¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Python/ django
Ir al canal en Telegram
по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Mostrar más📈 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 60 027 suscriptores, ocupando la posición 2 214 en la categoría Tecnologías y Aplicaciones y el puesto 10 257 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 60 027 suscriptores.
Según los últimos datos del 08 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -577, y en las últimas 24 horas de -31, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.94%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.45% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 4 167 visualizaciones. En el primer día suele acumular 2 074 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 18.
- 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 @haarrp
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fmxm...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 09 junio, 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.
60 027
Suscriptores
-3124 horas
-1357 días
-57730 días
Archivo de publicaciones
60 036
Repost from Machinelearning
🌟 cuPyNumeric: замена NumPy от NVIDIA.
По мере роста объемов данных и сложности вычислений, вычисления на Python и NumPy, основанные на CPU, нуждаются в ускорении для выполнения современных исследований.
cuPyNumeric разработана, чтобы стать заменой библиотеки NumPy, предоставляя сообществу Python распределенные и ускоренные вычисления на платформе NVIDIA. cuPyNumeric позволяет масштабировать вычисления без изменения кода проектов с одного CPU до суперкомпьютеров с несколькими GPU и вычислительными нодами.
Библиотека построена на Legate, поддерживает родной Python и интерфейс NumPy. cuPyNumeric доступен из conda (версия не ниже 24.1) в legate channel. На системах с GPU пакеты, поддерживающие графические ускорители будут выбраны автоматически во время установки.
Пример эффективности cuPyNumeric - обработка 10 ТБ микроизображений многоракурсной микроскопии в виде одного массива NumPy за один день с визуализаций в режиме реального времени.
▶️Установка и тест на примере из репозитория:
# Create new conda env
conda create -n myenv -c conda-forge -c legate cupynumeric
# Test via example from repo
$ legate examples/black_scholes.py
Running black scholes on 10K options...
Elapsed Time: 129.017 ms60 036
+1
🌟 cuPyNumeric: замена NumPy от NVIDIA.
По мере роста объемов данных и сложности вычислений, вычисления на Python и NumPy, основанные на CPU, нуждаются в ускорении для выполнения современных исследований.
cuPyNumeric разработана, чтобы стать заменой библиотеки NumPy, предоставляя сообществу Python распределенные и ускоренные вычисления на платформе NVIDIA. cuPyNumeric позволяет масштабировать вычисления без изменения кода проектов с одного CPU до суперкомпьютеров с несколькими GPU и вычислительными нодами.
Библиотека построена на Legate, поддерживает родной Python и интерфейс NumPy. cuPyNumeric доступен из conda (версия не ниже 24.1) в legate channel. На системах с GPU пакеты, поддерживающие графические ускорители будут выбраны автоматически во время установки.
Пример эффективности cuPyNumeric - обработка 10 ТБ микроизображений многоракурсной микроскопии в виде одного массива NumPy за один день с визуализаций в режиме реального времени.
▶️Установка и тест на примере из репозитория:
# Create new conda env
conda create -n myenv -c conda-forge -c legate cupynumeric
# Test via example from repo
$ legate examples/black_scholes.py
Running black scholes on 10K options...
Elapsed Time: 129.017 ms60 036
🔍 Наглядное сравнение производительности нескольких языков программирования при выполнении 1 млрд итераций в цикле!
@pythonl
60 036
7–8 декабря проводим Weekend Offer Analytics
Устроиться в Яндекс за выходные — реально. Ищем крутых аналитиков с опытом работы от 2 лет на Python или C++, готовых работать в офисном или гибридном режиме на территории России или Республики Беларусь.
Подавайте заявку до 4 декабря — и всего за 2 дня пройдите все технические собеседования. После сможете пообщаться с семью нанимающими командами и выбрать ту, которая покажется самой интересной. Если всё сложится хорошо, сразу же пришлём вам офер.
Узнать подробности и зарегистрироваться.
60 036
⚡️ Эндрю Нг, основатель DeepLearningAI и Coursera только что выпустил новый пакет Python с открытым исходным кодом.
Быстрая смена моделей через простой строковый идентификатор. Гибкая и простая в использовании и библиотека.
Одна строка для переключения между любыми LLM:
OpenAI ➝ "openai:gpt-4o"
Claude ➝ "антропный:claude-3-5-sonnet"
Лама ➝ "оллама:ллама3"
pip install aisuite
GitHub: https://github.com/andrewyng/aisuite60 036
60 036
🖥 Easy Animate 12B
Комплексное решение для генерации видео высокого разрешения и большой продолжительности, основанное на технологии Transformer Diffusion.
Обновлен до версии 5, поддерживает генерацию видео с разрешением до 1024x1024, 49 кадров, 6 с, 8 кадров в секунду, с расширенным масштабом модели до 12B, включает структуру MMDIT и позволяет управлять моделями с различными входными данными.
🖥 Github
@pythonl
60 036
🐍 Начните программировать на Python - бесплатно!
Курс по основам Python с наставником — напишете первый мини пет-проект в портфолио за 14 дней.
🔹 72 урока в онлайн-тренажере.
🔹 4 живых вебинара.
🔹 Закрытый telegram-чат для поддержки 24/7.
🔹 Полезные материалы с собой.
А главное при поддержке наставника: попробуйте быстро, просто и без ошибок.
📍Старт курса: уже 3 декабря!
60 036
60 036
🖥 Paramiko — библиотека, реализующая протокол SSHv2 на языке Python!
🌟 Эта библиотека предоставляет функциональность как для SSH-клиентов, так и для серверов, включая такие возможности, как удаленное выполнение команд и безопасная передача файлов. Она используется как основа для более высокоуровневых инструментов, таких как Fabric, которые предназначены для автоматизации задач администрирования серверов.
🔐 Лицензия: LGPL-2.1
🖥 Github
@pythonl
60 036
👩💻 ZIM — инструмент на Python для матирования изображений (image matting), особенно полезный для задач по удалению фонов с изображений, где требуется выделить конкретный объект. Этот процесс включает сегментацию объектов и фона с высокими деталями, что часто используется для редактирования изображений и улучшения контента.
🌟 На практике ZIM использует машинное обучение для точного различения границ объектов, обеспечивая четкость и правильность выделения даже на сложных фонах.
🔐 Лицензия: CC BY-NC 4.0
🖥 Github
@pythonl
60 036
60 036
👩💻 questionary — библиотека для Python, которая предоставляет простой и удобный способ создавать интерактивные текстовые интерфейсы в командной строке! Эта библиотека подходит для создания диалогов с пользователем, например, для выбора из списка, ввода текста или подтверждения.
🔍 Основные возможности Questionary:
🌟 Разнообразие типов вопросов: Ввод текста, Выбор одного варианта из списка, Выбор нескольких вариантов, Подтверждение, Ввод пароля, Слайдер!
🌟 Поддержка настроек: Можно кастомизировать внешний вид и поведение вопросов, есть возможность задать предустановленные значения по умолчанию.
🌟 Интуитивный и минималистичный API.
🌟 Поддержка ANSI-цветов: Возможность стилизовать вопросы для более выразительного отображения.
🔐 Лицензия: MIT
🖥 Github
@pythonl
60 036
👩💻 Odoo — большая платформа на Python с открытым исходным кодом для управления бизнес-процессами, включающую множество модулей для управления продажами, складом, бухгалтерией, проектами, CRM и другими аспектами! Odoo разработан как ERP-система, которую можно расширять и адаптировать под различные бизнес-потребности.
🔐 Лицензия: LGPLv3
🖥 Github
@pythonl
60 036
Как менялась разработка на Python и что нас ждёт дальше
📆 19 декабря собираем предновогодний митап от Яндекса, чтобы подвести итоги 2024 года.
Вспомним об интересных новостях, связанных с языком:
🔸 Обсудим Python 3.12, о котором говорили в прошлом году, и подумаем, какие ожидания оправдались, а какие нет
🔸 Посмотрим на версию 3.13, Faster CPython, jit и nogil
А ещё поговорим о трендах в архитектуре и развитии бэкенд-разработчика на круглом столе с экспертами:
🔸 Николаем Хитровым, тимлидом в Точке
🔸 Евгением Афонасьевым, тимлидом из Авито
🔸 Никитой Соболевым, опенсорс-разработчиком
🔸 Сергеем Яхницким, техлидом в Техплатформе
🔸 Александром Букиным, основателем Pytup
⏭️ Регистрируйтесь на встречу в Москве или подключайтесь к трансляции, где бы вы ни были.
60 036
👩💻 pandas-datareader — библиотека для получения финансовых и экономических данных из различных удалённых источников и API, таких как Yahoo Finance, FRED, и World Bank! Это расширение для библиотеки pandas, которое упрощает доступ к данным для анализа.
💡 Основные функции — чтение данных из множества Интернет-источников и кэширование запросов для оптимизации производительности. Библиотека поддерживает Python версии 3.6 и выше и регулярно используется в исследовательской и аналитической среде для работы с временными рядами и финансовыми данными
🔐 Лицензия: BSD-3-Clause
🖥 Github
@pythonl
60 036
🖥 Указание арифметических операции вручную между объектами класса может сделать код менее читабельным.
Метод
_add__ в Python обеспечивает изящный арифметический синтаксис между вашими объектами класса и делает код более читабельным и интуитивно понятным.
@pythonl60 036
