Python Portal

Ir al canal en Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Red:Times | Финансы Rusia11 902 Tecnologías y Aplicaciones2 551...

📈 Análisis del canal de Telegram Python Portal

El canal Python Portal (@pythonportal) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 52 470 suscriptores, ocupando la posición 2 551 en la categoría Tecnologías y Aplicaciones y el puesto 11 902 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 52 470 suscriptores.

Según los últimos datos del 09 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -775, y en las últimas 24 horas de -66, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 9.19%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.77% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 4 826 visualizaciones. En el primer día suele acumular 3 028 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 24.
Intereses temáticos: El contenido se centra en temas clave como строка, none, true, модуль, peter.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 10 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.

52 470

Suscriptores

-6624 horas

-2247 días

-77530 días

4 826

Visitas de la publicación

~ 3 02824 horas

~ 3 60148 horas

9.19%

Tasa de compromiso

~ 3

Mensajes por día

Ads index

beta

Archivo de publicaciones

52 460

Для тех кто просил, наш канал с мемами для программистов и айтишников 👇 https://t.me/+VS5COdLqY_s4OTYy

52 460

Знал ли ты, что Python может открыть вкладку браузера? Без фреймворков. Всего одна строка. Вот как запустить URL — удобно для создания утилит, повышения продуктивности или автоматического открытия документации из скриптов. Попробуй сам. 🙂 👉 @PythonPortal

52 460

(Я не читаю почту и не открываю жиру) 👉 @PythonPortal

52 460

Как использовать borb для создания простого PDF на Python

from borb.pdf.canvas.layout.page_layout.multi_column_layout import SingleColumnLayout
from borb.pdf.canvas.layout.text.paragraph import Paragraph
from borb.pdf.document import Document
from borb.pdf.page.page import Page
from borb.pdf.pdf import PDF

def main(pdf_path):
    pdf = Document()

    # Добавляем пустую страницу в PDF
    page = Page()
    pdf.append_page(page)

    # Создаём лэйаут для размещения текста
    layout = SingleColumnLayout(page)

    # Добавляем текст с помощью класса Paragraph
    layout.add(Paragraph("Hello from borb!"))

    with open(pdf_path, "wb") as pdf_fh:
        PDF.dumps(pdf_fh, pdf)

if __name__ == "__main__":
    main("demo.pdf")

👉 @PythonPortal

52 460

🐍 Python — универсальный ключ от многих ИТ-дверей: от веб-разработки до машинного обучения Освоить язык с нуля или углубить имеющиеся навыки можно на расширенном курсе Нетологии «Python-разработчик». Простого пути не обещают, но обещают комфортный темп, много практики и поддержку опытных разработчиков. А ещё — помощь с трудоустройством. За время обучения вы: 🔸 научитесь упаковывать опыт в резюме; 🔸 пройдёте тестовые технические интервью; 🔸 посетите встречи с экспертами Сбера, Яндекса и Т-Банка; 🔸 сможете попасть на стажировку; 🔸 получите год карьерной поддержки после выпуска. Сейчас на курс действует скидка 50%, а с промокодом NETONEW10 цена станет ещё на 10% ниже. Плюсом идут 4 курса по нейросетям и подарки от партнёров Нетологии в честь её 15-летия. Узнать подробнее и записаться → ссылка P. S. Ребята помогут оформить налоговый вычет, а это ещё –13% от стоимости Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5ykHiJv

52 460

Построение надёжной RAG-системы — это не просто подключение векторной базы данных. Это проектирование интеллектуального пайплайна с балансом между точностью извлечения, логикой маршрутизации и строгой оценкой. Хорошо спроектированная RAG-архитектура включает: • Продвинутую сборку запроса с использованием реляционных, графовых и векторных баз данных для контекстного понимания • Интеллектуальную маршрутизацию (логическую + семантическую) для оптимального выбора промптов и эффективности системы • Многоэтапное извлечение с уточнением и переранжированием для повышения релевантности и снижения галлюцинаций • Гибкие стратегии генерации, такие как Self-RAG, RRR и циклы активного извлечения • Надёжные пайплайны индексирования: семантический чанкинг, иерархическая кластеризация (RAPTOR) и специализированные эмбеддинги (ColBERT) • Непрерывную оценку с использованием фреймворков RAGAS, Grouse и DeepEval для измеримой производительности Современные ИИ-системы требуют не только больших языковых моделей, но и качественных пайплайнов данных, точного извлечения и дисциплины в оценке. Если ты строишь масштабируемые ИИ-продукты, архитектура RAG-системы становится конкурентным преимуществом. #RAG #GenerativeAI #AIArchitecture #MachineLearning #LLM #DataEngineering #AIEngineering 👉 @PythonPortal

52 460

Совет по Git Интерактивно просматривай и добавляй изменения частями (патчами), вместо того чтобы добавлять всё сразу: git add -p Почему это полезно: • добавляешь только нужные изменения • пропускаешь случайные или незавершённые правки • разбиваешь работу на чистые и сфокусированные коммиты 👉 @PythonPortal

52 460

🍺🍺🍺 👉 @PythonPortal

52 460

Определяй функции на обычном языке и запускай их локально: PAW PAW компилирует спецификации на естественном языке в компактные нейронные программы. После компиляции они работают как обычные Python-функции (без интернета, без внешнего сервиса, без оплаты за вызовы). Нейронная программа объединяет дискретный текст и непрерывную LoRA для адаптации фиксированного интерпретатора. Подходит для нечетких задач: триаж по срочности, починка сломанного JSON, фильтрация логов, роутинг инструментов. Хорошо сочетается с код-агентами: http://programasweights.com/agents Интерпретатор — предобученный Qwen3 0.6B, без модификаций. Вся адаптация под задачи происходит через скомпилированную нейронную программу. На FuzzyBench: 73.4% точности против 9.8% у прямого промпт-инжиниринга той же 0.6B. Даже Qwen3 32B даёт только 68.7%. Их интерпретатор на базе GPT-2 — всего 124M параметров, достаточно компактный, чтобы полностью работать в браузере через WebAssembly. Скачиваешь базовую модель ~134 МБ один раз, затем каждая нейронная программа занимает ~5 МБ. Сервер для инференса не нужен. python: pip install programasweights js: npm install @programasweights/web 👉 @PythonPortal

52 460

Новая статья: системная инженерия Код-агенты снизили порог входа в написание кода, но не снизили требования к продакшн-софту. Агентное ПО — это всё тот же софт. Агент заменяет бизнес-логику, всё остальное остаётся без изменений. https://ashpreetbedi.com/articles/systems-engineering 👉 @PythonPortal

52 460

👉 @PythonPortal

52 460

GOOGLE выкатили инструмент для детектирования типов файлов долгое время использовался внутри — Gmail, Drive, Safe Browsing, сотни миллиардов файлов каждую неделю затем открыли исходники называется magika — определяет реальный тип файла, а не то, за что он себя выдаёт переименовал вредонос в "resume.pdf"? magika определит замаскировал скрипт под изображение? magika определит любые трюки с расширениями? magika обходит их модель обучена на 100 млн файлов 200+ типов контента точность ~99% около 5 мс на файл одна команда:

pip install magika

тот же инструмент, который защищает пользователей Google, можно использовать в своих системах 👉 @PythonPortal

52 460

Что если автоматизировать весь воркфлоу Google Workspace прямо из терминала? Работа через браузер заставляет кликать по нескольким приложениям, чтобы открыть таблицу, проверить календарь и отправить фоллоу-ап письмо. Такой ручной цикл быстро накапливает оверхед при ежедневных или еженедельных повторениях. gws — это интерфейс командной строки, который объединяет все сервисы Workspace за простыми командами в терминале с структурированным JSON-выводом, готовым для скриптов. Ключевые возможности: • Единый интерфейс для Drive, Gmail, Calendar, Sheets, Docs и других сервисов • JSON-вывод, который напрямую пайпится в существующие скрипты и воркфлоу • 100+ навыков для ИИ-агентов, позволяющих языковым моделям оркестрировать задачи Workspace программно https://github.com/googleworkspace/cli 👉 @PythonPortal

52 460

Такую тудушку никто никогда не делал. Она перевернёт рын 👉 @PythonPortal

52 460

Трудно запомнить разницу между strptime и strftime? - Буква "p" (strptime) — это про parsing, получение datetime из строки - Буква "f" (strftime) — это про formatting, получение строки из datetime Чтобы запомнить коды формата, можно воспользоваться: https://buff.ly/oEdYGMI Хочешь распарсить строку в datetime? Используй strptime, передавая (a) строку и (b) спецификацию формата даты:

datetime.datetime.strptime('2026-04-01', '%Y-%m-%d')
datetime.datetime.strptime('26-April-01', '%y-%B-%d')

Оба вызова возвращают datetime.datetime(2026, 4, 1, 0, 0) Хочешь отформатировать datetime в строку? Используй strftime:

dt = datetime.datetime(2026, 4, 1, 13, 15, 17)

dt.strftime('%Y-%m-%d')          # '2026-04-01'
dt.strftime('%Y-%m-%d %H:%M:%S') # '2026-04-01 13:15:17'
dt.strftime('%y-%B-%e %H:%M:%S') # '26-April- 1 13:15:17'

👉 @PythonPortal

52 460

Что если ваш AI-ассистент действительно мог бы запоминать, с кем он общается? Когда вы строите AI-приложение с использованием API OpenAI или Anthropic, каждый диалог начинается с нуля — без встроенной памяти между сессиями. Добавление памяти вручную через векторную базу данных, такую как ChromaDB, требует писать собственную логику извлечения, дедупликации и скоупинга поверх слоя хранения. mem0 решает всё это одним вызовом функции. Просто передавайте диалоги и получайте релевантные «воспоминания» при необходимости. Ключевые возможности: • Автоматическое извлечение фактов из сырых диалогов через memory.add() • Кросс-сессионный поиск через memory.search() в любой последующей беседе • Автоматическое разрешение конфликтов при изменении пользовательских предпочтений со временем Кроме того, mem0 — open-source. Установить можно через pip install mem0ai. 👉 @PythonPortal

52 460

Можно буквально поискать OPENAI_API_KEY на GitHub — и найти кучу утёкших API-ключей. Спасибо, вайб-кодеры 🙏 👉 @PythonPortal

52 460

Что если можно было бы сфотографировать свои рукописные заметки и превратить их в чистый, структурированный текст? Большинство OCR-инструментов ориентированы на печатный текст и плохо справляются с рукописными заметками, особенно если в них есть диаграммы, формулы и свободная запись. Chandra OCR создан именно для этого кейса. Он извлекает текст, изображения и диаграммы из рукописных заметок и реконструирует их в чистый Markdown или HTML. Сравнение с другими OCR-инструментами: • 85.9% в целом на бенчмарке olmOCR, опережая olmOCR 2 (82.4%), GPT-4o (69.9%), Gemini Flash 2 (63.8%) и Mistral OCR (72.0%) • 89.3% на рукописной математике — области, где большинство OCR-инструментов испытывают сложности • Поддерживает более 90 языков из коробки https://github.com/datalab-to/chandra 👉 @PythonPortal

52 460

Проверяйте типы в вашем Python-кодбейзе в 15 раз быстрее с Pyrefly : https://github.com/facebook/pyrefly Такие инструменты, как MyPy и Pyright, обрабатывают файлы последовательно, поэтому с ростом кодовой базы увеличивается время ожидания. Pyrefly — type checker от Meta, написанный на Rust, выполняет проверки параллельно, сохраняя почти постоянную производительность по мере роста кодовой базы. Ключевые возможности: • Перепроверяет только изменённые модули, ускоряя инкрементальные прогоны • Автоматически выводит типы для переменных и возвращаемых значений На кодовой базе PyTorch Pyrefly выполняет полный прогон за 2.4 секунды — примерно в 15 раз быстрее, чем Pyright, и в 20 раз быстрее, чем MyPy. 👉 @PythonPortal

52 460

На Stepik добавили курс «Git с нуля» Этот курс закрывает всю обязательную базу по Git для работы в IT. Подойдёт для:

- разработчиков - девопсов, админов и безопасников - аналитиков, data- и ML-специалистов - тестировщиков - всех, кто хочет уверенно работать с Git в команде

Внутри вся основа, которая реально нужна на практике: от основ системы контроля версий и архитектуры Git до работы с ветками, merge, конфликтами и GitHub. Всё сразу закрепляется на практике с помощью заданий с автопроверкой Материал подаётся простым языком, шаг за шагом, с акцентом на понимание того, как Git работает под капотом, а не просто на запоминание команд После прохождения вы получите сертификат, который можно добавить в резюме В ближайшие 48ч курс доступен со скидкой 25% по промокоду «GIT25»: открыть курс на Stepik