code и Codex: топовые скилы, которые сделают из твоего ИИ сеньора
Пока все просто закидывают нейронки базовыми промптами, продвинутые инженеры уже вовсю собирают и используют кастомные «скилы» (модули расширения). Они превращают generic-модели в специализированных бойцов.
Забирайте подборку ультимативных скилов для AI-агентов, которые закроют большинство ваших повседневных болей:
cybrix-skills — скил для Claude Code, который позволяет одной командой задеплоить статический сайт на хостинг
book-to-skill — скил для Claude Code, превращающий PDF и EPUB в структурированные скилы. На выходе директория ~/.claude/skills/<имя-книги>/ с файлами по главам, глоссарием, списком паттернов и шпаргалкой
skills — набор скилов для AI-агентов, решающих типичные проблемы разработки: непонимание задачи, многословность агента, нерабочий код и архитектурный хаос
hatch-pet — скил Codex для создания виртуального питомца
Taste-skill — это коллекция скилов, которая помогает создавать премиальные фронтенды с продуманной типографикой, анимацией и композицией
Graphify — скил, который одной командой /graphify строит граф знаний всего проекта (код, документы, PDF, изображения, видео) и позволяет задавать вопросы по архитектуре проекта
🔹 Курс о том, как внедрять AI-логику в бэкенд и сохранять стабильность сервиса
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Proglib Academy
#буст | 2 152 |
| 15 | ⚡️ Продолжаем знакомить вас с экспертами курса AgentOps!
— Сергей Нотевский расскажет, как выстроить FinOps для AI-продуктов: оптимизировать затраты на разработку и продакшен, внедрить model routing, semantic cache и систему алертов для контроля расходов
— Эмиль Сатаев разберет Context Engineering: управление контекстом, защиту от prompt injection, работу с длинными контекстами и построение безопасного пайплайна входа для AI-систем
— Михаил Бондаревский покажет, как подготовить инфраструктуру для AI-агентов: Docker, sandboxing, streaming, docker-compose и воспроизводимое окружение для разработки и продакшена
— Мурат Хажгериев расскажет про Enterprise Integrations & MCP: когда MCP действительно нужен, как подключать внешние сервисы и реализовывать интеграции с OAuth2 delegation
— Герман Сабиров разберет Governance & Compliance для AI-систем: data flow, audit logs, требования 152-ФЗ, локализацию данных и построение compliance-подхода на уровне архитектуры
Курс для backend-разработчиков, тимлидов и LLM инженеров о том, как внедрять AI-логику в бэкенд IT-продуктов и сохранять стабильность сервиса.
👉 Изучить обновленную программу AgentOps и занять место. | 2 130 |
| 16 | 🆕 Вышел PyPy 7.3.23: обновление для Python 2.7 и Python 3.11
Команда PyPy выпустила версию 7.3.23 — небольшой, но полезный релиз с исправлениями ошибок и улучшениями совместимости.
Что изменилось:
🔹 Исправлено слишком агрессивное предупреждение о неиспользуемых coroutine.
🔹 Устранены проблемы с множественным наследованием в C-расширениях.
🔹 Обновлён байткод-интерпретатор: теперь используются exception tables вместо специальных opcode-инструкций. Благодаря этому вывод dis стал гораздо ближе к формату CPython. На производительность изменение пока не влияет.
Релиз включает два интерпретатора:
• PyPy2.7 — совместим с Python 2.7 и стандартной библиотекой CPython 2.7.18+
• PyPy3.11 — совместим с Python 3.11 и стандартной библиотекой CPython 3.11.15
Для справки:
PyPy — это альтернативная реализация Python, которая выступает как drop-in replacement для CPython.
Главное преимущество — встроенный JIT-компилятор, который во многих сценариях позволяет выполнять Python-код заметно быстрее без изменений в самом приложении.
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 1 873 |
| 17 |  🔥 Python Roadmap
Это подробное руководство и дорожная карта, которая помогает освоить Python, охватывая ключевые концепции, инструменты и технологии для обучения профессии разработчика.
😸 Ссылка
🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#карьерныйкоммит | 2 053 |
| 18 | ➡️ Два бага из-за области видимости в Python — и как их избежать
Приложение работает нормально. Открываешь вторую вкладку — данные не те. Тесты проходят по отдельности, но падают вместе. Причина — объект на уровне модуля.
Проблема 1: слишком много sharing
Типичный паттерн в FastAPI-проектах:
# database.py
engine = create_engine("sqlite:///database.db")
engine создаётся в момент импорта. Все модули, которые импортируют из database.py, используют один и тот же engine, один пул соединений, один файл БД.
Тесты чистят базу через setup/teardown, но состояние всё равно утекает: автоинкремент ID, кэш метаданных, внутреннее состояние SQLite. Тест assert id == 1 проходит первым, но падает если запустить после другого теста.
Фикс — создавать engine на каждый тест:
@pytest.fixture
def engine():
engine = create_engine("sqlite://", echo=False)
SQLModel.metadata.create_all(engine)
yield engine
engine.dispose()
In-memory БД, никакого shared state, никакой уборки.
Проблема 2: слишком мало sharing
Обратная ситуация. Зависимость FastAPI создаёт новый экземпляр на каждый запрос:
def get_data_source() -> DataSource:
return FakeDataSource(...) # новый объект каждый раз
Каждая вкладка браузера получает свой FakeDataSource со своим состоянием с нуля. Вкладка А показывает одно, вкладка Б — другое. Никакой общей реальности нет.
Фикс — app.state:
@asynccontextmanager
async def lifespan(app: FastAPI):
app.state.data_source = get_data_source()
yield
def get_data_source(request: Request) -> DataSource:
return request.app.state.data_source
Один экземпляр на весь процесс, легко подменяется в тестах через dependency_overrides.
Правило одной строкой
Если объект хранит мутабельное состояние — выбирай его скоуп осознанно. Слишком широкий (модуль) — тесты текут друг в друга. Слишком узкий (каждый запрос) — нет общего состояния. Константы и чистые значения на уровне модуля — ок. Ресурсы (DB engine, HTTP клиент, кэш, пул соединений) — нет.
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 1 859 |
| 19 | Python профилировка — где теряется время в коде
Код работает медленно, но непонятно где. Вместо того чтобы гадать — есть инструменты.
Шпаргалка по всем основным.
Быстрый замер — time
import time
start = time.perf_counter()
my_function()
print(f"{time.perf_counter() - start:.4f}s")
Для грубой оценки. perf_counter() точнее чем time()
Точное сравнение — timeit
import timeit
timeit.timeit("[x**2 for x in range(1000)]", number=10000)
# В Jupyter:
%timeit my_function()
Где тормозит — cProfile
import cProfile
cProfile.run("my_function()")
# Сохранить для анализа:
cProfile.run("my_function()", "output.prof")
# В Jupyter:
%prun my_function()
Смотреть на tottime (время только в функции) и cumtime (с учётом вызовов внутри)
Какая строка тормозит — line_profiler
# pip install line_profiler
@profile
def my_function():
...
kernprof -l -v script.py
# В Jupyter:
%load_ext line_profiler
%lprun -f my_function my_function()
Память — memory_profiler
# pip install memory_profiler
@profile
def my_function():
...
python -m memory_profiler script.py
# В Jupyter:
%load_ext memory_profiler
%memit my_function()
Визуализация — snakeviz
# pip install snakeviz
snakeviz output.prof
# Откроет браузер с интерактивной диаграммой
Когда что использовать:
— Где тормозит? → cProfile + snakeviz
— Какая строка? → line_profiler
— A быстрее B? → timeit
— Память утекает? → memory_profiler
📍 Навигация: Вакансии • Задачи • Собесы
📍 Канал в Max
Библиотека питониста
#буст | 1 654 |
| 20 | ⚡️ Последний шанс забрать курсы со СКИДКОЙ 40%! Прокачайте свой мозг правильно
До конца акции вы можете воспользоваться специальными ценами на самые востребованные IT-направления. Круто и выгодно прокачать свои скиллы, чтобы получить оффер, уехать на Бали и больше не быть онлайн 😎
➡️ Разработка AI-агентов — от 49 000 ₽ (вместо 69 000 ₽)
Курс про контролируемую разработку ИИ-агентов: качество, стоимость, наблюдаемость и тестирование. С первого занятия — только практическая работа.
➡️ Курс AgentOps — 129 000 ₽ (вместо 149 000 ₽)
Профессиональный трек для разработчиков и LLM инженеров о том, как правильно внедрять AI-логику в бэкенд и сохранять железную стабильность сервиса.
➡️ Математика для Data Science — от 29 990 ₽ (вместо 39 990 ₽)
Вы научитесь решать сложные математические задачи, которые дают на собеседованиях на позицию дата-сайентиста в бигтехе. Отличная база для мощного старта в DS.
➡️ Курс Специалист по ИИ — 89 000 ₽ (вместо 113 900 ₽)
Комплексная программа для получения профессии в сфере ИИ с нуля. За 8 месяцев вы соберете сильное портфолио из 5 реальных проектов и дипломной работы.
➡️ Архитектуры и шаблоны проектирования — 27 990 ₽ (вместо 37 900 ₽)
Интенсив для разработчиков, который поможет освоить основные паттерны проектирования и прокачать навыки архитектора программного обеспечения.
🌸 Выбирайте направление, оставляйте заявку на сайте распродажи, и наш менеджер подробно вас проконсультирует | 1 679 |
