Python Portal
Open in Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @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 51 005 subscribers, ranking 2 608 in the Technologies & Applications category and 12 045 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 005 subscribers.
According to the latest data from 01 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 718 over the last 30 days and by -13 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.76%. Within the first 24 hours after publication, content typically collects 5.52% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 978 views. Within the first day, a publication typically gains 2 819 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 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
Работаем с @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Thanks to the high frequency of updates (latest data received on 02 November, 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.
51 005
Subscribers
-1324 hours
-867 days
+71830 days
Posts Archive
51 005
ty — новый сверхбыстрый type checker для Python от Astral
Анонсирован ty — проверщик типов и языковой сервер, написанный на Rust.
В тестах он в 10–100 раз быстрее аналогов (на реальных проектах — до 600x быстрее Mypy 😳)
Цель —> сделать лучшую цепочку инструментов для статического анализа Python, которая масштабируется на десятки и сотни миллионов строк кода
Сейчас это превью-версия
Но уже работает:
> ty check file.py
> ty server как LSP (VS Code, Neovim и др.)
> MIT-лицензия, можно использовать где угодно: CLI, CI, редакторы, команды
Построен на тех же принципах, что rust-analyzer: инкрементальность, мощная архитектура.
Уже есть поддержка: generics, overloads, protocols и т.д.
Ожидается стабильный релиз позже в этом году
> github.com/astral-sh/ty 💖
👉 @PythonPortal51 005
⚠️ 7.834.500₽ - бесплатно! ⚠️
На сегодняшний день это самый крупный сборник слитых курсов в снг, по таким языкам как:
>Python (564гб курсов, 332гб видео)
>C# (127гб курсов, 82гб видео)
>Java (345гб курсов, 223гб видео)
>PHP (134гб курсов, 217гб видео)
>Go (223гб курсов, 79гб видео)
>Rust (187гб курсов, 149гб видео)
>SQL (341гб курсов, 127гб видео)
>MySQL (221гб курсов, 134гб видео)
>REST (178гб курсов, 94гб видео)
>NoSQL (89гб курсов, 54гб видео
>C++ (163гб курсов, 231гб видео)
>Kotlin (294гб курсов, 128гб видео)
>ИБ (172гб курсов, 98гб видео)
>GoLang (182гб курсов, 283гб видео)
> 1C (291гб курсов, 102гб видео)
>DevOps (92гб курсов, 71гб видео)
>Swift (62гб курсов, 27гб видео)
>Другое (1114гб курсов, 871гб видео)
Не видео на ютуб, а реальный СЛИВ огромных баз. Проверь сам!🚨
51 005
Используйте тип Literal в сигнатурах Python-функций для аргументов, представляющих варианты
Это лучше, чем использовать общий тип, к которому относятся эти значения
Более строгое указание типов помогает раньше ловить ошибки.
Кроме того, это документирует допустимые значения
Ставь лукас если зашёл пост ❤️
👉 @PythonPortal
51 005
Громадный сборник шпаргалок разработчика на любой вкус
https://quickref.me — сайт, где собраны десятки крутых шпаргалок:
> Git, Docker, Bash, SQL, Python, Regex, PostgreSQL, Markdown и многое другое
Прямо то, что нужно
Если не хочешь спрашивать у чат джпт по 100 раз — добавь в закладки 🤍
👉 @PythonPortal
51 005
Сегодня QA.GURU анонсировали закрытый вебинар «Как Python открывает новые горизонты в карьере тестировщика».
Обещают последние тренды QA, блок с лайфкодингом и живую сессию вопросов.
▶ По этой ссылке можно зарегистрироваться для бесплатного участия в этот четверг в 8 вечера мск.
В программе:
— Зачем ручным тестировщикам разбираться в автоматизации и почему Python — оптимальный старт;
— Какие навыки выводят QA в топ в 2025 году (спойлер: нейросети пока не конкуренты);
— Практика: пишем ручной тест, автоматизируем на Python, сравниваем Playwright, Selenium и Selene, запускаем с Pytest и без.
Спикер, Станислав Васенков — QA, за плечами которого больше 10 лет автоматизации, ex-Head of QAA pflb.ru и автор библиотеки allure-notifications. Победитель хакатона по автоматизации тестирования от EPAM. Организатор конференций, спикер Heisenbug, основатель QA.GURU и AUTOTESTS.AI. Стас знает, о чём говорит — и умеет научить.
🔗 Забирайте ссылку. Кто успеет — тот в игре.
51 005
НОВОЕ: топовый репозиторий на GitHub для дата-сайентистов, работающих с генеративным ИИ
Экосистема LangGraph включает:
1. Готовые агенты
2. AI-агенты для дата-сайенса
3. LangMem — память для агентов
4. LangGraph Supervisor — управление агентами
5. Open Deep Research — открытые исследования
6. LangGraph Reflection — саморефлексия агентов
7. LangGraph Big Tool — мощные инструменты
8. LangGraph CodeAct — агенты, пишущие код
9. LangGraph Swarm — координация нескольких агентов
10. LangGraph MCP Adapters — адаптеры под разные среды
Если работаешь с LLM — стоит заценить 💖
👉 @PythonPortal
51 005
Hugging Face дарит 9 бесплатных AI-курсов
Хочешь разобраться в LLM, агентах, Deep RL, аудио и не только?
Hugging Face выложили 9 курсов — абсолютно бесплатно.
Все материалы открыты, без регистрации и оплаты
1. Курс по большим языковым моделям (LLM) — тут 2. Курс по AI-агентам — тут 3. Курс по глубокому обучению с подкреплением (Deep RL) — тут 4. Компьютерное зрение — тут 5. Работа с аудио — тут 6. ИИ в геймдеве — тут 7. ИИ для 3D — тут 8. Диффузионные модели — тут 9. Open-Source AI Cookbook — тут❤️ — благодарю 🔥 — как вовремя 👉 @PythonPortal
51 005
Как устроен звук светового меча и почему технологии джедаев — не фантастика
Чтобы световой меч не просто жужжал, а вибрировал десятками оттенков звука, инженер из Яндекса Геннадий Крэйл использует аппаратный генератор случайных чисел. Но одних алгоритмов мало: акселерометр и гироскоп в рукояти следят за силой удара и углом атаки, превращая каждый взмах в уникальную «песню» боя. Эти секреты раскрыли на Repair Cafe — мероприятии для тех, кто видит в сломанном гаджете не мусор, а вызов.
Сердцем ивента стала мастерская, где за два дня починили 400 устройств. Под паяльник попали винтажные видеомагнитофоны и роботы-пылесосы с «травмами» от встреч с диванами. Отдельное внимание получили культовый ПК «Ленинград» и самокаты — последние разбирали до винтика, чтобы понять, как заставить их ехать тише и дальше.
Яндекс, когда-то сосредоточенный на софте, теперь создает умные колонки, автономный транспорт и даже роверов-доставщиков. И всё потому, что здесь инженерная культура строится на праве пробовать. Repair Cafe — её отражение: место, где можно сменить теоретические знания — на навык починить то, что другие давно списали.
Такие проекты доказывают: технологии будущего рождаются не в вакууме. Они начинаются с вопроса «А что, если?» — будь то настройка звука светового меча или ремонт дедушкиного радиоприемника. Главное — не бояться сломать шаблон. Или хотя бы попробовать его починить.
51 005
Найти самый недавно изменённый файл в папке — это одна строка на Python
Всё, что нужно — это встроенная функция
max и пользовательская функция key
Хочешь только файлы? Фильтруй с помощью генератора.
Нужен рекурсивный обход? Используй .rglob("*") вместо iterdir ❤️
👉 @PythonPortal51 005
В Python 3.14 добавили подсветку синтаксиса в новой интерактивной оболочке PyREPL
Теперь прямо в консоли Python код выглядит красиво, как в редакторе > ключевые слова, строки, числа и даже комментарии подсвечиваются цветом.
И это не всё. Можно настроить тему под себя
Пример дефолтной темы:
theme = {
"PROMPT": colors.BOLD_MAGENTA,
"KEYWORD": colors.BOLD_BLUE,
"BUILTIN": colors.CYAN,
"COMMENT": colors.RED,
"STRING": colors.GREEN,
"NUMBER": colors.YELLOW,
"OP": colors.RESET,
"DEFINITION": colors.BOLD,
"SOFT_KEYWORD": colors.BOLD_BLUE,
"RESET": colors.RESET,
}your_theme
2. При старте Python установи тему через PYTHONSTARTUP
export PYTHONSTARTUP='import _colorize; from your_theme import theme; _colorize.set_theme(theme)'51 005
Скрывай личную информацию в своём Python-коде
Допустим, тебе нужно вывести email.
Но ты хочешь сделать тот самый эффект, как в
ro*****@mathspp.com
В Python это довольно просто
Всё, что нужно — это f-строка и подходящие спецификаторы форматирования
1. Разделяем email
Используем str.partition, чтобы отделить имя пользователя (user) от домена:
user, _, domain = email.partition("@")user[:2] # → 'ro'user, то есть len(user)
Используем f-строку:
f"{user[:2]:<{len(user)}}"ro *.
Просто указываем его:
f"{user[:2]:*<{len(user)}}"ro*****f"{user[:2]:51 005
У меня для тебя подгон
Если ты только начал изучать Python или уже пишешь скрипты, но забываешь синтаксис — вот то, что тебе нужно. Эта краткая шпаргалка охватывает всё самое важное
Из разряда > распечатай и повесь перед собой 💖
👉 @PythonPortal
51 005
Хочешь общаться с ИИ от DeepSeek без ограничений и подписок?
Тогда зацени DeeperSeek —> неофициальную Python-библиотеку, которая позволяет напрямую работать с сайтом DeepSeek, обходя официальный API
• Отправка сообщений и получение ответов
• Обход Cloudflare-защиты
• Поддержка входа по e-mail и токену
• Работает даже в Google Colab
• Работает с DeepThink и нейропоиском
💖 — спасибо, админ
👍 — имба
👉 @PythonPortal
51 005
Если ты хочешь научиться автоматизировать задачи и прокачаться в Python
Google сделал крутой курс — IT Automation with Python
В нём ты:
✓научишься писать на Python
✓автоматизировать рутинные задачи
✓работать с Git и GitHub
✓находить и фиксить ошибки
✓запускать всё это в облаке
Подходит, если ты хочешь в DevOps
Курс бесплатный, есть на Coursera
→ начни хоть сейчас 🎧
👉 @PythonPortal
51 005
Стэнфорд выложил, пожалуй, самые понятные и полезные шпаргалки по LLM и трансформерам
В них есть всё, что нужно:
• self-attention, flash attention, LoRA, SFT
• mixture of experts, дистилляция, квантизация
• RAG, агенты, LLM как "судья"
И главное — всё это бесплатно и в открытом доступе 🤍
👉 @PythonPortal
51 005
С выходом Python 3.11, 3.12 и 3.14 изменилась даже такая простая вещь, как вычисление скалярного произведения векторов
Сначала всё выглядело просто:
sum(map(operator.mul, vec1, vec2))map может принимать 2 и более итерируемых объектов как источники аргументов для функции, которую она применяет
С Python 3.12 добавился аргумент strict, и стало логично его использовать
Однако из-за zip приходится “распаковывать” кортежи — поэтому тут нужен itertools.starmap, а не обычный map.
Наконец, в Python 3.14 всё снова упростилось:
sum(map(operator.mul, vec1, vec2, strict=True))map получает именованный аргумент strict, как и zip 😍
👉 @PythonPortal51 005
Хочешь быстро вытаскивать структурированные данные и инсайты из PDF, DOCX и других документов?
Попробуй ContextGem — LLM-фреймворк, который делает это максимально просто и прозрачно.
Всего несколько строк Python-кода и у тебя:
> Чистые таблицы
> Структурированные поля
> Конкретные инсайты
Работает на базе LLM. Полностью Open Source ❤️
👉 @PythonPortal
51 005
Если вам когда-то казалось, что вы безумны — держитесь
Есть люди, которые всерьёз решили писать Python с фигурными скобками
Так появился Bython — препроцессор, который превращает {} в питоновские отступы
Пишешь, как на C/JavaScript, а получаешь работающий Python
def sanity_check() {
print("Это точно Python?");
} pip install bython
Команда запуска: bython script.by
> PyPI: https://pypi.org/project/Bython
> GitHub: https://github.com/mathialo/bython
Последнее обновление было в 2018 — для фана и экспериментов пойдёт 🎧
👉 @PythonPortal51 005
Преврати любую ML-статью в репозиторий с кодом
Paper2Code — это система на базе LLM-агентов, которая превращает научную работу в полноценный кодовый репозиторий
Она работает по трёхэтапному пайплайну: планирование, анализ и генерация кода — за каждый этап отвечает отдельный специализированный агент.
Полностью с открытым исходным кодом 💖
Ссылка на руководство: тут
👉 @PythonPortal
51 005
Ошибка №1 в Python: не кэшировать детерминированные функции, которые многократно вызываются с одними и теми же аргументами
Ошибка №2 в Python: не предпринимать меры, чтобы избежать переполнения памяти
Решение для обеих ошибок: использовать
functools.lru_cache с аргументом, задающим размер кэша
👉 @PythonPortal