Простой Python | Программирование
Open in Telegram
Заявки принимаются автоматически. Лучший образовательный канал по Python. По всем вопросам: @kesh_keshh (реклама) Ссылка на канал: https://t.me/+T1i5nO0m_h01ZDky . РКН: https://vk.cc/cJ5box Помощь:https://telega.in/c/+T1i5nO0m_h01ZDky
Show more
Network:📈 Analytical overview of Telegram channel Простой Python | Программирование
Channel Простой Python | Программирование (@python_piton_javascript) in the Russian language segment is an active participant. Currently, the community unites 126 478 subscribers, ranking 909 in the Technologies & Applications category and 3 955 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 126 478 subscribers.
According to the latest data from 19 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -1 604 over the last 30 days and by -52 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 4.11%. Within the first 24 hours after publication, content typically collects 1.94% reactions from the total number of subscribers.
- Post reach: On average, each post receives 5 198 views. Within the first day, a publication typically gains 2 450 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 109.
- Thematic interests: Content is focused on key topics such as модуль, itertools, gigachat, math, decimal.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Заявки принимаются автоматически.
Лучший образовательный канал по Python.
По всем вопросам: @kesh_keshh (реклама)
Ссылка на канал: https://t.me/+T1i5nO0m_h01ZDky
.
РКН: https://vk.cc/cJ5box
Помощь:https://telega.in/c/+T1i5nO0m_h01ZDky”
Thanks to the high frequency of updates (latest data received on 20 September, 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.
126 478
Subscribers
-5224 hours
-2987 days
-1 60430 days
Posts Archive
Работа с Selenium: Часть 10
Продолжаем делиться циклом видео, где автор рассказывает про Selenium. В результате ты научишься работать с формами, проходить аутентификацию на различных сайтах и многое другое.
👀Смотреть видео
#видео
Инструменты для работы с графикой
В данной подборке автор рассказывает про шесть лучших инструментов для работы с графикой. Они выделяются от остальных инструментов своими функциями, активностью сообщества и фишками.
👉Читать статью
#статьи
Как сделать свой RAG?
Представь, что у тебя есть умный робот, который умеет отвечать на вопросы. Но чтобы давать самые точные ответы, он сначала ищет информацию в книгах или интернете, а потом формирует ответ.
RAG (Retrieval-Augmented Generation) — это метод, который делает нейросетевой текстовый генератор (например, GPT) умнее и точнее за счёт поиска информации внешних источников перед генерацией ответа. Благодаря данной статье ты узнаешь, как создать собственный RAG.
👉Читать статью
#статьи
🔥 Как определиться с делом своей жизни, когда ты только заканчиваешь школу?
Эту проблему необязательно решать в одиночку – существует проверенный способ разобраться в себе и своём призвании. Поговорим о нём на вебинаре!
⭐️ Во время стрима разберём 4 сценария, которые помогут тебе выбрать своё будущее – и покажем, как они работают в реальности. Как понять себя, подсветить свои сильные стороны, и какие решения точно не стоит принимать вслепую.
Вебинар проводит Институт iSpring, где каждый абитуриент проходит глубокую профориентацию прежде, чем принять решение о поступлении.
Когда: 29 апреля, 19:00 (МСК)
Спикеры:
— Дмитрий Лукашов, экс-директор по маркетингу Skillbox
— и секретный гость из ИТ, хорошо знающий рынок и его потребности
✅ Участие бесплатное
УЗНАТЬ ПОДРОБНЕЕ
Реклама АНО ВО «РУМТ»
ИНН 1215144727
erid: 2SDnjcK2v7F
FastAPI: Работа с базой данных
Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться FastAPI библиотекой. В этот раз ты установишь SQLAlchemy и настроишь работу с базой данных.
👀Смотреть видео
#видео
Как заговорить с сетевиками на одном языке? 👍
Эксперты одного из ведущих провайдеров IT-инфраструктуры Selectel подготовили бесплатный курс «Погружение в компьютерные сети».
Всего за час вы сможете разобраться в принципах работы сетей, освоить ключевые термины и на конкретных примерах освоить две основные модели.
Курс будет интересен как джунам, так и более опытным разработчикам.
➡️ Убедитесь в этом, начав обучение в Академии Selectel
Реклама. АО «Селектел», ИНН 7810962785, ERID: 2Vtzqwf5F5k
Random Forest
Random Forest — это не одно дерево, а сразу много. Каждый “деревце” в лесу обучается на случайной части данных и с использованием случайного поднабора признаков. Когда нужно предсказать класс или значение, все деревья голосуют, и побеждает большинство (в классификации) или усреднённый ответ (в регрессии). В результате снижается переобучение по сравнению с одиночным деревом, а сама модель меньше зависит от случайных шумов.
Сначала из обучающей выборки с помощью бутстрэпа выбирается случайная подвыборка (с возвращением). Для каждого дерева берётся случайный набор признаков. Все деревья предсказывают, и итоговый ответ — это агрегация: большинство голосов в классификации или среднее значение в регрессии.
Обрати внимание на пример. n_estimators определяет, сколько деревьев. max_depth — максимальная глубина каждого дерева. random_state — фиксируем сид, чтобы результат был воспроизводим. Можно добавлять class_weight='balanced', если классы несбалансированы.
#практика
Flask: Использование JavaScript
Продолжаем делиться циклом статей, благодаря которому ты научишься пользоваться Flask. В этот раз автор демонстрирует создание всплывающего окна при наведении курсора мыши на ник пользователя.
👉Читать статью
#статьи #flask
😮 Добавлена новая база слитых курсов на 800ГБ:
Python:
https://t.me/+NGzFxvZXoWY4YzJi
Программирование:
https://t.me/+7iLDOaOPIPxjNGEy
Графика и дизайн:
https://t.me/+dWCyu5OOWHU5Y2Uy
Frontend и Web:
https://t.me/+IhR1IL7GI203Yjg6
MongoDB: Поиск на совпадение в тексте
Делимся циклом видео, благодаря которому ты научишься пользоваться MongoDB. В этот раз автор рассказывает, какой функционал поможет тебе искать данные. В качестве примера продемонстрирован поиск на совпадение в тексте.
👀Смотреть видео
#видео
Уже разбираетесь в Python, но хотите большего? Тогда вам на PiterPy 2025
🗓️16–17 мая
📍 Питер + онлайн
PiterPy — конференция для всех, кто использует Python в работе. Здесь собираются бэкенд-разработчики, тестировщики, DevOps, дата- и ML-инженеры и аналитики, а также тимлиды.
Перед вами выступят спикеры из Яндекса, Т-Банка, Точки, Авито, Ozon и других известных компаний. Вас ждет два дня докладов про бэкенд и архитектуру, библиотеки и инструменты, практики разработки и Core Python, а еще мастер-класс по программированию роботов.
А вот что с билетами:
→ Дают скидку 15% на билет для частных лиц по промокоду
PITON;
→ Есть билет для студентов и преподавателей вузов — в два раза дешевле персонального;
→ Можно попросить руководство приобрести вам корпоративный билет.
Бонус: в соседних залах пройдет ML-конференция IML. Участники PiterPy смогут послушать доклады IML бесплатно.
За подробностями и билетами
Дерево решений: Часть 2
Алгоритм деления работает по принципу максимизации чистоты внутри подмножеств. В классификации чаще всего используется Gini impurity или энтропия: они показывают, насколько хорошо разделились классы после сплита. В регрессии — снижение дисперсии (variance reduction). На каждом шаге дерево перебирает все признаки и находит такое условие, которое максимально эффективно делит выборку на две группы с минимальной “грязью”.
Однако у данного алгоритма есть некоторые недостатки. Деревья легко переобучаются, особенно если не ограничивать глубину. Они могут давать нестабильные результаты при небольшом изменении данных (особенно одиночные деревья). Чтобы побороть эти минусы, придумали ансамбли — такие как Random Forest и Gradient Boosting, где используется много деревьев сразу, и это даёт намного более стабильный и мощный результат.
💻Ссылка на первую часть
#практика
+5
👩💻 Docker — лучший канал для ускоренного обучения DevOps.
С помощью инфографики, наглядных визуализаций и коротких обучающих видео вам будут доступны все ключевые концепции работы с Docker и методики DevOps.
Прокачать скиллы: t.me/DevopsDocker
Генерация двухмерной полигональной карты
В данной статье автор рассматривает задачу процедурной генерации двухмерной полигональной карты. Рассматривается решение и ключевые использованные принципы.
👉Читать статью
#статьи
FastAPI: Аннотации и валидация
Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться FastAPI библиотекой. В этот раз ты освоишь класс аннотаций. Он позволяет быстро добавлять валидацию к URL-адресам.
👀Смотреть видео
#видео
Дерево решений: Часть 1
Дерево решений — это модель, которая принимает решения, двигаясь по ветвям дерева от корня к листьям. На каждом узле происходит проверка: например, «если возраст > 30 — идём направо, иначе налево». Так шаг за шагом дерево делит данные на подгруппы, пока не придёт к финальному решению: в регрессии — числовое значение, в классификации — метка класса.
Модель выглядит почти как блок-схема, и ты можешь буквально прочитать, почему она приняла то или иное решение. В Python всё это делается через sklearn.tree.DecisionTreeClassifier или DecisionTreeRegressor.
Параметр max_depth — это ограничение на глубину дерева. Без него дерево может продолжать делиться, пока не переобучится подчистую. Всегда важно следить за глубиной, количеством листьев (max_leaf_nodes) и минимальным числом объектов в узле (min_samples_split) — это всё способы контроля переобучения.
#практика
