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
Mostrar más
Red:📈 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 58 574 suscriptores, ocupando la posición 2 247 en la categoría Tecnologías y Aplicaciones y el puesto 10 312 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 58 574 suscriptores.
Según los últimos datos del 26 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -159, y en las últimas 24 horas de -23, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.80%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.95% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 985 visualizaciones. En el primer día suele acumular 1 728 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 27 octubre, 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.
58 574
Suscriptores
-2324 horas
+267 días
-15930 días
Archivo de publicaciones
58 563
Kronos - open-source модель, которая читает финансовые свечи как язык
Это не обычная LLM, которую натянули на финансы. Kronos изначально обучали на K-line данных: open, high, low, close, volume и рыночных паттернах.
Что умеет:
- прогнозировать цену по свечам;
- оценивать будущую волатильность;
- работать zero-shot без дообучения;
- запускаться в разных размерах - от 4.1M до 499M параметров;
- делать прогнозы через несколько строк Python.
Модель обучали на данных с 45+ бирж, есть live demo для BTC/USDT, модели выложены на Hugging Face, код открыт под MIT.
Главная идея сильная: финансовые данные наконец начали обрабатывать не как обычный временной ряд, а как отдельный язык рынка.
GitHub: github.com/shiyu-coder/Kronos
58 563
Бэкенд-разработка и архитектура программных систем
Сложные IT-продукты держатся на бэкенде: он отвечает за логику сервиса, работу с данными, API, надёжность и масштабирование.
На онлайн-магистратуре НИУ ВШЭ и Нетологии «Бэкенд-разработка и архитектура программных систем» готовят специалистов, которые умеют проектировать, разрабатывать и развивать серверные приложения.
В программе — фундаментальная инженерная база и современный стек: Python, реляционные и нереляционные базы данных, веб-разработка, архитектура ПО, тестирование, MLOps. На втором курсе можно углубиться в один из языков: Go, Java или Rust.
Обучение построено вокруг практики: проектные семинары, семинары наставника, мастер-классы и практикумы с экспертами IT-компаний. Студенты работают над проектами для портфолио, а ВКР становится полноценным итоговым проектом.
Формат — онлайн, занятия проходят вечером в будни и днём в субботу. После обучения выпускники получают диплом магистра НИУ ВШЭ по направлению «Программная инженерия».
Подробнее о программе → по ссылке
Реклама. ООО "Нетология" ОГРН 1207700135884 Erid: 2VSb5wABUne
58 563
Вышел Codex CLI 0.133.0.
Goals теперь работают по умолчанию. У них появилось отдельное хранилище, прогресс трекается сквозь активные ходы, так что агент держит цель в фокусе между шагами и не забывает, куда шёл.
Заметно прокачали Permission profiles: API для списков, наследование настроек, поддержка managed requirements.toml, обновление прав в рантайме без перезапуска и усиленный сэндбокс под Windows.
Расширения получили доступ к событиям подагентов (старт, стоп), вызовам инструментов, метаданным хода и асинхронной обработке аппрувов. Можно строить нормальные обвязки вокруг Codex.
Плагины: discovery теперь учитывает маркетплейсы, показывает установленные версии, видимые корни и умеет работать с удалёнными коллекциями.
https://github.com/openai/codex/releases/tag/rust-v0.133.0
58 563
🔒🌐 Awesome Privacy: Your Guide to Online Privacy Tools
Этот репозиторий собрал лучшие ресурсы и инструменты для обеспечения вашей конфиденциальности в интернете. Здесь вы найдете полезные ссылки на программы, сервисы и советы по защите личных данных.
🚀Основные моменты:
- Обширный список инструментов для защиты конфиденциальности
- Ресурсы по анонимности и безопасности в сети
- Регулярные обновления и новые добавления
- Полезные советы по улучшению личной безопасности
📌 GitHub: https://github.com/Lissy93/awesome-privacy
#markdown
58 563
✔️ Machine Learning Roadmap: нормальная карта входа в ML без сказок про «выучить нейросети за месяц»
Большой русскоязычный roadmap по машинному обучению: от первого
import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps.
И это не просто очередной список ссылок в стиле «посмотри 40 курсов и станешь ML engineer». Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и какой практический артефакт должен появиться после каждого этапа.
Roadmap разбит на 7 треков:
- фундамент: Python, математика, статистика, инструменты
- классический ML: scikit-learn, табличные данные, метрики, валидация
- Deep Learning: PyTorch, CNN, RNN, training loop
- LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты
- Generative AI: изображения, видео, аудио, мультимодальность
- MLOps и прод: Docker, Kubernetes, CI/CD, мониторинг, serving
- специализация: CV, NLP, RecSys, RL, Safety
Самое полезное - там честно написано, что ML это не только «обучить модель». В реальности большая часть работы живёт вокруг данных, метрик, деплоя, мониторинга, воспроизводимости и понимания, почему модель вообще ошибается.
Хорошая мысль из roadmap: LLM не делает джуна сениором. Она ускоряет того, кто понимает базу. Без базы человек просто превращается в оператора Copilot, который не может объяснить, почему модель сломалась.
По времени тоже без инфоцыганства:
- 0-3 месяца: Python, математика, классический ML
- 3-6 месяцев: Deep Learning и PyTorch
- 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты
- 12+ месяцев: MLOps, прод, масштабирование, специализация
Короче, если давно хотели системно зайти в ML, а не прыгать между роликами про ChatGPT, Stable Diffusion и «топ-10 библиотек», это хороший ориентир.
https://github.com/justxor/MachineLearningRoadmap/tree/main58 563
Python-скрипт, который автоматически «понимает» PDF-книги: AI Reads Books.
Достаточно предоставить PDF, запустить скрипт — и он будет анализировать содержимое по страницам, извлекать ключевые знания и генерировать структурированное резюме в формате Markdown.
GitHub: https://github.com/echohive42/AI-reads-books-page-by-page
58 563
🚀 Удобная система сборки для нескольких языков с rigx
rigx — это экспериментальная система сборки для C, C++, Go, Rust, Zig, Nim и Python, которая упрощает процесс разработки, обеспечивая изоляцию и кэширование. Все зависимости управляются автоматически, а сборки выполняются в песочнице, что исключает проблемы с "работает на моем компьютере".
🚀 Основные моменты:
- Простая декларативная конфигурация через rigx.toml.
- Поддержка многопоточности и интеграционных тестов.
- Кэширование выходных данных для ускорения сборок.
- Совместимость с Nix для управления зависимостями.
📌 GitHub: https://github.com/unofficialtools/rigx
#python
58 563
🌐 МHR-CFW: MasterHttpRelay + Cloudflare Worker
MHR-CFW — это инструмент для создания анонимного прокси-сервера, использующего Google и Cloudflare для маскировки реального трафика. Он позволяет обойти сетевые фильтры, скрывая целевые сайты за обычным трафиком Google.
🚀 Основные моменты:
- Прокси-сервер, использующий Google и Cloudflare для анонимности.
- Подходит для образовательных и исследовательских целей.
- Не требует установки дополнительных зависимостей, кроме Python.
- Предоставляется без гарантии и ответственности.
📌 GitHub: https://github.com/denuitt1/mhr-cfw
58 563
⚡️ Вредонос в PyPI превратил установку пакета в русскую рулетку
Microsoft расследует взлом популярного Python-пакета mistralai - официального клиента для работы с моделями Mistral AI.
По данным исследователей, злоумышленники внедрили вредонос прямо в библиотеку. Самое неприятное - код срабатывал уже при обычном import и пытался красть данные из окружения.
Но дальше история становится совсем абсурдной.
Вредонос проверял язык и регион системы, обходил русскоязычные окружения и включал геозависимую «лотерею» для остальных. Для некоторых стран поведение было особенно жёстким: с вероятностью 1 к 6 он мог запустить разрушительную команду удаления файлов.
В X после этого начали шутить, что лучший security-патч года - русский языковой пакет.
Шутки шутками, но кейс неприятный: это был не случайный левый пакет с тремя скачиваниями, а клиент для популярного AI-сервиса. То есть supply chain-атаки уже давно бьют не только по npm-мусору, а по нормальным инструментам, которые разработчики ставят почти на автомате.
Вывод простой: даже официальный пакет сегодня не гарантия безопасности.
Проверяйте версии, lock-файлы, хеши, changelog и окружение, где ставите зависимости. Особенно если это AI SDK, который по умолчанию получает доступ к токенам, ключам и рабочим данным.
https://x.com/lauriewired/status/2054231467744760131?s=46
58 563
⚡️ Глава Google Cloud выложил свой личный набор skills для AI-агентов
И это выглядит не как очередная папка с промптами, а как полноценный рабочий pipeline для разработки.
Внутри - 19 skills и 7 slash-команд, которые превращают агента в почти нормальную инженерную систему: от идеи и спецификации до тестов, ревью и релиза.
Логика разбита на 6 этапов:
- Define - помогает сформулировать идею, требования и спецификацию до начала кодинга
- Plan - дробит большую задачу на понятные шаги
- Build - ведёт пошаговую разработку с учётом контекста и нужных API
- Verify - прогоняет проверки через DevTools, ловит баги и помогает их чинить
- Review - смотрит качество кода, безопасность и производительность
- Ship - готовит проект к релизу и доводит до состояния «можно выкатывать»
Самое интересное - это не привязано к одному инструменту.
Сборку можно встроить в Claude Code, Cursor, Antigravity, OpenCode, Gemini CLI и другие агентные IDE / CLI.
По сути это готовый скелет для разработки с AI-агентом: меньше хаоса, меньше «сделай красиво», больше нормального процесса.
https://github.com/addyosmani/agent-skills
58 563
🖼️ ChatGPT2API: Инструмент для работы с изображениями на базе OpenAI
ChatGPT2API предлагает API для генерации и редактирования изображений, совместимый с OpenAI. Он включает функции управления аккаунтами и возможность локального развертывания через Docker. Подходит для учебных и исследовательских целей.
🚀 Основные моменты:
- Генерация и редактирование изображений через API.
- Поддержка нескольких моделей AI для различных задач.
- Функции управления аккаунтами и автоматического обновления.
- Локальное развертывание с помощью Docker.
📌 GitHub: https://github.com/basketikun/chatgpt2api
#python
58 563
#Вакансия #Удаленка #Remote #Fulltime #Research #Python #Backend #CyberSec #InfoSec #Сети #Networking #Pentest #SOC #Middle #Junior
🛡 Python Backend-инженер (CyberSec)
─────────────────
🧪 О нас:
Технологический стартап. Делаем систему детекции аномалий в трафике: защищаем онлайн-сервисы от фрода (ловим VPN/прокси).
Сразу о главном: мы ищем человека в R&D. Наша работа больше похожа на лабораторию кибербеза. Если вы устали клепать одинаковые фичи и хотите применять свой инженерный азарт — вам сюда.
Особенно ждём кандидатов из ИБ/сетей, которые ушли в код: сетевиков, пентестеров, SOC-аналитиков, реверсеров, которые уверенно пишут на Python.
─────────────────
🎯 Задачи:
Работа в связке с research-инженерами: проверять гипотезы, копаться в данных, превращать идеи в production-код.
─────────────────
⚙️ Требования:
▪️Бэкграунд в ИБ/сетях. Профильное образование или подтверждённый опыт: работа в кибербезе/сетевом администрировании, CTF, пет-проекты, open-source — всё считается.
▪️Python от 1 года коммерческого опыта. Чистый масштабируемый код, удобные REST API.
▪️Сети ниже уровня requests/aiohttp. TCP-handshake, TLS ClientHello, DNS. Практика с
tcpdump и Wireshark.
▪️Уверенный Linux. Консоль, понимание сетевого стека ядра.
▪️Чтение чужого кода. Легаси и исследовательские скрипты не пугают.
─────────────────
🤝 Soft-skills (для нас критически важно):
▪️Самостоятельность и проактивность. Из вас не нужно «вытягивать» задачи.
▪️Готовность копать вглубь. Логику нашего продукта не нагуглить — её приходится выводить из данных. Вы не один: research-инженеры рядом, гипотезы обсуждаем вместе, спрашивать не стыдно. Главное — не ждать тикета с пошаговой инструкцией, а идти и разбираться.
─────────────────
💼 Условия
▪️Удалёнка, фуллтайм
▪️100–200К на руки (возможны выплаты в USDT). Готовы рассмотреть выше для опытных
▪️Минимум бюрократии, максимум инженерной свободы
▪️Развитие в CyberSec
▪️Локация: РФ или РБ
─────────────────
📩 Как откликнуться:
Заполните анкету: [ссылка]
P.S. Ценим живые ответы, написанные своими словами.58 563
Python 3.15 beta 1 вышела в релиз 🐍
Это значит, что крупные фичи для релиза фактически зафиксированы. Дальше - бета, тесты, багфиксы и подготовка к финальному релизу.
Что интересного в 3.15:
- lazy imports через ключевое слово
lazy
- встроенные frozendict и sentinel
- JIT стал быстрее на x86-64 Linux
- распаковка прямо внутри comprehensions
- новый статистический profiler с низким overhead
- frame pointers включены по умолчанию
Python 3.15.0b1 вышел 7 мая 2026 года, это первая из четырёх запланированных beta-версий и точка feature freeze; финальный релиз запланирован на 1 октября 2026 года.
https://blog.python.org/2026/05/python-3150-beta-1/58 563
🔒 OpenAI Privacy Filter: Защита Личных Данных
Модель для обнаружения и маскировки персонально идентифицируемой информации (PII) в текстах. Идеальна для высокопроизводительных рабочих процессов по очистке данных, обеспечивая быструю и контекстно осведомлённую обработку. Подходит для локального использования и настройки.
🚀 Основные моменты:
- Двусторонняя классификация токенов для PII.
- Легкая настройка под специфические данные.
- Поддержка длинных контекстов до 128,000 токенов.
- Низкие требования к ресурсам: работает на ноутбуках и в браузерах.
- Гибкость в управлении точностью и полнотой.
📌 GitHub: https://github.com/openai/privacy-filter
#python
58 563
+1🌟 WindsurfAPI - тот самый мост, которого не хватало между Windsurf и привычными AI-инструментами.
Проект поднимает локальный API-прокси и позволяет обращаться к моделям Windsurf через знакомые форматы:
-
/v1/chat/completions - OpenAI-compatible API
- /v1/messages - Anthropic-compatible API
То есть можно подключать Windsurf к Claude Code, Cursor, Cline, своим скриптам, агентам и LLM-gateway без переписывания всей инфраструктуры.
Что полезного:
- запуск локально или на своём сервере
- работа через привычные SDK
- совместимость с OpenAI / Anthropic форматами
- переключение между моделями из экосистемы Windsurf
- account pooling для распределения лимитов между аккаунтами
По сути, WindsurfAPI превращает Windsurf из закрытого IDE-инструмента в нормальный API-слой для своих агентных пайплайнов.
Очень практичная штука для тех, кто собирает кастомные AI-workflows и хочет подключать модели к своим инструментам, а не жить только внутри редактора.
Сейчас дают 50+ популярных ИИ через официальные API бесплатно.
GitHub: https://github.com/dwgx/WindsurfAPI58 563
Python 3.15 выходит с крутыми новыми фичами 🐍
Самые интересные:
• Ленивые импорты через ключевое слово lazy - ускоряют запуск
• frozendict наконец-то стал встроенным типом
• Распаковка в comprehensions через * и **
• Улучшения JIT-компилятора - на 6-13% быстрее на x86-64 Linux
• Новый высокочастотный статистический профилировщик
Бета выйдет позже на этой неделе.
@pythonl
58 563
🗺️ LingBot-Map: Инновационная 3D-реконструкция в реальном времени! 🏗️
LingBot-Map — это мощная модель для потоковой 3D-реконструкции, использующая геометрический контекст и трансформеры. Она обеспечивает высокую эффективность и стабильную работу при обработке длинных последовательностей, демонстрируя выдающиеся результаты на различных бенчмарках.
🚀Основные моменты:
- Геометрический контекстный трансформер для объединения координат и геометрических данных.
- Высокая эффективность потокового вывода с частотой ~20 FPS.
- Современные методы реконструкции, превосходящие существующие подходы.
📌 GitHub: https://github.com/Robbyant/lingbot-map
58 563
🔒🌐 Awesome Privacy: Your Guide to Online Privacy Tools
Этот репозиторий собрал лучшие ресурсы и инструменты для обеспечения вашей конфиденциальности в интернете. Здесь вы найдете полезные ссылки на программы, сервисы и советы по защите личных данных.
🚀Основные моменты:
- Обширный список инструментов для защиты конфиденциальности
- Ресурсы по анонимности и безопасности в сети
- Регулярные обновления и новые добавления
- Полезные советы по улучшению личной безопасности
📌 GitHub: https://github.com/Lissy93/awesome-privacy
#markdown
58 563
🚀 Оптимизация LLM для RTX 3090
Репозиторий предлагает конфигурации и патчи для запуска современных языковых моделей на RTX 3090. Поддерживает несколько движков и моделей, обеспечивая максимальную производительность и надежность в зависимости от ваших потребностей.
🚀 Основные моменты:
- Поддержка двух маршрутов: максимальная производительность или надежность.
- Проверенные конфигурации Docker для локального API.
- Модель-агностичный подход с поддержкой различных языковых моделей.
- Оптимизированные настройки для 1 или 2 RTX 3090.
📌 GitHub: https://github.com/noonghunna/club-3090
#python
