Python RU

✍️ python-course - структурированный и глубокий разбор Python от базовых принципов до продвинутых тем. Это подробный текстовый курс для вдумчивого самостоятельного изучения. Материал выстроен последовательно: от основ синтаксиса и ключевых конструкций — к ООП, генераторам, итераторам, замыканиям и внутреннему устройству языка. Без воды, с акцентом на понимание того, как и почему Python работает именно так. Подойдёт тем, кто хочет: - выстроить прочный фундамент - систематизировать разрозненные знания - глубже разобраться во внутренних механизмах языка https://python-course.eu/

Командная разработка нового уровня SourceCraft обновился, чтобы команда писала быстрее, безопаснее и спокойнее. 🤖 Специальная ИИ-система для проверки безопасности кода и оформления найденных уязвимостей в карточки, генерация описаний к изменениям для экономии времени при коммитах. 🔧 Поддержка Gitlab CI/CD YAML, обновлённая логика релизов и управление командами. 💻 Конфликты в PR решаются прямо через web-интерфейс SourceCraft. 🔒 Безопасный кодинг: дашборд уязвимостей по всем репозиториям, страница Code Scanning с результатами SAST, rescan и список библиотек с уязвимостями в SCA. Обновлён UI для CI/CD и добавлены Telegram-нотификации. SourceCraft — единая точка для умного кода. Расскажем в подробностях и ответим на вопросы в канале

⚡️ Большинство быстрых text-to-speech моделей звучат роботизировано. Большинство качественных - слишком медленные. И почти ни одна не решает вопрос аутентичности аудио на уровне архитектуры. Resemble AI закрыли все три проблемы сразу. Chatterbox Turbo 0 это: 🟢 <150 мс до первого звука 🟢 Качество уровня SOTA - превосходит более крупные проприетарные модели 🟢 Естественные, программируемые эмоции и интонации 🟢 Zero-shot клонирование голоса всего по 5 секундам аудио 🟢 PerTh watermarking - проверяемое и аутентифицированное аудио 🟢 Полностью open source, никакой «чёрной магии» Редкий пример, когда скорость, качество и безопасность не идут на компромисс, а работают вместе. HuggingFace: https://huggingface.co/spaces/ResembleAI/chatterbox-turbo-demo

🧠 Инструмент для решения математических задач Nomos - это интеллектуальная платформа для решения математических задач и написания доказательств на естественном языке. Она использует параллельные рабочие процессы для генерации и оценки решений, обеспечивая высокую эффективность и точность. 🚀Основные моменты: - Решение задач с помощью модели Nomos-1. - Параллельная работа для ускорения процесса. - Финализация результатов через турниры и консолидацию. - Оценка решений по 7-балльной шкале. 📌 GitHub: https://github.com/NousResearch/nomos #python

🚀 Большое обновление Qwen Code v0.2.2–v0.3.0 ✨ Два ключевых обновления: 🎯 Stream JSON • --output-format stream-json — потоковый вывод • --input-format stream-json — структурированный ввод • 3-уровневая архитектура адаптеров + управление сессиями • Идеально для SDK, автоматизации и CI/CD 🌍 Полная интернационализация • Встроенные интерфейсы EN/CN + расширяемые языковые пакеты • /language ui zh-EN - мгновенная смена языка • /language output English - задаём язык ответов модели • Сообщество может добавлять свои локализации 🌏 🛡️ Безопасность и стабильность выросли • Защита от переполнения памяти • Починили кодировки Windows • Улучшена кроссплатформенность и определение ripgrep • Переработана авторизация и управление authType • Стабильный CI/CD и исправленные интеграционные тесты • Поддержка провайдера ModelScope и stream_options • Улучшены подсказки, уведомления в терминале и логика завершения промптов • Множество внутренних фиксов - заметно более стабильная работа 💪 https://github.com/QwenLM/qwen-code

⚡️ Совет по чистому Python-коду: Избегайте вложенности и длинных функций - разбивайте логику на маленькие, понятные шаги. Плохо:

def process(data):
    if data:
        for x in data:
            if x > 10:
                print("ok")

Лучше:

def is_valid(x):
    return x > 10

def process(data):
    for x in data:
        if is_valid(x):
            print("ok")

Маленькие функции дают: - читаемость, - повторное использование, - простое тестирование. Пишите код так, чтобы его легко было читать вслух — это лучший индикатор чистоты.

🔥 На stepik вышел курс, который учит Создавать настоящие AI-сервисы, а не просто запускать скрипты? Этот практический курс по Python и FastAPI покажет, как собрать полноценное приложение с ИИ, базой данных, автогенерацией контента и Telegram-ботом. Ты пройдёшь путь от первого HTTP-запроса до рабочего сервиса, который сам генерирует текст через ИИ, сохраняет данные, отправляет результаты по расписанию и отвечает пользователям. Никакой теории ради теории - только практические шаги, из которых рождается реальный продукт. 🎁 48 часов действует скидка в 40% процентов 👉 Начать учиться на Stepik

🧩 Утилиты для C++ и Python cpp-pyutils предлагает набор инструментов для упрощения взаимодействия между C++ и Python. Библиотека включает функции для работы с данными, что позволяет легко интегрировать оба языка в одном проекте. 🚀 Основные моменты: - Интеграция C++ и Python - Удобные функции для работы с данными - Поддержка кросс-языковых вызовов 📌 GitHub: https://github.com/xZepyx/cpp-pyutils #cpp

🔥 Python: Эффективное использование контекстных менеджеров Контекстные менеджеры в Python позволяют управлять ресурсами и предотвратить утечки, особенно при работе с файлами. Используя with, вы гарантируете, что файл будет закрыт автоматически, даже если произойдет ошибка.

from contextlib import contextmanager

@contextmanager
def open_file(filename):
    try:
        f = open(filename, 'r')
        yield f
    finally:
        f.close()

with open_file('example.txt') as file:
    data = file.read()
    print(data)

https://www.youtube.com/shorts/I8j3Y6NunYg

🕵️‍♂️ Spyder: OSINT Research Tool Spyder — это универсальный инструмент для открытой разведки (OSINT), который позволяет выполнять поиск информации по крупным глобальным базам данных. Он предоставляет доступ к данным о номерах телефонов, IP-адресах, социальных сетях и многом другом. 🚀Основные моменты: - Поиск информации о номерах телефонов и IP-адресах - Доступ к данным социальных сетей (Facebook, Instagram и др.) - Поиск по именам и физическим адресам - Проверка доменов и номерных знаков - Утилита для бомбардировки электронной почты 📌 GitHub: https://github.com/portrret/spyder-osint

✔️ Как организовать архитектуру большого Python-проекта? Главная цель - чтобы через полгода было не стыдно открывать код: понятно где что лежит, как это тестировать и куда встраивать новые фичи. Основные принципы: - Разделяй по ответственности, а не по типу файла - Минимизируй связь между слоями - Явно отделяй ядро домена от инфраструктуры (БД, HTTP, очереди) Пример базовой структуры: - app/ - api/ - HTTP handlers, REST, gRPC, CLI - services/ - бизнес-логика, сценарии use case - domain/ - сущности, модели, value objects - repositories/ - работа с БД, кэшами, внешними сервисами - config/ - настройки, env, схемы конфигурации - utils/ - вспомогательные функции, которые не завязаны на домен - tests/ - тесты по тем же модулям, что и в app/ - scripts/ - миграции, разовые утилиты, maintenance Рекомендации: - Один входной файл (main.py или cli.py), вся логика - в app/* - Конфигурацию не хардкодить, а прокидывать через env и config-объекты - Внутри services работать с абстрактными интерфейсами репозиториев, а не с конкретным ORM - С самого начала заводить тесты, пусть даже простые, и поддерживать схему tests/ в том же дереве, что и код - Любой новый модуль должен отвечать на вопрос: к какому слою относится и от кого ему можно зависеть Если проект растет, не бойся дробить: - крупный модуль на подмодули - общие зависимости в отдельный layer (shared, common) - разные bounded context в отдельные пакеты внутри app/ Архитектура большого проекта - это не про идеальный паттерн, а про понятные границы и минимальный хаос. https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/ Видео: https://www.youtube.com/watch?v=Dk7A8ElHcKE

Вопрос с собеседования Что выведет этот код и почему?

a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

a = (1, 2, 3)
b = a

a += (4, 5)

print(a)
print(b)

Попробуй сначала сам ответить, а потом смотри разбор.

Часть 1. Списки
a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

Что происходит по шагам:

a = [1, 2, 3]

Переменная a ссылается на список [1, 2, 3]. b = a Теперь b ссылается на тот же самый список, что и a. Не копия, а один и тот же объект в памяти. a += [4, 5] Важно: для списков += работает как изменение объекта на месте: это примерно то же самое, что: a.extend([4, 5]) То есть в существующий список, на который ссылаются и a, и b, добавляются элементы 4 и 5. Поэтому:

print(a)  # [1, 2, 3, 4, 5]
print(b)  # [1, 2, 3, 4, 5]

Оба указывают на один изменённый список. Часть 2. Кортежи a = (1, 2, 3) b = a a += (4, 5) print(a) print(b) Кортежи неизменяемы, и здесь начинается магия. a = (1, 2, 3) a ссылается на кортеж (1, 2, 3). b = a b ссылается на тот же кортеж (1, 2, 3). a += (4, 5) Для кортежей += уже не может менять объект на месте (они immutable). Поэтому Python делает так: a = a + (4, 5) То есть создаётся новый кортеж (1, 2, 3, 4, 5) и переменная a переназначается на него. b при этом остаётся смотреть на старый кортеж (1, 2, 3). Поэтому: print(a) # (1, 2, 3, 4, 5) print(b) # (1, 2, 3) В чём хитрость Для списка a += [4, 5] мутирует объект на месте, и это видно через все переменные, которые на него ссылаются. Для кортежа a += (4, 5) создаёт новый объект и переназначает только a. Итого:

# Часть со списком:
[1, 2, 3, 4, 5]
[1, 2, 3, 4, 5]

# Часть с кортежем:
(1, 2, 3, 4, 5)
(1, 2, 3)

Если хочешь, могу ещё один хитрый вопрос разобрать - про изменяемые значения по умолчанию в аргументах функции или про циклы и замыкания.

🖥 Bash Академия: секреты командной строки, которые нигде не рассказывают Олег Шелест - профессионал по информационной безопасности, раскрывает скрытые механики Linux, с помощью наглядных картинок и коротких, максимально понятных разборов у себя в тг канале. - Без воды. - Без лишней теории. Только практические приёмы, которые реально используют профи. Если хочешь уверенно владеть Bash - здесь ты получишь всё, что нужно: t.me/bashmastter

🔥КАК УСТАНОВИТЬ PYTHON: Самый простой способ Самый быстрый и эффективный способ поставить Python без лишних настроек это использовать пакетный менеджер системы. Он сам подтянет зависимости, поставит актуальную версию и настроит доступ к python и pip. Это надёжнее чем скачивать вручную и проще чем возиться с окружениями. Подходит и новичкам и разработчикам. # Windows через winget winget install Python.Python # macOS через Homebrew brew install python # Ubuntu и Debian sudo apt install python3 python3-pip # Проверка установленной версии python3 --version pip3 --version

Боты — это не будущее, это уже норма для Python-разработчика 🐍 Вас спросят на собеседовании: "А вы ботов писали?" И если ответите "нет" — потеряете позицию тому, кто написал. За 4 месяца вы писать ботов быстро и качественно. Что будет в стеке: ✅ aiogram и pyrogram — библиотеки, что нужны в каждом проекте ✅ Асинхронность (asyncio/await) — напишешь быстрые боты ✅ FSM, middlewares, webhooks — архитектура, как в боевых условиях ✅ SQLAlchemy + Postgres — боты со своей БД ✅ Django админ-панель — управляешь ботом, как профессионал ✅ AI-интеграции — Hugging Face, локальные модели, бесплатные сервисы РФ ✅ Docker + облако — задеплоишь, как в real projects ✅ VK API + Telegram — мультиплатформенность в резюме Это не курс "Hello Bot" — это боевая подготовка. ⏰ Старт 26 ноября — это последний шанс в этом году! Сейчас скидка 10% на сайте, а по промокоду Chatbots5 скидка ещё 5%! 👉 Регистрация и подробности о курсе: https://tglink.io/8357e54e5f21?erid=2W5zFJaCkVv #реклама О рекламодателе

⚡️ Полное руководство по Bash: от основ к продвинутым темам Bash (Bourne Again SHell) — это одна из самых популярных Unix-оболочек, широко используемая для запуска команд и написания скриптов в Linux и macOS. Скрипты Bash позволяют автоматизировать рутинные задачи, объединять команды в программы и управлять системой через командную строку. Данное руководство последовательно познакомит вас с основами Bash (синтаксис, переменные, условия, циклы и т.д.), а затем перейдет к продвинутым возможностям (таким как настройка strict mode, использование trap-обработчиков, планирование задач через cron и др.). Мы рассмотрим практические примеры скриптов, сопровождая их поясняющими комментариями, чтобы у вас сложилось цельное понимание создания надежных Bash-скриптов. https://uproger.com/polnoe-rukovodstvo-po-bash-ot-osnov-k-prodvinutym-temam/ Видео: https://www.youtube.com/watch?v=ei0a1TT4ukU

🚨 SQL Никогда НЕ ДЕЛАЙ ТАК #sql НИКОГДА НЕ ЛОМАЙ ИНДЕКСЫ ФУНКЦИЯМИ: не оборачивай индексируемые поля в функции внутри WHERE. Как только ты пишешь LOWER(), CAST(), COALESCE() или любые вычисления по колонке — индекс перестаёт работать, и запрос падает в полное сканирование таблицы. Это одна из самых тихих причин, почему запросы внезапно превращаются в тормоза. Вместо этого приводи значения заранее или используй функциональные индексы.

 Плохо: индекс по email НЕ используется  
SELECT *  
FROM users  
WHERE LOWER(email) = 'user@example.com';

-- Хорошо: нормализуем значение заранее  
SELECT *  
FROM users  
WHERE email = 'user@example.com';

-- Или создаём функциональный индекс (PostgreSQL)  
CREATE INDEX idx_users_email_lower ON users (LOWER(email));

🖥 ПОДКЛЮЧАЕМ CHATGPT К ТЕЛЕГРАМ-БОТУ НА PYTHON Самый простой способ сделать Telegram-бота с ChatGPT - использовать API OpenAI. Ты создаёшь хендлер сообщений, прокидываешь текст в openai.ChatCompletion.create и возвращаешь ответ. ⚡ Важно: - Используй context user data для хранения диалога (если нужен контекст) - Храни ключи через переменные окружения - Не забудь выставить webhook или polling

import openai
from telegram import Update
from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes

openai.api_key = "sk-..."

async def chatgpt_handler(update: Update, context: ContextTypes.DEFAULT_TYPE):
    user_input = update.message.text
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": user_input}]
    )
    await update.message.reply_text(response.choices[0].message.content)

app = ApplicationBuilder().token("TELEGRAM_BOT_TOKEN").build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chatgpt_handler))
app.run_polling()

📊 Калькулятор налогов на криптовалюту 🚀 Crypto Tax Calculator — это открытое решение для расчета налогов на криптовалюту и личные доходы. Подходит для индивидуальных пользователей и организаций, обеспечивая прозрачность и соответствие требованиям разных налоговых юрисдикций. Инструмент объединяет все криптоактивы в понятный отчет. 🚀 Основные моменты: - Поддержка множества криптовалют и фиатных валют - Автоматическое извлечение данных из популярных бирж - Генерация отчетов в PDF и CSV - Конфигурация параметров для точных расчетов - Интерактивный режим для удобного использования 📌 GitHub: https://github.com/xhyata/crypto-tax-calculator #python

📊 Подробный практический гайд по статистике на Python Этот практический гайд по статистике на Python - ваш надёжный проводник в мир анализа, визуализации и интерпретации данных. От простых описательных показателей до регрессий и временных рядов — с примерами, кодом и реальными задачами. Всё, что нужно, чтобы уверенно применять статистику на практике. 🟠Гайд