PythonDigest
Ir al canal en Telegram
Сборник Python новостей: https://pythondigest.ru Наш IT-тренажер: https://app.incidenta.tech/ Создано в @incidenta_tech
Mostrar más1 843
Suscriptores
-324 horas
-67 días
-1630 días
Cargando datos
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
octubre '26oct '26
octubre '26
+17
en 0 canales
septiembre '26
+18
en 0 canales
Get PRO
agosto '26
+27
en 0 canales
Get PRO
julio '26
+28
en 0 canales
Get PRO
junio '26
+16
en 0 canales
Get PRO
mayo '26
+16
en 0 canales
Get PRO
abril '26
+14
en 1 canales
Get PRO
marzo '26
+13
en 1 canales
Get PRO
febrero '26
+20
en 0 canales
Get PRO
enero '26
+16
en 1 canales
Get PRO
diciembre '25
+15
en 0 canales
Get PRO
noviembre '25
+18
en 1 canales
Get PRO
octubre '25
+21
en 0 canales
Get PRO
septiembre '25
+10
en 1 canales
Get PRO
agosto '25
+9
en 0 canales
Get PRO
julio '25
+12
en 1 canales
Get PRO
junio '25
+12
en 0 canales
Get PRO
mayo '25
+13
en 0 canales
Get PRO
abril '25
+12
en 2 canales
Get PRO
marzo '25
+15
en 1 canales
Get PRO
febrero '25
+21
en 0 canales
Get PRO
enero '25
+20
en 2 canales
Get PRO
diciembre '24
+16
en 1 canales
Get PRO
noviembre '24
+25
en 2 canales
Get PRO
octubre '24
+26
en 1 canales
Get PRO
septiembre '24
+16
en 1 canales
Get PRO
agosto '24
+19
en 1 canales
Get PRO
julio '24
+26
en 0 canales
Get PRO
junio '24
+15
en 0 canales
Get PRO
mayo '24
+38
en 0 canales
Get PRO
abril '24
+39
en 0 canales
Get PRO
marzo '24
+41
en 0 canales
Get PRO
febrero '24
+50
en 0 canales
Get PRO
enero '24
+73
en 0 canales
Get PRO
diciembre '23
+74
en 0 canales
Get PRO
noviembre '23
+25
en 0 canales
Get PRO
octubre '23
+24
en 0 canales
Get PRO
septiembre '23
+19
en 0 canales
Get PRO
agosto '23
+30
en 0 canales
Get PRO
julio '23
+26
en 0 canales
Get PRO
junio '23
+17
en 0 canales
Get PRO
mayo '23
+11
en 0 canales
Get PRO
abril '23
+18
en 0 canales
Get PRO
marzo '23
+29
en 0 canales
Get PRO
febrero '23
+18
en 0 canales
Get PRO
enero '23
+27
en 0 canales
Get PRO
diciembre '22
+20
en 0 canales
Get PRO
noviembre '22
+18
en 0 canales
Get PRO
octubre '22
+11
en 0 canales
Get PRO
septiembre '22
+20
en 0 canales
Get PRO
agosto '22
+14
en 0 canales
Get PRO
julio '22
+18
en 0 canales
Get PRO
junio '22
+8
en 0 canales
Get PRO
mayo '22
+27
en 0 canales
Get PRO
abril '22
+16
en 0 canales
Get PRO
marzo '22
+21
en 0 canales
Get PRO
febrero '22
+15
en 0 canales
Get PRO
enero '22
+21
en 0 canales
Get PRO
diciembre '21
+19
en 0 canales
Get PRO
noviembre '21
+25
en 0 canales
Get PRO
octubre '21
+29
en 0 canales
Get PRO
septiembre '21
+21
en 0 canales
Get PRO
agosto '21
+24
en 0 canales
Get PRO
julio '21
+24
en 0 canales
Get PRO
junio '21
+18
en 0 canales
Get PRO
mayo '21
+20
en 0 canales
Get PRO
abril '21
+20
en 0 canales
Get PRO
marzo '21
+46
en 0 canales
Get PRO
febrero '21
+23
en 0 canales
Get PRO
enero '21
+33
en 0 canales
Get PRO
diciembre '20
+1 968
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 27 octubre | 0 | |||
| 26 octubre | 0 | |||
| 25 octubre | 0 | |||
| 24 octubre | +1 | |||
| 23 octubre | 0 | |||
| 22 octubre | +2 | |||
| 21 octubre | +1 | |||
| 20 octubre | 0 | |||
| 19 octubre | 0 | |||
| 18 octubre | +1 | |||
| 17 octubre | +1 | |||
| 16 octubre | +2 | |||
| 15 octubre | 0 | |||
| 14 octubre | +2 | |||
| 13 octubre | +2 | |||
| 12 octubre | 0 | |||
| 11 octubre | +1 | |||
| 10 octubre | 0 | |||
| 09 octubre | +1 | |||
| 08 octubre | 0 | |||
| 07 octubre | 0 | |||
| 06 octubre | 0 | |||
| 05 octubre | +1 | |||
| 04 octubre | 0 | |||
| 03 octubre | +1 | |||
| 02 octubre | 0 | |||
| 01 octubre | +1 |
Publicaciones del Canal
Is Python the favorite language of LLMs?
https://www.zansara.dev/posts/2026-10-19-is-python-the-favorite-language-of-llms/
| 2 | aiogram 3 и FSM: три грабли, на которые я наступил в заказных ботах
https://habr.com/ru/articles/1097654/
Большая часть моих заказов на ботов выглядит одинаково. Человек хочет, чтобы клиент нажал кнопку, ответил на несколько вопросов и заявка упала менеджеру. Имя, телефон, что нужно, удобное время. Звучит как задача на вечер, и по коду это правда вечер. Проблемы начинаются потом, когда бот уже работает у заказчика. Ниже три истории, после которых я поменял свой шаблон. Все примеры на aiogram 3 | 90 |
| 3 | Первый запрос проходит, второй падает: почему TestClient ломает тесты FastAPI и как это исправить
https://habr.com/ru/companies/otus/articles/1095736/
Первый запрос к FastAPI возвращает 200, второй падает с ошибкой asyncpg. При этом под uvicorn всё работает. Причина может быть в событийных циклах, которыми управляет TestClient. Разберёмся, откуда берётся ошибка, как её исправить и какие ещё особенности тестового клиента стоит учитывать. | 109 |
| 4 | Монтаж вертикальных роликов из JSON на ffmpeg и автопроверка готового файла
https://habr.com/ru/articles/1090948/
Я снимаю короткие вертикальные ролики для соцсетей и долго собирал их руками в редакторе. Потом заметил, что правки повторяются: поменять слово в субтитре, подвинуть вставку на полсекунды, перекрасить титры. Каждая такая мелочь требовала открыть редактор и пересобрать ролик. | 128 |
| 5 | Как читать таблицу на 100 млн строк и не положить ни память, ни базу
https://habr.com/ru/articles/1096852/
DVT — open-source платформа визуального ETL: пайплайн собирается из нод (чтение → преобразования → запись) и выполняется на воркерах поверх Dask. Нода чтения из БД должна одинаково работать на таблице в 10 тыс. и в 100 млн строк, на шести СУБД (PostgreSQL, MySQL/MariaDB, MS SQL, Oracle, SQLite, ClickHouse), в воркере с ограниченной памятью и без избыточной нагрузки на источник. | 151 |
| 6 | PyTorch MPS против Apple MLX: как дообучать LLM на Mac с 16 ГБ и что выбрать
https://habr.com/ru/companies/otus/articles/1090656/
Apple MLX создавался для эффективной работы с моделями на Apple Silicon, но при дообучении он может оказаться в несколько раз медленнее PyTorch MPS. Зато там, где MPS упирается в ограничения памяти, MLX позволяет запустить модель вдвое крупнее. Откуда берётся такой разрыв, насколько виновато квантование и какой стек выбрать для локального SFT? Ответы дают 10 запусков Qwen 2.5 с разными размерами моделей и длиной контекста. | 158 |
| 7 | Python Bytes: #501 A Nod to Sir-Mix-Alot
https://pythonbytes.fm/episodes/show/501/a-nod-to-sir-mix-alot
Очередной выпуск англоязычного подкаста Python Bytes | 150 |
| 8 | redis-search-django: Full-Text Search with RediSearch
https://github.com/saadmk11/redis-search-django | 153 |
| 9 | Why Parquet Dominates Modern Data Engineering
https://oedokumaci.com/blog/posts/apache-parquet/
How Parquet’s columnar layout, encodings, zstd compression, and row group statistics make it smaller and faster to read than CSV, measured on NYC taxi trips data with Polars, DuckDB, and PyArrow. | 170 |
| 10 | Bayesian Optimization for Efficient Hyperparameter Search
https://codecut.ai/bayesian-optimization-hyperameter-search/
Instead of testing every hyperparameter combination, Bayesian optimization uses results from earlier trials to decide what to try next. This hands-on tutorial builds it step by step with scikit-learn’s GaussianProcessRegressor and a custom Expected Improvement function, plotting the model’s predictions and uncertainty along with each point the search picks. | 178 |
| 11 | Цена за 50 штук записалась в колонку «200 штук»: разбираю 42 PDF с коммерческими предложениями
https://habr.com/ru/articles/1096562/
У нас в мастерской за год накопилась папка коммерческих предложений: 42 PDF, 532 страницы, 650 мегабайт. Прайсы, презентации, предложения под конкретных заказчиков. Мне понадобилась из неё одна таблица: позиция, тираж, цена за штуку. Вопрос простой: насколько дешевеет изделие, когда тираж растёт с 10 до 200 штук, и одинаково ли это работает для футболки и для стикеров.Казалось, что это вечер работы: снять текст, найти числа рядом со словом «шт», сложить. Вышло иначе, и почти все ошибки по дороге были тихими. Скрипт отрабатывал без исключений и выдавал правдоподобные числа, которые не совпадали с тем, что напечатано на странице. | 183 |
| 12 | NumPy: Limited API и поддержка субинтерпретеров
https://pycoders.com/link/17225/web
A recap of Pratham’s Quansight internship porting NumPy extension modules to the Limited API: heap types, swapping macros for function calls, and the side quest it started, getting NumPy ready for subinterpreters. | 178 |
| 13 | Радар спроса: ловим «ищу разработчика» в чатах, а ИИ-классификатор держит потолок $30 в месяц
https://habr.com/ru/articles/1090944/
Я делаю сайты и телеграм-ботов на заказ. Заказчики пишут «ищу, кто сделает лендинг» в профильные чаты и в ленты соцсетей, и кто ответит первым, тот обычно и получает разговор. Читать все чаты глазами я не могу, поэтому собрал робота: он читает чаты и ленты, отсеивает мусор, оценивает каждую находку нейросетью и присылает мне в личку карточку с баллом и черновиком первого ответа. Отвечаю я сам, руками. | 194 |
| 14 | Читаем DataMatrix с конвейера: открытое сравнение четырёх библиотек на 1368 синтетических кадрах
https://habr.com/ru/articles/1096110/
На производстве код «Честного знака» читает камера над лентой, и символ на кадре мелкий — 2–3 пикселя на модуль, повёрнутый, смазанный, на изогнутом боку бутылки. Мы сравнили, как с такими кадрами справляются ZXing, zxing-cpp, libdmtx и наша библиотека dmr. Кадры, ожидаемые строки и скрипты замера выложены — любую цифру можно проверить. | 205 |
| 15 | RAGу для программиста
https://habr.com/ru/companies/skbkontur/articles/1095364/
Для обогащения знаний используемой вами модели применяется два подхода:- fine-tuning — дообучение модели на ваших данных. Тут финансовые затраты идут на обучение модели:-- ресурсы на fine-tuning в случае on-prem решения,-- дополнительные средства за дообучение модели по подписке.- RAG — внешний источник данных, данные из которого передаются в качестве контекста к промпту в LLM. | 219 |
| 16 | Может ли плохая модель победить хорошую? Как Data Leakage обманывает метрики
https://habr.com/ru/articles/1095916/
Представим обычную ситуацию: мы обучили несколько моделей, сравнили их на тестовой выборке и получили довольно странный результат. Простейшее дерево решений показывает Accuracy почти 97%, а Random Forest из 300 деревьев — всего 91,5%. | 220 |
| 17 | #python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- NumPy: Limited API и поддержка субинтерпретеров
- Цена за 50 штук записалась в колонку «200 штук»
- Читаем DataMatrix с конвейера: открытое сравнение 4 библиотек
- ИИ-помощник для КТ головы
- Монтаж вертикальных роликов из JSON на ffmpeg и автопроверка готового файла
- Может ли плохая модель победить хорошую?
- redis-search-django: Full-Text Search with RediSearch
- django-phonenumber-field - 9.0.0
Заходите в гости - https://pythondigest.ru/issue/671/ | 223 |
| 18 | sorl-thumbnail - 13.4.0
https://pypi.org/project/sorl-thumbnail/13.4.0/
Приложение для создания миниатюр изображений в Django. Скачать можно по ссылке: https://pypi.python.org/pypi/sorl-thumbnail/ | 223 |
| 19 | sorl-thumbnail - 13.3.0
https://pypi.org/project/sorl-thumbnail/13.3.0/
Приложение для создания миниатюр изображений в Django. Скачать можно по ссылке: https://pypi.python.org/pypi/sorl-thumbnail/ | 235 |
| 20 | coverage - 7.17.0
https://pypi.org/project/coverage/7.17.0/
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/ | 286 |
