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

58 977

Repost from C# (C Sharp) programming

⚡️ Microsoft выпустила Visual Studio 2026 - крупнейшее обновление IDE за последние годы. 🔹 300+ новых функций и почти 5000 исправлений ошибок 🔹 Интеграция с GitHub Copilot стала глубже: теперь он помогает в анализе, рефакторинге и генерации кода 🔹 Редизайн интерфейса — 11 новых цветовых тем, улучшенная навигация и читаемость 🔹 Производительность выросла: количество зависаний интерфейса снизилось на 50 % 🔹 Более 4000 расширений от Visual Studio 2022 полностью совместимы с новой версией Самое время обновиться - новая версия ощутимо быстрее и умнее. https://visualstudio.microsoft.com/downloads/ @csharp_ci

58 977

⚡️ Rust vs Python - как найти баланс между скоростью и простотой JetBrains выпустили подробный разбор, где сравнивают Python и Rust без фанатизма — по скорости, синтаксису, памяти, экосистеме, конкурентности и даже по карьерным сценариям. Главный вывод: Python нужен там, где важна скорость разработки и богатая экосистема, Rust, когда критична производительность, безопасность и масштабируемость. Всё чаще их используют вместе: Python для логики, Rust для самых горячих участков. Ключевые моменты Рост и популярность - Python уверенно расширяет аудиторию: быстрый вход, огромная экосистема, удобство для ML, веба и автоматизации. - Rust годами остаётся самым любимым языком разработчиков — благодаря безопасности памяти, скорости и надёжности. Типы и управление памятью - Python — динамическая типизация и удобный GC: легко начать, но ошибки всплывают в рантайме. - Rust — строгая типизация, система владения и заимствований, отсутствие GC: ошибки ловятся на этапе компиляции, производительность предсказуема. Производительность и конкурентность - Python ограничен GIL: хорош для I/O, но CPU-параллелизм требует multiprocessing или расширений. - Rust не имеет GIL — настоящая параллельность, «бесстрашная» конкурентность и контроль безопасности компилятором. Экосистема - Python — PyPI, Jupyter, зрелые фреймворки для DS/ML, веба, автоматизации. - Rust — Cargo и crates.io, сильная база для CLI, системного софта, WebAssembly. Комбинация Python + Rust - Тренд — ускорять Python-проекты Rust-модулями. - Библиотеки типа pydantic-core или Ruff показывают огромный прирост скорости. - PyO3 делает интеграцию очень простой: Rust-код можно вызывать как обычный Python-модуль. Карьера - Python - широкие вакансии, огромный спрос в данных и ML. - Rust - меньше позиций, но выше специализация в инфраструктуре, системной разработке и высоконагруженных сервисах. Как выбирать - Нужна скорость разработки и гибкость — Python. - Нужна производительность и надёжность — Rust. - Нужны и то, и другое — гибридный подход Python + Rust. Подробный разбор - в блоге JetBrains: https://blog.jetbrains.com/rust/2025/11/10/rust-vs-python-finding-the-right-balance-between-speed-and-simplicity/ #Rust #Python #Programming #Backend #Performance @pythonl

58 977

🤖 Python + ИИ — лёгкий старт и быстрый рост в карьере разработчика. Освойте с нуля один из популярных языков программирования и усильте свой вес на рынке знанием ИИ-инструментов для разработчиков на расширенном курсе «Python-разработчик». Вы научитесь: - разрабатывать веб-приложения и API; - работать с фреймворками Django, Flask, FastAPI и с базами данных SQL, PostgreSQL; - разбираться в принципах ООП, многопоточности, асинхронности. Вы выполните более 90 практических заданий, добавите в портфолио 23 проекта и научитесь проходить технические интервью. А сразу после окончания курса пройдёте собеседования в наших компаниях-партнёрах: Ozon Банке, Авито и ВТБ. Весь ноябрь в Нетологии — чёрная пятница: заберите курс со скидкой 50% и получите приятные подарки. ➡️ Узнать подробности Реклама. ООО "Нетология". ИНН 7726464125 Erid 2VSb5wAW1AZ

58 977

🖥 Python задака Напиши функцию, которая распарсит вложенные структуры (списки, кортежи, множества, генераторы) в одну последовательность, но не трогает строки и не падает из-за циклов. Вот как сделать это без рекурсии, только через стек:


def flatten(obj):
    stack = [obj]
    seen = set()
    while stack:
        x = stack.pop()
        if isinstance(x, (str, bytes)):
            yield x
        elif isinstance(x, (list, tuple, set)):
            xid = id(x)
            if xid in seen:
                continue
            seen.add(xid)
            stack.extend(reversed(list(x)))
        else:
            yield x

# пример
data = [1, [2, 3], ("ab", [4, 5]), 6]
data.append(data)  # создаём цикл
print(list(flatten(data)))

58 977

🚀 27 ноября пройдет Pytup — митап для разработчиков, ML-инженеров и энтузиастов Python. Встречаемся в Екатеринбурге и онлайн, чтобы в неформальной обстановке обсудить новые подходы, решения и вызовы индустрии. Разработчик системы контроля качества умных устройств на производстве Яндекс Алисы Арсений Саблин поделится, как используется Python при тестировании станции с Алисой. Техлид VK Tech Никита Улько разберет чистую архитектуру с практической точки зрения. А технический менеджер проектов Yandex Cloud Егор Гордовский расскажет о работе дата-центров. Помимо докладов участников митапа в Екатеринбурге ждут дискуссионные столы по актуальным темам, нетворкинг с экспертами из разных компаний, а также гонки на роверах и соревнования по игре в змейку. 📅 27 ноября в 17.00 (по Екб) 📍 Екатеринбург 🛜 Офлайн/онлайн Регистрируемся

58 977

🖥 Современная панель для мониторинга Docker-контейнеров в реальном времени Что умеет: - следит за локальными и удалёнными Docker-хостами в одном окне - умно перезапускает контейнеры с настраиваемой логикой повторов - шлёт алерты в Telegram, Slack, Discord, Gotify и почту - обновляет контейнеры по расписанию - позволяет разворачивать Docker Run и Compose-пресеты прямо из UI - показывает health-чеки и события в реальном времени Github: https://github.com/darthnorse/dockmon @pythonl

58 977

🔍Тестовое собеседование на Middle Python с Senior из X5 уже завтра! Уже завтра(11 ноября) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Олег, старший разработчик в X5, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Олег будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Олегу 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.

58 977

🖥 Аккуратный выход из Python-скриптов через sys.exit В продакшене важно правильно сигнализировать системе об успехе или ошибке. В Python это делается через sys.exit(<код>): 0 — успешное завершение неноль — ошибка, которую может поймать CI/CD, Docker, cron или любой supervisor В примере выше try/except использует это правило: - при ошибке деления выводится сообщение и скрипт завершается с кодом 1 - при успешной операции — вывод “Operation successful!” и код 0 Такой паттерн обязателен для CLI-утилит, сервисных скриптов, пайплайнов и автоматизации: он делает выполнение предсказуемым и даёт внешним системам корректно реагировать на сбои. @pythonl

58 977

Почему «Async Django» часто решает не ту проблему Django теперь умеет ASGI и async-views, но автор статьи отмечает: переход на async сам по себе почти ничего не ускоряет. Чтобы получить выгоду, весь код должен быть переписан под асинхронность, а в реальных проектах прирост обычно минимальный. Где async реально нужен? В задачах с большим количеством ожидания: внешние API, WebSockets, стриминг ответов. Там async даёт ощутимую экономию. Но есть нюанс: Django стал «двухрежимным» фреймворком - синхронные и асинхронные части живут рядом, усложняя архитектуру. ORM всё ещё в основном синхронная, и это становится бутылочным горлышком. Поэтому для большинства проектов выгоднее оставить sync Django и вынести тяжёлые операции в фоновые задачи (Celery, RQ). Это проще, надёжнее и предсказуемее. Итог: Async Django - круто с инженерной точки зрения, но бизнес-ценность есть далеко не в каждом сценарии. Для большинства приложений классический Django остаётся лучшим выбором. https://www.loopwerk.io/articles/2025/async-django-why/

58 977

⚡️ Tencent выложила код Hunyuan World 1.1 (WorldMirror) Теперь доступен полный стек для кастомизации и тонкой настройки модели: - из видео в 3D-сцену за одну секунду - преобразование ЛЮБОГО входа (картинка, видео, 3D-приоры) в ЛЮБОЙ выход: 3DGS, depth, камеры, normal-карты, point-cloud - готовый код для обучения и свои пайплайны Можно сразу пробовать онлайн-демо или собирать свою модель. Демо: https://huggingface.co/spaces/tencent/HunyuanWorld-Mirror Код: https://github.com/Tencent-Hunyuan/HunyuanWorld-Mirror @pythonl

58 977

Тестируй Python-код не «на ощупь», а через три уровня. Сначала юнит-тесты для базовой логики, затем фикстуры для реального окружения (файлы, БД, HTTP-моки), и сверху — hypothesis для автоматического поиска скрытых багов. Так тесты будут короткими, а покрытие и надёжность — максимальными.


import pytest
from hypothesis import given, strategies as st


# 1) Простой юнит-тест
def test_add():
    assert add(2, 3) == 5


2) Фикстура для окружения (временный файл)
@pytest.fixture
def temp_file(tmp_path):
    file_path = tmp_path / "data.txt"
    file_path.write_text("42")
    return file_path


def test_read_data(temp_file):
    assert read_data(temp_file) == 42


3) Property-based тест (генерация случайных входных данных)
@given(st.integers(), st.integers())
def test_add_random(a, b):
    assert add(a, b) == a + b


Быстрый запуск только упавших тестов:
pytest --lf

58 977

⁉️Машинное обучение кажется чем-то сложным и недосягаемым? Всё проще, чем вы думаете! Первый шаг — разобраться, как устроен ML-процесс и научиться работать в Jupyter Notebook — инструменте, с которого начинают все специалисты в Data Science. На открытом уроке вы шаг за шагом поймёте, как строится путь от данных до модели. Научитесь запускать эксперименты в Jupyter Notebook и Google Colab, работать с виртуальными окружениями и не бояться “сломать” систему. Всё — в формате простых и наглядных примеров. После урока вы сможете уверенно начать свой первый ML-проект и поймёте, какие инструменты нужны, чтобы перейти от теории к практике. ➡️ 13 ноября в 20:00 МСК. Открытый вебинар проходит в преддверии старта курса «Machine Learning. Basic». Регистрируйтесь и сделайте первый шаг в машинное обучение без страха и путаницы:т https://otus.pw/sLZ2/?erid=2W5zFGojX9i Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

58 977

🧠 Дискретные диффузионные модели для генерации текста Репозиторий предлагает аннотированную реализацию модели дискретной диффузии для генерации текста, основанную на архитектуре "baby GPT" от Андрея Карпаты. Используя подход денойзинга, модель восстанавливает и генерирует текст, обучаясь на примерах, таких как произведения Шекспира. 🚀 Основные моменты: - Обучение на текстах с использованием дискретных диффузионных моделей. - Параллельная генерация токенов вместо последовательной. - Включает математическую основу и адаптацию существующих архитектур. - Применение к различным наборам данных и настройкам модели. 📌 GitHub: https://github.com/ash80/diffusion-gpt #python

58 977

Изучили базу по Python и не знаете, как кодить еще лучше? ✅ Пройдите бесплатный курс по настройке инструментов Python в Академии Selectel. Рассказываем, что изучать после основ и как не зациклиться на типовых навыках на старте. В программе курса: 🔸 освоим Python-инструменты для упрощения работы с кодом: SonarLint, Myry и другие; 🔸 протестируем библиотеку Tkinter, чтобы создавать приложения с графическим интерфейсом; 🔸 расскажем, как парсить данные с веб-сайтов и закрепить полученные знания на практике. Все материалы бесплатные. Проходите курс в комфортном темпе в Академии Selectel: https://slc.tl/xc1nq Реклама. АО "Селектел". erid:2W5zFG6QH36

58 977

⚡️ Pytest markers: ускоряем разработку и тестирование Когда проект растёт — часть тестов становится медленной (ML-тренировка, GPU-инференс, интеграционные проверки). Pytest позволяет помечать такие тесты и запускать только нужные группы. В примере: - @pytest.mark.fast — быстрые юнит-тесты - @pytest.mark.slow — долгие тесты (например, обучение модели) - @pytest.mark.gpu — тесты, требующие GPU Команды: # Запустить только быстрые pytest -m fast # Запустить всё, кроме slow pytest -m "not slow" Идеально, когда нужно: - быстро прогнать код перед пушем - запускать тяжёлые тесты по расписанию/в CI - разделить ML-тесты по ресурсам (CPU/GPU) Используйте маркеры — и ваша разработка станет быстрее и чище 🧪⚙️ #pytest #python #testing #mlengineering #unittesting #devtools

58 977

⚡️ Python трюк: безопасное завершение потоков через флаг события Многие просто daemon=True ставят и надеются, что всё само завершится. Но это ломает контроль и может привести к утечкам. Проще и надёжнее — использовать общий Event, чтобы уведомлять потоки о завершении.


import threading
import time

stop_event = threading.Event()

def worker():
    while not stop_event.is_set():
        print("Работаю...")
        time.sleep(0.3)
    print("Останавливаюсь корректно.")

thread = threading.Thread(target=worker)
thread.start()

time.sleep(1.2)
stop_event.set()   # посылаем сигнал остановки
thread.join()
print("Все потоки завершены корректно.")

58 977

🤖 OpenTrack: Открытая система трекинга движений OpenTrack — это кодовая база для трекинга движений гуманоидов, использующая MuJoCo для симуляции и поддерживающая многопроцессорное обучение. Проект ориентирован на исследование и разработку в области робототехники. 🚀 Основные моменты: - Открытый исходный код для трекинга движений - Поддержка многопроцессорного обучения - Использует MuJoCo для симуляции - Реализует различные сценарии обучения 📌 GitHub: https://github.com/GalaxyGeneralRobotics/OpenTrack

58 977

🖥 PostgreSQL: LATERAL JOIN Иногда тебе нужно выполнить подзапрос, который зависит от строки из внешнего запроса, например, выбрать последние покупки для каждого пользователя или самые дорогие товары из категории. Обычный JOIN не справится, но есть мощный инструмент - LATERAL JOIN. Он позволяет вызывать подзапрос для каждой строки внешней таблицы, сохраняя контекст. Этот приём часто заменяет громоздкие запросы или оконные функции и работает значительно быстрее на PostgreSQL. Используй его, когда нужно сделать что-то «на лету» для каждой записи.

58 977

Repost from VK Team

Конкурс для тех, кто не боится высоких нагрузок 😎 Мы в VK вовсю готовимся к Highload++. Привезём много крутого — и вы обязаны это увидеть. Поэтому мы решили разыграть 2 билета на ивент 💙 Условия простые: ✅подпишитесь на каналы @vkjobs, @backendhubvk и @frontendhubvk ✅нажмите кнопку «Участвовать» ✅увеличьте свои шансы и пригласите друга — вместе веселее! Информацию об организаторе, правилах и призах ищите здесь, а результаты конкурса мы подведём 1 ноября. Удачи! Участников: 0 Призовых мест: 2 Дата розыгрыша: 16:00, 01.11.2025 MSK (2 дня)

58 977

Управление мониторами с Monitor Control 🖥️ Приложение для управления внешними мониторами через системный трей. Позволяет настраивать яркость, громкость и переключать источники входа с плавной анимацией и поддержкой нескольких мониторов. 🚀Основные моменты: - Управление яркостью и громкостью с анимацией - Переключение между HDMI, DisplayPort и USB-C - Поддержка нескольких мониторов - Современный интерфейс в системном трее - Автоматическое обновление информации о мониторах 📌 GitHub: https://github.com/Toxblh/Monic @pythonl