Python Portal

Open in Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Network:Times | Финансы Russia11 902 Technologies & Applications2 551...

📈 Analytical overview of Telegram channel Python Portal

Channel Python Portal (@pythonportal) in the Russian language segment is an active participant. Currently, the community unites 52 470 subscribers, ranking 2 551 in the Technologies & Applications category and 11 902 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 52 470 subscribers.

According to the latest data from 09 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -775 over the last 30 days and by -66 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 9.19%. Within the first 24 hours after publication, content typically collects 5.77% reactions from the total number of subscribers.
Post reach: On average, each post receives 4 826 views. Within the first day, a publication typically gains 3 028 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 24.
Thematic interests: Content is focused on key topics such as строка, none, true, модуль, peter.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

Thanks to the high frequency of updates (latest data received on 10 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.

52 470

Subscribers

-6624 hours

-2247 days

-77530 days

4 826

Post views

~ 3 02824 hours

~ 3 60148 hours

9.19%

Engagement rate

~ 3

Posts per day

Ads index

beta

Posts Archive

52 470

В плейлисте 26 лекций по глубокому обучению Один из лучших бесплатных материалов в открытом доступе. Можно пройти путь от базового уровня до уверенного понимания примерно за 5 часов. 👉 @PythonPortal

52 470

Выпустили аналог Claude Code от DeepSeek. Открытый исходный код, написан на Rust. ✓ использует API-ключ или локальные модели ✓ МСР, навыки, инструменты, память и т.д. $ npm install -g deepseek-tui → https://github.com/Hmbown/DeepSeek-TUI 👉 @PythonPortal

52 470

🎓 Бесплатный ИИ-сервис, который собирает полноценный курс по любой теме за пару минут. Нужно только ввести тему — Gurufy создаст план, напишет статьи, добавит иллюстрации, интерактивные виджеты и задания для закрепления. У каждой статьи — свой чат и контекст, чтобы вопросы не смешивались. Прогресс сохраняется. По сути, это ИИ-репетитор, который ведет по теме от начала до конца, подробно отвечая на любые вопросы. ✅ Курсы создаются бесплатно, без лимитов и без подписки. ➡️ Попробовать можно тут — gurufy.ru

52 470

Братья! Google обновил Код-Вики. Google фактически убрал одно из самых неприятных узких мест разработки — чтение чужого кода ' Новый Код-Вики автоматически подключается к любому репозиторию на ГитХабе и превращает его в постоянно актуальную, структурированную и интерактивную вики. Три ключевые функции: - автоматически сканирует репозиторий; документация обновляется в реальном времени при любых изменениях кода — больше не нужно переживать за устаревшие описания - чат на базе Джемини работает по всей вики как по единой базе знаний, отвечает на вопросы и даёт ссылки с переходом прямо на конкретные строки кода - автоматически строит архитектурные диаграммы, диаграммы классов и последовательностей; одним кликом можно перейти от объяснения к исходному коду Новички быстрее входят в проект с первого дня, старые кодовые базы без сопровождения становятся понятными, и это работает как для больших, так и для маленьких репозиториев. Google прямо говорит: «Чтение существующего кода — один из самых дорогих и проблемных этапов разработки». Теперь этот этап фактически пытаются убрать как класс. Публичные репозитории доступны для предварительного просмотра: http://codewiki.google 👉 @PythonPortal

52 470

ПРО-СОВЕТ Используешь локальные большие языковые модели? Дай им веб-стек. Моя конфигурация: - SearXNG: поиск и отбор источников-кандидатов - Firecrawl: извлечение и обход по известным адресам - Camofox: резерв через браузер, когда джаваскрипт или интерактив мешают Поиск → Извлечение → Взаимодействие Попроси своего агента настроить это и подключить к локальным моделям > увидишь, как они резко становятся полезнее Пожалуйста 🐌 👉 @PythonPortal

52 470

🤣🤣🤣 👉 @PythonPortal

52 470

Бывшие сотрудники Google опубликовали карту всех внутренних инструментов Google и их open-source аналогов. 15 200 звёзд. 1 100 форков. 99 контрибьюторов. → Borg = Kubernetes → Spanner = CockroachDB → Colossus = HDFS → Dremel = DuckDB / Presto → Chubby = Zookeeper → Stubby = gRPC → Zanzibar = SpiceDB → Blaze = Bazel → MapReduce = Spark всё, чем инженеры Google пользуются каждый день. у всего этого есть open-source аналоги. ничто из этого не требует работы в Google. https://github.com/jhuangtw/xg2xg 👉 @PythonPortal

52 470

Смотри топовые научные статьи по ИИ, машинному обучению, робототехнике, квантовой физике и другим направлениям на kurate.org. Сотни препринтов с arXiv ежедневно ранжируются по научному импакту через парные сравнения, где судьями выступают модели — Claude, GPT и Gemini. 👉 @PythonPortal

52 470

👉 @PythonPortal

52 470

Как с помощью Python и OpenCV считать лица на видео / фото 🟢Подключаемся к камере. 🟢Используем библиотеку dlib для обнаружения лиц. 🟢Рисуем рамки вокруг лиц и выводим их количество. 🟢Останавливаем программу по нажатию "q". Пример кода тоже есть. 👉 @PythonPortal

52 470

Есть число с плавающей точкой в Python и нужно вывести его как процент — используй формат % в f-строке

x = .023
print(f'{x:.2%}')  # 2.30%

x = .02375
print(f'{x:.2%}')  # 2.38% -- округляется!

x = 1.02375
print(f'{x:.2%}')  # 102.38%

👉 @PythonPortal

52 470

Безумцы реализовали MicroGPT от Andrej Karpathy полностью на ПЛИС-логике. Без графического процессора. Без PyTorch. Без циклов инференса на центральном процессоре. Только трансформер, «зашитый» в железо, генерирующий 50 000+ токенов в секунду. Модель небольшая, но идея не в этом: инференс не обязан существовать только в программной среде. Целью было не сделать максимально большую модель. Целью было представить весь путь инференса трансформера в виде, читаемом для железа: память, счётчики, состояния конечных автоматов, аккумуляторы, таблицы поиска и многотактные арифметические блоки. Базовая схема использует фиксированную арифметику Q4.12 и веса, хранящиеся в ПЗУ. Большая часть модели сводится к одной повторяющейся операции: матрично-векторному умножению. Поэтому был реализован переиспользуемый 16-канальный потоковый блок матрично-векторных вычислений и затем он временно мультиплексируется на Q/K/V, MLP и выходной слой языковой модели. Самым интересным оказался механизм внимания. В Python это одно аккуратное уравнение. В RTL это превращается в расписание: генерация Q/K/V, проход по скалярным произведениям, отслеживание максимума, приближённое вычисление экспоненты, накопление, деление, смешивание V, затем обратная проекция. https://github.com/Luthiraa/TALOS-V2 👉 @PythonPortal

52 470

Большой момент для Soniox: сегодня запускаем Soniox Text-to-Speech. Это серьёзный шаг вперёд. Soniox начинали с распознавания речи. Теперь, имея и распознавание, и синтез, мы становимся голосовой платформой для любого языка. Soniox TTS заточен под самые сложные части генерации речи: - Речь уровня носителя на более чем 60 языках - Генерация без галлюцинаций - Корректное озвучивание буквенно-цифровых последовательностей: числа, идентификаторы, адреса - Правильное произношение имён и иностранных слов - Стриминг с ультранизкой задержкой для приложений в реальном времени Ценообразование простое: $0.70 за час сгенерированной речи. Ключевое здесь — общий вектор: разработчики и компании могут работать с одним провайдером для базового голосового стека — распознавание речи, синтез речи, мультиязычный голос, инфраструктура реального времени, региональные деплои и соответствие требованиям. Это важный шаг в переходе от провайдера распознавания речи к полноценной голосовой платформе для всех языков. Голос становится базовым интерфейсом для софта. Для глобального использования он должен быть быстрым, точным, устойчивым и доступным на любом языке. Этим мы и занимаемся в Soniox. Подробнее в блоге 👉 @PythonPortal

52 470

👉 @PythonPortal

52 470

Hugging Face буквально собрали у себя все ключевые «секреты». Важно разобраться в оценке больших языковых моделей. > Пока ты работаешь с языковыми моделями: > обучаешь или дообучаешь свои модели, > выбираешь модель под задачу, > или пытаешься понять текущее состояние области, почти неизбежно возникает вопрос: как понять, что модель хорошая? > Ответ — оценка качества. Она везде: > лидерборды с рейтингами моделей, > бенчмарки, которые якобы меряют рассуждения, > знания, кодинг или математику, > статьи с заявленными новыми лучшими результатами. Но что такое оценка на самом деле? И что она реально показывает? Этот гайд помогает во всём разобраться.

О чём вообще оценка моделей Базовые понятия больших языковых моделей для понимания оценки Оценка через готовые бенчмарки Создание своей системы оценки Главная проблема оценки Оценка свободного текста Статистическая корректность оценки Стоимость и эффективность оценки

👉 @PythonPortal

52 470

Будь ленивым разработчиком 😴😴😴 Лучшие разработчики — не те, кто пишет больше всего кода. Это те, кто пишет минимум кода и при этом решает задачу быстрее, качественнее и надёжнее. Это избыточный подход:

transposed = []
for i in range(len(matrix[0])):
    row = []
    for r in matrix:
        row.append(r[i])
    transposed.append(row)

Это нормальный, идиоматичный вариант:

transposed = list(zip(*matrix))

Лень — не про небрежность. Это про уважение к своему времени и времени команды. Это про вложение ресурсов в понимание идиом языка, чтобы фокусироваться на реальных задачах, а не переизобретать базовые вещи. У каждого сильного разработчика есть набор «ленивых» приёмов: ✔️генераторы списков вместо вложенных циклов ✔️collections.defaultdict вместо ручных проверок ✔️ контекстные менеджеры вместо ручного открытия/закрытия ресурсов ✔️короткие выражения, которые проходят ревью Цель — не демонстрировать объём проделанной работы, а доставлять чистые и поддерживаемые решения с минимальными затратами. 👉 @PythonPortal

52 470

👉 @PythonPortal

52 470

Используй f-строки Python и спецификаторы форматирования, чтобы быстро и на скорую руку собирать таблицы:

d = {'a':10, 'bcd': 2, 'e': 3456}

for key, value in d.items():
    print(f'{key:.<5}{value:.>5}')

Вывод:

a.......10
bcd......2
e.....3456

👉 @PythonPortal

52 470

Sentrux измеряет архитектуру кодовой базы в реальном времени. Что делает: → Оценивает «здоровье» архитектуры (0–10000) → Отслеживает модульность, циклические зависимости, глубину, равномерность, избыточность → Работает за миллисекунды (Rust + tree-sitter, 52 языка) → Отдает фидбек, пока агенты пишут код Как работает: → scan / rescan анализируют структуру → check_rules применяет ограничения → evolution отслеживает изменения во времени → Правила лежат в .sentrux/rules.toml (связность, слои, циклы) Экспонируется как MCP-сервер: → Агенты получают живой структурный фидбек прямо в процессе сессии Вместо: code → review позже Получаешь: code → оценка → исправление (внутри цикла) https://github.com/sentrux/sentrux 👉 @PythonPortal

52 470

👉 @PythonPortal