Available now! Telegram Research 2025 — the year's key insights 
Python Portal
Open in Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Show more📈 Analytical overview of Telegram channel Python Portal
Channel Python Portal (@pythonportal) in the Russian language segment is an active participant. Currently, the community unites 52 440 subscribers, ranking 2 547 in the Technologies & Applications category and 11 911 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 52 440 subscribers.
According to the latest data from 10 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -783 over the last 30 days and by -20 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.32%. Within the first 24 hours after publication, content typically collects 5.78% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 892 views. Within the first day, a publication typically gains 3 033 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 25.
- 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 11 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.
52 440
Subscribers
-2024 hours
-1877 days
-78330 days
Posts Archive
52 416
Парень собрал офигенную систему подготовки к собесам по LeetCode: вытащил 400+ задач и разложил их по 90 паттернам.
В итоге получилась таблица на 360 задач, где видно не просто что нужно решать, а какой именно паттерн ты качаешь и чем он закрывается.
Знаю, LeetCode для новичков легко превращается в перегруз, особенно когда собесы уже рядом и вообще непонятно, на какие задачи делать упор. Blind 75/95 и похожие списки это нормальная точка входа, но давай честно: решить всего около 100 задач обычно недостаточно, чтобы уверенно закрывать топовые интервью.
Важно: задачи в листе взяты из реальных интервью за последние 6 месяцев (Google, Meta, Amazon, Uber). Этот подход помог закрыть собесы в Salesforce (два раза), Intuit, Microsoft и еще пару “середняков” за эти годы.
Кидаю сюда, вдруг кому-то сэкономит недели.
👉 @PythonPortal
52 416
Все вокруг говорят про Clawbot. Но что это такое?
Опенсорсный AI-ассистент, который:
✓ крутится на твоем компе или сервере
✓ с ним можно общаться через Telegram, WhatsApp, Discord...
✓ имеет реальный доступ к системе
✓ с памятью, и со временем становится лучше по мере общения
✓ совместим с Claude, GPT, Gemini, DeepSeek…
Чтобы поставить, достаточно выполнить:
curl -fsSL https://clawd.bot/install.sh | bashclawdbot status, чтобы он предупреждал о проблемах безопасности (это не все, но хоть что-то), а потом clawdbot security audi
Официальный сайт:
https://clawd.bot/
👉 @PythonPortal52 416
👩💻 Хватит учить только синтаксис, начинай делать реальные проекты!
Python Ready — авторский канал, где Python перестаёт быть только теорией и становится рабочим инструментом. Мини-проекты, боты, советы, разборы задач, гайды и шпаргалки для каждого программиста.
🔥 Советую подписаться: @python_ready
52 416
Датасаентисты сейчас нарасхват: данных для анализа стало слишком много.
В этом курсе Татев и Ваэ учат Python для Data Science.
Будете делать проекты и разбирать EDA, A/B-тесты, BI и другое.
Проходим бесплатно
👉 @PythonPortal
52 416
У Visual Studio Code есть скрытая фича: она показывает, сколько кода написал ты, а сколько нагенерила ИИ.
Включи и проверь, ты больше дев или больше prompt engineer. 🤣
👉 @PythonPortal
52 416
Опенсорсный робот-манипулятор + трекинг рук
Сделан с индустриальным подходом, но в виде настольной системы на 3D-печати.
PAROL6 в паре с контроллером LEAP Motion отличный пример того, насколько доступной стала телеоперация роботов.
• Движения руки стримятся на робота с частотой 100 Гц по UDP
• Пневматический захват управляется простыми жестами: сжатие/разжатие кулака
• Весь стек робота опенсорсный: от механики до софта управления
Добавь сюда низколатентный трекинг рук и получаешь очень практичную платформу, чтобы учиться манипуляции, телеуправлению и интерфейсам человек-робот.
Такой сетап отлично подходит для экспериментов, teleop, сбора данных и обучения робота “по показу”.
И все это без проприетарного железа и залоченного софта.
Исходный код 😈
👉 @PythonPortal
52 416
Экономим время: VS Code расширение DEVTOOL+
Внутри целый набор ежедневных утилит: форматирование, encode/decode, конвертеры, генераторы, тестовые хелперы и еще куча мелочей. Все вызывается прямо из редактора, без браузера и лишних вкладок.
👉 @PythonPortal
52 416
Чувак собрал целую AI-команду “дата-сайентистов” на Python и выложил в опенсорс (полностью бесплатно).
Библиотека автоматизирует типичный DS-пайплайн с помощью AI: загрузка данных, чистка/преобразования, EDA, визуализация, feature engineering. Плюс она логирует каждый шаг так, чтобы все собиралось в 100% воспроизводимый pipeline (можно повторить прогон один в один и понять, что именно делалось).
Таймкоды из демо:
00:00 обзор проекта
01:32 workflow + загрузка данных
02:10 wrangling и cleaning
03:33 инсайты из визуализаций и построение графиков
04:08 feature engineering
05:00 лайв воркшоп на 1 час
05:44 сама Python-библиотека “AI Data Science Team”
GitHub: здесь
👉 @PythonPortal
52 416
На Stepik вышел курс по Linux
Этот курс закрывает всю обязательную Linux-базу для работы в IT: от установки Linux и работы с файлами до сетей, прав, дисков, процессов, автоматизации на Bash и многого другого. Всё сразу закрепляется на практике (200+ заданий с автопроверкой)
Материал подаётся понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами
После прохождения вы получите сертификат, который можно добавить в резюме.
Есть бесплатные демо-уроки для ознакомления. В ближайшие 48ч курс доступен со скидкой 25% по промокоду «
POST25»: открыть курс на Stepik52 416
Мем: на сайте Думы в пояснительной записке к закону о создании реестра молодёжных организаций нашли utm-метку ChatGPT. 😐
👉 @PythonPortal
52 416
NVIDIA убрала самый жирный тормоз в Voice AI
Они выложили в опенсорс PersonaPlex-7B: full-duplex разговорную speech-to-speech модель, которая умеет слушать и говорить одновременно
Вместо того чтобы ждать, пока ты договоришь, она использует dual-stream архитектуру и обрабатывает входящий звук параллельно с генерацией ответа в реальном времени.
100% открытый исходный код и бесплатно. 🐸
👉 @PythonPortal
52 416
Qwen3-TTS официально в релизе. Выложили в опенсорс всю линейку: VoiceDesign, CustomVoice и Base, чтобы принести реально качественный TTS в open-комьюнити.
* 5 моделей (0.6B и 1.8B)
* Свободный voice design и клонирование голоса
* Поддержка 10 языков
* SOTA 12Hz токенизатор для сильной компрессии
* Полная поддержка fine-tuning
* SOTA качество
Возможно, самый “взрывной” релиз в опенсорсном TTS на данный момент. Давайте, ломайте, тестите, собирайте что-то крутое. Уже доступно всё: веса, код и статья. Enjoy.
Github: https://github.com/QwenLM/Qwen3-TTS Hugging Face: https://huggingface.co/collections/Qwen/qwen3-tts ModelScope: https://modelscope.cn/collections/Qwen/Qwen3-TTS Blog: https://qwen.ai/blog?id=qwen3tts-0115 Paper: https://github.com/QwenLM/Qwen3-TTS/blob/main/assets/Qwen3_TTS.pdf Hugging Face Demo: https://huggingface.co/spaces/Qwen/Qwen3-TTS ModelScope Demo: https://modelscope.cn/studios/Qwen/Qwen3-TTS API: https://alibabacloud.com/help/en/model-studio/qwen-tts-voice-design👉 @PythonPortal
52 416
Настроил чат-бота за пару часов → заработал 9 000₽.
Просто представь, кто-то стоит в очереди на маршрутку в 8 утра чтобы успеть на “любимую” работу.
А кто-то за 3-4 часа делает чат-бота со своего ноута без привязки ко времени.
Разница в зарплате: 200 тысяч.
И нет — не надо ничего программировать.
Зачем грузить мозги кодом, если можно собрать чат-бота для бизнеса на конструкторе.
Без опыта. За 3-4 часа.
💡 Суть проста:
Берёшь клиента → Собираешь бота по шаблону → Наставник всё проверяет → Сдаёшь работу и получаешь деньги.
В первый месяц обычно выходят на доход 50–80 тыс ₽/мес, а с опытом от 180 тыс ₽ и выше. Легко совмещается с работой, учёбой, рыбалкой, семейными хлопотами… график устанавливаешь самостоятельно.
Всё, что нужно для старта — запустить бота
👉 @other_digital_bot
Там пошаговый план как стартануть и гайд по клиентам.
До 26 января вход бесплатный.
52 416
Сравнение async и ThreadPoolExecutor в Python
Асинхронная обработка async
В async переключение выполнения на уровне CPU происходит в момент выполнения
await.
Но чтобы можно было вызвать await, сам код должен поддерживать async.
Например, если вы хотите делать запись в PostgreSQL через async, то придется использовать asyncpg.
То есть для тех операций, которые поддерживают async, можно реализовать асинхронную обработку с помощью async.
Параллельная обработка ThredPoolExcutor
ThredPoolExcutor имеет смысл использовать в тех случаях, когда:
* код не поддерживает async
* или вы хотите распараллелить выполнение, минимально переписывая существующий код.
Тестовый код
Асинхронная обработка async:
import asyncio
import time
from icecream import ic
async def io_task(name):
print(f"{name} start")
await asyncio.sleep(3) # ожидание неблокирующего I/O
print(f"{name} end")
async def main():
start = time.time()
await asyncio.gather(io_task("A"), io_task("B"), io_task("C"))
print(f"elapsed: {time.time() - start:.3f}")
ic()
asyncio.run(main())
ic()
# Результат выполнения
ic| main_async.py:19 in <module> at 22:06:11.408
A start
B start
C start
A end
B end
C end
elapsed: 3.001
ic| main_async.py:21 in <module> at 22:06:14.412import time
from concurrent.futures import ThreadPoolExecutor
from icecream import ic
def io_task(name):
print(f"{name} start")
time.sleep(3) # блокирующий I/O
print(f"{name} end")
ic()
start = time.time()
with ThreadPoolExecutor(max_workers=3) as executor:
executor.submit(io_task, "A")
executor.submit(io_task, "B")
executor.submit(io_task, "C")
print(f"elapsed: {time.time() - start:.3f}")
# Результат выполнения
ic| main_ThreadPoolExcutor.py:13 in <module> at 22:07:03.543
A start
B start
C start
C end
B end
A end
elapsed: 3.003time.sleep[1], имеет смысл использовать ThredPoolExcutor.
Когда же нужна неблокирующая обработка, как в случае с asyncio.sleep, лучше использовать async.
👉 @PythonPortal52 416
Топовый лайфхак с GitHub: добавь 0 к URL pull request, и ИИ поможет тебе ревьюнуть и понять изменения, которые хотят влить.
👉 @PythonPortal
52 416
+1
xAI выложила в опенсорс новый рекомендательный алгоритм X
Весь код уже доступен на GitHub.
Обещают обновления каждые 4 недели.
👉 @PythonPortal
