Python Portal

Python стал ещё ленивее. 😌 👉 @PythonPortal

💬👨‍💻🐍💩🤖🤖🐧👩‍💻🧑‍💻👋🦀 Дождались! Ребята сделали крутейший канал про IT новой эпохи Нейросети, ИИ-агенты, вайбкодинг, вайбхакинг и новые инструменты уже меняют привычный мир технологий. Там разбирают эти изменения и другие интересные IT-темы на простых картинках и понятном языке, а еще делятся полезными ресурсами и свежими новостями Подписывайтесь: @IT_Portal

У Nvidia есть открытая модель мира на 2,6 млрд параметров. Она позволяет превратить изображение, текстовый промпт и траекторию движения камеры в управляемый виртуальный мир. И всё это на одном GPU. - Код доступен на GitHub. - Научная статья опубликована на arXiv. - Подходит для исследований воплощённого ИИ, робототехники и симуляций. Модель работает на GPU вроде RTX 5090 или H100, позволяя экспериментировать с моделями мира без необходимости использовать несколько видеокарт. https://github.com/NVlabs/Sana 👉 @PythonPortal

Найти все субдомены сайта можно с помощью одного URL. Этот трюк с CRT позволяет получить список субдоменов, связанных с основным доменом, используя публичные данные сертификатов. Просто откройте: https://crt.name/v1/search?apex=[domain-name-here] Замените [domain-name-here] на домен, который хотите проверить, и сервис покажет соответствующие субдомены. 👉 @PythonPortal

Теперь можно просто загрузить изображение и посмотреть, как нейросеть определяет, что на нём изображено. CNN Explainer позволяет проследить весь процесс обработки: Пиксели → свёртка → ReLU → пулинг → карты признаков → softmax → предсказание. Можно переходить между слоями нейросети и изучать фильтры, активации и вычисления, на основе которых формируется результат. Отличный способ наглядно разобраться в работе свёрточных нейросетей (CNN). https://poloclub.github.io/cnn-explainer/ 👉 @PythonPortal

Основатели ElevenLabs сейчас, должно быть, дрожат от страха… Эти ребята только что выпустили голосовую ИИ-модель, которой можно управлять как настоящим актёром. Больше не нужно вставлять странные специальные коды в текст. Просто пишете «произнеси это так, будто ты окончательно разочаровался в жизни», и модель делает именно это. Почему это настолько круто: - Одно слово прозвучало неправильно? Можно изменить только его, оставив всю остальную озвучку без изменений. - Модель умеет переключаться между голосами прямо посреди предложения. - Может озвучить целую сцену с несколькими персонажами по одному сценарию. - Клонирует ваш голос и сохраняет его характер и манеру речи на других языках. Модель поддерживает 83 языка, а её веса доступны для скачивания по лицензии Fish Audio Community License. А чтобы продемонстрировать возможности модели, разработчики клонировали голос Uncle Roger и заставили его на протяжении всего ролика разносить собственный жареный рис. Ахах, это просто прекрасно. 👉 @PythonPortal

5 архитектур RAG Большинство RAG-систем ломаются в одном и том же месте. Проблема не в модели, а в том, как находится контекст. Базовый RAG строит эмбеддинги документов, находит ближайшие фрагменты и надеется, что в них есть ответ. Для простых вопросов это работает. Системам в продакшене нужно больше, и этот пробел заполняют пять архитектур. Гибридный RAG выполняет два поиска одновременно. Плотные векторы улавливают смысл, а индекс ключевых слов BM25 находит точные термины, которые эмбеддинги часто упускают: коды товаров, имена, аббревиатуры. Метод Reciprocal Rank Fusion объединяет два ранжированных списка в один. GraphRAG перестаёт рассматривать знания как изолированные фрагменты. Он извлекает сущности и связи между ними в граф знаний, затем находит релевантный подграф и сводки связанных кластеров. Он рассчитан на вопросы, ответы на которые охватывают несколько связанных фактов. Агентный RAG превращает поиск в план действий. Агент-планировщик решает, какие инструменты использовать: векторный поиск, поиск в интернете или SQL-базу. Агент, отвечающий за рассуждения, объединяет результаты. Если подтверждений недостаточно, система возвращается к поиску. Корректирующий RAG проверяет результаты собственного поиска. Агент-оценщик оценивает найденное до передачи модели. Релевантные результаты проходят дальше, нерелевантные запускают поиск в интернете, а при неоднозначной оценке запрос отправляется на переформулирование. Мультимодальный RAG воспринимает документ не только как текст. Текст, изображения, графики и таблицы преобразуются в эмбеддинги и помещаются в общий индекс с помощью моделей вроде CLIP или ColPali. Так один запрос может найти абзац, схему или отсканированную таблицу. Каждая архитектура устраняет свой тип сбоя: Пропущенные ключевые слова → гибридный RAG Недостающие связи → GraphRAG Вопросы, требующие нескольких источников → агентный RAG Ненадёжный поиск → корректирующий RAG Знания в визуальных материалах → мультимодальный RAG 👉 @PythonPortal

Если ищете хороший видеокурс по 3D-математике для игр, в котором сочетаются теория и практика, вот он: https://wojtsterna.com/math-for-3d-programmers/ Первая часть курса длится 14 часов и доступна БЕСПЛАТНО. Недавно я разбил её на разделы, чтобы было проще проходить. Каждый — не дольше примерно 30 минут. Весь курс — это внушительные 50 часов. Осилить его будет непросто, но, думаю, оно того стоит, если вы всерьёз хотите разобраться в 3D-математике. 👉 @PythonPortal

👁👁 Тестовый собес на Python с разработчиком из Яндекса [+ ответы на 50 сложных вопросов в подарок] 14 октября в 19:00 (МСК) приходи посмотреть открытое онлайн-собеседование на Python-разработчика. Интервьюер: Хачатур Саркисян – разработчик из Яндекса, работает с высоконагруженными сервисами, Kafka и микросервисной архитектурой. На эфире нет сценария ↓ Кандидат – случайный разработчик, который не знает вопросов заранее. На обычном собесе ты не знаешь, что думает интервьюер, пока не придёт фидбек. На этом эфире Хачатур проговорит всё вслух:

— какие вопросы и задачи он даёт кандидатам в бигтехе; — что в каждом ответе засчитал бы, а что нет – и почему.

А в конце ответит на твои вопросы. Эфир проходит в рамках менторской программы от ШОРТКАТ для разработчиков, которые хотят повысить грейд, ЗП и прокачать скиллы! Участие бесплатное 🔥 🎁 За регистрацию дарим файл с ответами на 50 сложных вопросов с Python-собеседований. Зарегаться на эфир и забрать подарок можно в боте → @shortcut_py_bot Реклама. О рекламодателе.

NVIDIA действительно устранила одно из главных ограничений голосового ИИ. Компания открыла исходный код PersonaPlex-7B — разговорной модели с полнодуплексным режимом, которая умеет одновременно слушать и говорить. Вместо того чтобы ждать, пока пользователь закончит говорить, модель использует двухпоточную архитектуру для обработки речи и ответа в реальном времени. Полностью открытый исходный код и бесплатное использование. https://github.com/NVIDIA/personaplex 👉 @PythonPortal

«Матричное дифференциальное исчисление для машинного обучения и не только» — бесплатный курс лекционных материалов MIT, посвящённый математике производных векторов и матриц. Материалы охватывают градиенты, якобианы, производные матричных функций, дифференциалы, производные произведений матриц, обратных матриц и определителей, произведения Кронекера, оптимизацию и автоматическое дифференцирование. Также рассматривается применение этих методов в машинном обучении. На мой взгляд, это полезный ресурс для тех, кто уже знаком с основами линейной алгебры и математического анализа и хочет разобраться, как дифференцирование обобщается на векторы и матрицы и применяется в современных задачах оптимизации. https://ocw.mit.edu/courses/18-s096-matrix-calculus-for-machine-learning-and-beyond-january-iap-2023/mit18_s096iap23_lec_full.pdf 👉 @PythonPortal

Где искать работу, если хочется большего? Рынок труда сейчас не самый простой, поэтому иногда стоит посмотреть чуть шире привычных вариантов. Например, в сторону зарубежных компаний, где уже есть русскоговорящие команды и не обязательно начинать с нуля в совершенно незнакомой среде. Коллеги из канала Dev Connectable Jobs собрали вакансии за рубежом, на которые стоит обратить внимание 👇 — Senior Backend SDE (RDT) в Akvelon — Senior Staff Software Engineer в Cantina — Senior Python Developer (CRM - AI/LLM) в Emerging Travel Group — Senior Engineering Lead (FinTech AI) в ASOS.com — Senior Data Scientist (Amber Team) в Semrush Еще больше актуальных позиций ищите в Dev Connectable Jobs

Можно буквально ввести предложение и посмотреть, как Transformer обрабатывает его. Этот интерактивный тренажёр запускает GPT-подобную модель прямо в браузере и позволяет проследить весь процесс: Токенизация → эмбеддинги → Q/K/V → механизм внимания → MLP → логиты → вероятности следующего токена. Можно изучать карты внимания, промежуточные значения и менять параметры temperature, top-k и top-p, чтобы увидеть, как они влияют на генерацию. Если для вас трансформеры до сих пор выглядят как набор блоков, соединённых стрелками, стоит попробовать. https://poloclub.github.io/transformer-explainer/ 👉 @PythonPortal

«Graph Theory with Applications» — бесплатный учебник, который даёт всестороннее введение в теорию графов и её практическое применение. Книга начинается с базовых понятий: графов, подграфов, путей, циклов, деревьев и связности. Затем переходит к более сложным темам: эйлеровым и гамильтоновым графам, паросочетаниям, раскраске графов, планарным и ориентированным графам, сетевым потокам и экстремальной теории графов. Особенно полезно то, что авторы сочетают наглядное, геометрическое и топологическое понимание графов со строгим изложением математических основ. Это делает книгу ценным ресурсом для изучения теории, лежащей в основе многих современных приложений графов в информатике, компьютерных сетях, оптимизации, анализе данных и смежных областях. Книга: https://book.huihoo.com/pdf/graph-theory-with-applications.pdf 👉 @PythonPortal

Разбор собеседований по проектированию систем, разделённый на 28 глав. Рассматриваются масштабирование, ограничение частоты запросов и распределённые системы. https://github.com/liquidslr/system-design-notes 👉 @PythonPortal

Вышла долгожданная новая версия Python — 3.15 🐍 В неё вошли 5643 коммита от тысячи разработчиков. Среди главных нововведений: ✓ UTF-8 по умолчанию. ✓ Более быстрый JIT-компилятор — прирост производительности в среднем на 7–8%. ✓ lazy import — модуль загружается только при первом использовании, ускоряя запуск программы. ✓ frozendict — встроенный словарь, элементы которого нельзя изменить после создания. ✓ sentinel — уникальное значение, позволяющее отличить «аргумент не передали» от переданного None. ✓ Распаковка внутри включений — объединять списки и словари теперь можно короче: [*group for group in groups]. ✓ Tachyon — новый профилировщик, который помогает найти, где программа тратит больше всего времени, без изменения кода. https://blog.python.org/2026/10/python-3150-final-is-here/ @IT_Portal

Сейчас в сфере ИИ есть два карьерных пути: Первый — разработчик, который умеет создавать приложения с помощью API языковых моделей. Второй — архитектор, который понимает, как устроены сами языковые модели и системы на их основе. Если хотите двигаться в сторону второго, у Стэнфорда есть один из лучших бесплатных курсов по разработке LLM — CS336: Language Modeling from Scratch. Курс 2026 года состоит из 18 лекций и охватывает практически весь технологический стек языковых моделей: — Архитектура моделей: токенизация, трансформеры, различные архитектуры и MoE. — Аппаратное обеспечение: FLOPs, память, GPU и TPU. — Оптимизация производительности: Triton, GPU-ядра, параллелизм и распределённое обучение. — Обучение моделей: законы масштабирования, сбор, фильтрация и дедупликация данных. — Запуск моделей: инференс и оценка качества. — Дообучение: SFT, RLHF и RLVR. Отдельно рассматривается мультимодальность. Причём обучение не ограничивается просмотром лекций. Студенты самостоятельно реализуют токенизатор, трансформер и оптимизатор, пишут FlashAttention2 на Triton, создают систему распределённого обучения с эффективным использованием памяти и превращают сырые данные Common Crawl в датасет для предобучения. Также они экспериментально определяют закон масштабирования и используют SFT вместе с обучением с подкреплением, чтобы научить языковую модель решать математические задачи. По словам Стэнфорда, на этом курсе студенты пишут как минимум на порядок больше кода, чем на большинстве других курсов по ИИ. Stanford CS336, весна 2026 года. 18 лекций, бесплатно на YouTube. https://www.youtube.com/playlist?list=PLoROMvodv4rMqXOcazWaTUHhq-yembLCV Выбирайте свой путь. 👉 @PythonPortal

Скачайте 10 книг по Python БЕСПЛАТНО: 1. Think Python — O’Reilly https://t.co/X7y3pX68IW 2. The Big Book of Small Python Projects https://inventwithpython.com/bigbookpython/ 3. Структуры данных https://opendatastructures.org/ods-python.pdf 4. Справочник по науке о данных https://t.co/9aOLdiAbim 5. Анализ данных https://wesmckinney.com/book/ 6. Наука о данных https://t.co/TusyBWGfrx 7. Машинное обучение https://t.co/7veOwESe8q 8. Статистика https://t.co/waWDQylQpY 9. Think Bayes https://allendowney.github.io/ThinkBayes2/ 10. Чистый код на Python — Packt https://t.co/OHhVgF1L65 👉 @PythonPortal

Один из главных моментов, когда я по-настоящему понял, как работают трансформеры: «Перестаньте думать о трансформере как о конвейере, где каждый слой преобразует выход предыдущего». «Начните думать о нём как об остаточном потоке». У каждого блока трансформера есть остаточная связь, которая прибавляет вход блока к его выходу: x′ = f(x) + x Из-за этого сложения блок внимания или MLP внутри слоя — функция f в формуле выше — на самом деле НЕ преобразует вход. Вместо этого он вычисляет информацию, которую нужно ДОБАВИТЬ ко входу, прежде чем передать его следующему блоку! Представьте основную часть трансформера как общую доску. Каждый блок читает с неё то, что ему нужно, и дописывает свои заметки. Все изменения — это добавления. Более того, слои могут обмениваться информацией на расстоянии. Блок в первом слое может записать информацию, а блок в пятом — прочитать её, хотя прямого соединения между ними нет. За эти идеи спасибо старой статье Anthropic об устройстве трансформеров: transformer-circuits.pub/2021/framework 👉 @PythonPortal

Google выпустила EmbeddingGemma 2. Это первая открытая мультимодальная модель для эмбеддингов, изначально работающая с текстом, кодом, изображениями, видео и аудио. 740 млн параметров. Модульная архитектура. Модель создана для запуска прямо на устройстве, а не в дата-центре. При этом она обходит некоторые специализированные модели, которые более чем вдвое крупнее. В паре с Gemma 4 можно собрать полностью локальный RAG с упором на приватность. https://huggingface.co/google/embeddinggemma-2 https://huggingface.co/unsloth/embeddinggemma-2-GGUF 👉 @PythonPortal