Python/ django

Ir al canal en Telegram

по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM

Red:Machinelearning Rusia10 190 Tecnologías y Aplicaciones2 170...

📈 Análisis del canal de Telegram Python/ django

El canal Python/ django (@pythonl) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 58 979 suscriptores, ocupando la posición 2 170 en la categoría Tecnologías y Aplicaciones y el puesto 10 190 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 58 979 suscriptores.

Según los últimos datos del 27 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -317, y en las últimas 24 horas de -26, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.25%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.50% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 3 684 visualizaciones. En el primer día suele acumular 2 067 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 20.
Intereses temáticos: El contenido se centra en temas clave como github, claude, контекст, архитектура, api.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 28 agosto, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.

58 979

Suscriptores

-2624 horas

+837 días

-31730 días

3 684

Visitas de la publicación

~ 2 06724 horas

~ 2 52848 horas

6.25%

Tasa de compromiso

~ 2

Mensajes por día

Ads index

beta

Archivo de publicaciones

58 973

🔥 Старт олимпиады по ИИ и анализу данных — AIDAO. 🚀 В чем кайф: - Не теоретически возможные задачи, а приближенные к реальным проектам - Задачи на онлайн-этап готовит научная лаборатория, а финал — один из сервисов Яндекса - Командная олимпиада, в которой могут принять участие студенты российских и зарубежных вузов - Живое общение с экспертами и научными сотрудниками - Масштабный финал олимпиады в Москве: 32 часа хакатона и общения с комьюнити Международную олимпиаду организуют ФКН НИУ ВШЭ и Яндекс Образование. Главные призы: 1 млн рублей и бонусы при поступлении на магистратуры ФКН ВШЭ. Регистрируем команду на AIDAO по ссылке.

58 973

🔥 Подборка небанальных Python-трюков, которые реально упрощают жизнь разработчику 🌀 1. functools.cached_property — ленивое свойство с кэшем Позволяет вычислить значение один раз и потом возвращать готовый результат.


from functools import cached_property
import time

class DataFetcher:
    @cached_property
    def heavy_data(self):
        print("⏳ Запрос к API...")
        time.sleep(2)
        return {"status": "ok", "data": [1, 2, 3]}

obj = DataFetcher()
print(obj.heavy_data)  # первый вызов → считает
print(obj.heavy_data)  # второй вызов → из кэша

🪄 2. contextlib.suppress — игнорируем ошибки красиво Вместо громоздкого try/except:


import os
from contextlib import suppress

with suppress(FileNotFoundError):
    os.remove("tmp.txt")

👉 Идеально для операций, где ошибка — нормальная ситуация (удаление файла, закрытие сокета и т.п.). 🧩 3. Свой контекстный менеджер через enter / exit Можно сделать объекты, которые сами открываются и закрываются как файлы.


class DemoResource:
    def __enter__(self):
        print("🔓 Ресурс открыт")
        return self
    
    def __exit__(self, exc_type, exc_value, traceback):
        print("🔒 Ресурс закрыт")
        if exc_type:
            print(f"⚠️ Ошибка: {exc_value}")
        return True  # подавить исключение

with DemoResource() as res:
    print("⚡ Работаем...")
    raise ValueError("Что-то пошло не так!")

👉 Отлично для работы с ресурсами: подключение к БД, временные настройки, логирование. @pythonl

58 973

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 11 сентября (уже в четверг!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. 🔍Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

58 973

🔥 Thyme: Think Beyond Images Thyme — это инновационная модель, которая улучшает обработку изображений и сложные задачи рассуждения, используя автономное генерирование и выполнение операций через исполняемый код. Она сочетает в себе методы супервайзинга и обучения с подкреплением, обеспечивая высокую точность выполнения кода. 🚀 Основные моменты: - Автономная генерация и выполнение операций с изображениями. - Комбинация супервайзинга и обучения с подкреплением. - Поддержка высокоразрешающей перцепции и сложного рассуждения. - Использует алгоритм GRPO-ATS для оптимизации работы. 📌 GitHub: https://github.com/yfzhang114/Thyme

58 973

⁉️Хотите начать карьеру Data Scientist? Освойте методы ансамблирования ML Чтобы понять, как добиться высокого качества предсказания в машинном обучении, присоединяйтесь к открытому вебинару 8 сентября в 18:00 МСК! На уроке мы разберем ключевые методы ансамблирования моделей, которые использует каждый Data Scientist: Бэггинг, Random Forest и Градиентный бустинг. Эти методы помогут вам повысить точность ваших моделей и научиться их эффективно применять в реальных задачах. После занятия вы будете уверенно работать с ансамблями моделей на Python и знать, как применять их на практике для получения лучших результатов. ➡️ Присоединяйтесь и получите скидку на курс «Machine Learning. Basic»: https://otus.pw/pd7e/?erid=2W5zFHuTx9e Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

58 973

🚀 Lemonade SDK — локальный сервер для LLM с максимальной производительностью Что это? Lemonade — это open-source проект (спонсируется AMD), который позволяет запускать большие языковые модели прямо у себя: на ПК, в браузере или на сервере. Всё работает локально, без облака, с поддержкой GPU и NPU, и при этом совместимо со стандартом OpenAI API. Возможности - Lemonade Server — локальный сервер, который имитирует OpenAI API. Поддерживает движки llama.cpp (GGUF), ONNX Runtime GenAI и HuggingFace Transformers. Работает с ускорением через Vulkan и ROCm. - Lemonade CLI — консольный инструмент для запуска моделей, тестов производительности, проверки памяти и точности. - Python API — простой способ подключить LLM к своим скриптам и приложениям. Поддержка железа - GPU — работает на Windows и Linux через Vulkan. - NPU — поддержка AMD Ryzen AI 300-й серии. - CPU — поддержка на всех платформах. Можно переключаться между разными движками: llama.cpp, ONNX и HF Transformers. Интеграция и совместимость - Полная поддержка OpenAI API (`/chat/completions`, /completions, /models, /load, /stats и др.). - SDK доступен для Python, C++, Java, C#, Go, Node.js, Rust, PHP и других языков. Почему это важно - Всё работает локально → выше приватность и ниже затраты. - Автоматическая оптимизация под ваше железо. - Подходит для продакшн-нагрузок, edge-устройств и экспериментов. - Удобные инструменты: сервер, CLI, Python API, web-панель. - Проект активно развивается: свежие релизы выходят каждую неделю. 👉 Репозиторий: [github.com/lemonade-sdk/lemonade](https://github.com/lemonade-sdk/lemonade) #LLM #AI #Lemonade #OpenSource #AMD @pythonl

58 973

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: t.me/ai_machinelearning_big_data Python: t.me/python_job_interview Linux: t.me/linuxacademiya Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Подпишись, если хочешь быть в числе тех, кого зовут в топовые проекты!

58 973

👨‍💻 Omnara — Mission Control для AI-агентов Что это? Omnara — это «диспетчерская» для ваших AI-агентов. С её помощью можно управлять и наблюдать за работой агентов в реальном времени: через терминал, веб-интерфейс и мобильное приложение. Возможности - Отслеживание всех шагов агента в реальном времени. - Push-уведомления, когда агент ждёт обратной связи. - Ответы и контроль прямо с телефона или браузера. - Единый дашборд для всех агентов. Почему это удобно - Не нужно сидеть за ПК, чтобы держать процесс под контролем. - Всё open-source, можно разворачивать самостоятельно. - Подходит как для разработчиков-одиночек, так и для команд. 👉 Omnara делает взаимодействие с AI-агентами гибким и удобным: вы всегда в курсе, что они делают, и можете вмешаться в любой момент. 🔗 GitHub @pythonl

58 973

📐 Agent Reinforcement Trainer — фреймворк для обучения ИИ-агентов через reinforcement learning Проект предлагает удобный способ прокачки LLM для решения практических задач. Во время работы ART использует метод GRPO и позволяет обучать агентов работать с MCP-серверами, играть в игры и выполнять другие действия через взаимодействие со средой. Инструмент минимально требователен к данным — система сама анализирует доступные инструменты и генерирует учебные сценарии. Поддерживается интеграция с популярными языковыми моделями, включая Qwen 2.5. 🤖 GitHub @pythonl

58 973

🚀 Python Pro совет Хотите измерить время выполнения куска кода без лишних библиотек? Используйте модуль timeit, встроенный прямо в Python:


# Запуск из командной строки
python -m timeit -n 100 -r 5 "sum(range(1000))"

# В коде
import timeit
print(timeit.timeit("sum(range(1000))", number=1000))

💡 Это простой способ проверить, какой из вариантов реализации быстрее. Сравнивайте разные подходы и оптимизируйте критичные куски кода на практике. @pythonl

58 973

🔍 Django ModelSearch: Умный поиск для ваших моделей Django ModelSearch позволяет индексировать модели Django и осуществлять поиск с помощью ORM. Поддерживает PostgreSQL FTS, SQLite FTS5, Elasticsearch и OpenSearch. Идеально подходит для создания мощных поисковых решений в ваших приложениях. 🚀Основные моменты: - Индексация моделей в Elasticsearch и OpenSearch - Поддержка автозаполнения и фасетного поиска - Возможность использования существующих QuerySets - Поддержка нечеткого поиска и структурированных запросов - Нулевая простоя при перестройке индекса 📌 GitHub: https://github.com/kaedroho/django-modelsearch @pythonl #python

58 973

⚠️ SQL-инъекция через f-string Если подставлять значения прямо в SQL через f-string, злоумышленник может выполнить любой код в базе:


name = "Alice'; DROP TABLE accounts; --"
query = f"SELECT * FROM accounts WHERE name = '{name}'"
conn.sql(query)

💥 И вот таблица accounts удалена! Почему так? Потому что строка с именем вставляется как есть и воспринимается как часть SQL-запроса. ✅ Правильный способ — использовать параметры:


name = "Alice'; DROP TABLE accounts; --"
query = "SELECT * FROM accounts WHERE name = ?"
conn.sql(query, params=(name,))

✔ Имя ищется как текст, база остаётся в безопасности. 👉 Запомни: никогда не вставляй пользовательские данные напрямую в SQL. Используй параметризованные запросы — это надёжная защита от SQL-инъекций. @pythonl

58 973

🚀 Современная система сборки Meson Meson — это высокопроизводительная система сборки, ориентированная на простоту и скорость. Она поддерживает множество языков и инструментов, обеспечивая гибкость и эффективность в разработке. 🚀 Основные моменты: - Поддержка Python и Ninja для сборки. - Быстрая и интуитивно понятная настройка проектов. - Активное сообщество и возможность внесения вкладов. - Совместимость с различными платформами и языками. 📌 GitHub: https://github.com/mesonbuild/meson #python @pythonl

58 973

🚀 Полезный совет: any и all в Python работают с генераторами и используют short-circuit Иногда в python есть малоизвестные особенности, которые могут сильно помочь. Например, функция all и any умеют работать не только с простыми списками, но и с генераторами. Это значит, что пайтон остановит проверку сразу, как только результат станет очевидным — это называется "шорт-сёркьют".


nums = [0, 0, 0, 5, 0]

#any (эни) вернёт True, как только найдёт первый элемент != 0
print(any(nums))  # True

#ll (ол) вернёт False, как только встретит первый элемент == 0
print(all(nums))  # False

#использование с генератором — не создаёт лишний список
print(any(x > 10 for x in nums))  # False

Это позволяет писать очень эффективный код без лишних проверок и без создания промежуточных списков. @pythonl

58 973

🐍 Необычный Python-совет В Python можно перегрузить оператор [] и превратить объект в умный словарь или вычисляемый массив. Это позволяет писать очень выразительный код. Пример: создадим класс, который хранит функцию и вычисляет результат «на лету» при обращении по индексу:


class PowTable:
    def __init__(self, power):
        self.power = power

    def __getitem__(self, n):
        return n ** self.power

squares = PowTable(2)
cubes = PowTable(3)

print(squares[5])  # 25
print(cubes[4])    # 64

👉 В итоге obj[x] может не просто доставать значение, а вычислять его динамически. Это мощный приём для DSL, кэшей и ленивых вычислений.

58 973

🍏 Apple представила FastVLM на Hugging Face — модели 0.5B, 1.5B и 7B с поддержкой WebGPU VLM (Vision-Language Model) — это модель, которая умеет одновременно работать с картинками и текстом: понимать, что изображено, описывать картинку словами, отвечать на вопросы по изображению и совмещать визуальные и текстовые данные. ⚡ Что это значит: - До 85 раз быстрее и в 3.4 раза компактнее аналогичных VLM - У крупных моделей время до первого токена стало быстрее в 7.9 раз - Меньше выходных токенов + быстрее обработка картинок высокого разрешения 🔥Модель работает в реальном времени прямо в браузере через transformers.js и WebGPU. https://huggingface.co/spaces/apple/fastvlm-webgpu @pythonl

58 973

🆕 OctoBot — мощный криптовалютный торговый бот с открытым исходным кодом! OctoBot — это: - Открытый и настраиваемый крипто-торговый бот от Drakkar-Software - Интерфейс конфигурации и система *tentacles* (модули-«щупальца») для гибкого построения стратегий — от технического анализа до интеграции внешних данных - Поддержка Spot и Futures, торговля на более чем 15 биржах через библиотеку ccxt - Возможности: создание и тестирование стратегий, оптимизация, торговля корзиной криптовалют, использование AI-инструментов и backtesting Архитектура проекта: - OctoBot — ядро с backtesting и стратегическим менеджментом - OctoBot-Tentacles — модули для стратегий, нотификаций, внешних данных - OctoBot-Trading — взаимодействие с биржами через ccxt - Дополнительные пакеты: OctoBot-Services, OctoBot-Backtesting, OctoBot-Commons, Async-Channel Активность и релизы: - 4,5k★ и 900+ форков на GitHub - Недавний релиз 2.0.12 (июнь 2025) с поддержкой Windows, Linux (x64, arm64) и macOS - Регулярные обновления и активное сообщество Почему это важно: - Гибкая модульная архитектура - Возможность добавлять свои стратегии и источники данных - Отличный инструмент для изучения алгоритмической торговли и прототипирования - Интеграции с AI, TradingView, Telegram 👉 Репозиторий: https://github.com/Drakkar-Software/OctoBot @pythonl

58 973

🖥Вышла крутейшая документалка про Python c Гвидо ван Россумом и другими ключевыми людьми в истории самого популярного языка программирования в мире Внутри целая драма — начало, как Python создавался в качестве хобби, едва не исчез, но все-таки взлетел и стал одним из ведущих ЯП. В документалке даже проявляется сам Гвидо ван Россум, а также создатель NumPy, и другие топы коммьюнити. 📌Смотрим тут

58 973

⚡️ Limekit — кроссплатформенный GUI-фреймворк на Lua Хочешь писать десктоп-приложения без Python и компиляции? С Limekit всё просто: «написал один раз — запускай везде» (Windows, macOS, Linux). ✨ Что умеет: - Чистый Lua API, без необходимости знать Python - 40+ встроенных виджетов, поддержка Material Design и тёмной темы - Запуск без сборки — достаточно Python и самого фреймворка - Много примеров и документация на ReadTheDocs - Полностью опенсорс (GPLv3) 📌 Минимальный пример:


local window = Window{title='Limekit app'}
window:show()

Две строки кода — и у тебя уже готовое окно 🚀 ⚡️GitHub @pythonl

58 973

Тренировки Яндекса по алгоритмам: от решения задач к карьере в IT Вас ждет 4 недели практики, чтобы систематизировать знания и научиться решать задачи, которые встречаются на собеседованиях и в реальной работе. Программа включает восемь ключевых тем: множества, словари, динамическое программирование и не только. Лекции и разборы будет вести Михаил Густокашин — директор Центра студенческих олимпиад ВШЭ и тренер чемпионов мира по программированию. Топ-300 участников смогут пропустить контест при отборе на стажировку в Яндекс по направлениям бэкенд, фронтенд, мобилка и пройти пробное техническое собеседование. А еще лидеры рейтинга смогут получить персональные карьерные консультации. Подать заявку можно до 29 сентября.