About Python [ru]

Первые шаги в ООП на Python — присоединяйся! Первые шаги в ООП: преврати хаотичный код в стройную систему - запишись на урок! Зарегистрироваться #реклама 16+ otus.ru О рекламодателе

micro F1 = 0.9358 на 15 классах — звучит как победа, да? Ну да, обучил multi-label классификатор для модерации Discord-сообщества, выкатил метрику — и можно смело закрывать задачу, похлопав себя по плечу. Но стоит копнуть глубже и глянуть на precision с recall по каждому классу в отдельности, как картина резко меняется. По TOXIC recall еле-еле 0.78, а для части редких меток test split вообще никакой — положительных примеров кот наплакал. Подробности — тут на Хабре. 👉 About Python

Защитите себя в сети с подпиской Kaspersky Premium Купите подписку Kaspersky Premium со скидкой до 28%, и получите в подарок ценный приз на выбор от наших партнёров, а также участие в розыгрыше путешествия! Узнать больше #реклама 16+ kaspersky.ru О рекламодателе

Что каждый Python-разработчик должен выкупать про CPython ABI Разбираем ABI (Application Binary Interface) в CPython — тема, без которой никуда, если пишешь C-расширения или юзаешь пакеты с нативным кодом. Обычный Python ABI (он же ABI3) стыкует расширения между разными версиями CPython, начиная с Python 3.2. Это значит, можно собрать один wheel, который полетит на любой версии Python 3 без пересборки. В народе такие называют "abi3 wheels". Но не каждый модуль прокатит с ABI3 — только те, что работают через ограниченный API Python (Limited API). Это стоит запомнить, когда публикуешь пакеты с нативными расширениями. Детали — в статье: https://labs.quansight.org/blog/python-abi-abi3t 👉 About Python

Где читать честные обзоры российского ИТ сегодня? 💻 Пока одни публикуют пресс-релизы, другие действительно тестируют отечественные ИТ-решения и рассказывают, что работает в реальной инфраструктуре. В канале «Онланта ТехЛаб» выходят материалы для тех, кто отвечает за ИТ-инфраструктуру и принимает технические решения: разборы российских платформ, сравнения продуктов, PostgreSQL, Kubernetes, виртуализация, облака, резервное копирование, ИБ и импортозамещение. Авторы не пересказывают новости, а объясняют, где технология действительно полезна, какие ограничения стоит учитывать и на что обратить внимание при внедрении. 👍 Если вы ИТ-директор, архитектор, DevOps-инженер, DBA или системный инженер — этот канал поможет экономить время на изучении рынка и принимать решения на основе практики, а не рекламы. ✅ Подписаться #реклама 16+ О рекламодателе

django-orjson — натягиваем orjson поверх Django, с Rust внутри Адам Джонсон выкатил пакет под названием django-orjson. Суть простая: он выпиливает штатный json из Django и втыкает вместо него orjson — сериализатор, который на самом деле написан на Rust. Баблишн на PyPI уже есть. А все детали автор разложил в своём блоге: https://adamj.eu/tech/2026/07/15/introducing-django-orjson/ 👉 About Python

Утраиваем бюджет на продвижение в Директе Запустите первое продвижение в Яндекс Директе с утроенным бюджетом и ИИ-помощником ✨ Используйте один из промокодов : При пополнении от 10 000 ₽ +20 000 ₽ Промокод START20 При пополнении от 15 000 ₽ +30 000 ₽ Промокод START30 Зарегистрироваться #реклама direct.yandex.ru О рекламодателе

Друзья, собрали с коллегами для вас новую папку с каналами В Подборке вы найдёте (кратко): AI-блок: новости, нейросети, ИИ-инструменты и кейсы внедрения, стартапы, датасеты Dev-блок: Java, Python, JS (Frontend/Backend), Mobile, QA, промышленная автоматизация (IIoT) Отдельно: Cybersecurity, SciPop, IT-вакансии, биржа фриланса, бизнес-новости, Agile/PMP-менеджмент Бонус: IT-мемы и юмор Посмотреть и подписаться можно здесь ⬇️ https://t.me/addlist/3rXhpT3aSR02YzA0 📩 Записаться в папку

Как мы строим hh.ru: код, инфра, доклады и ништяки Канал про тех-изнанку hh.ru без корпоративной душноты Рассказываем, как рождаются продукты, разбираем реальные кейсы, зовём на митапы и показываем людей, которые всё это делают. Подписывайся — будет охэхэнно ⚡ Подписаться #реклама О рекламодателе

Собираю своего кодинг‑агента на базе моделей OpenAI Наваял базовый агентный цикл сам через Pydantic AI — и оно сразу взлетело. Но потом вылезли проблемные места: как ужать раздутый контекст, как не заставить агента переделывать то, что уже сделано, и как понять, что он реально допёр, а не просто сдулся. На каждом таком этапе я тупил и шёл подсматривать, как это делают профи. Хорошо, что сорцы Codex, OpenCode и Pi открыты, а по архитектуре Claude Code Anthropic сам всё разжевал. Выяснилось: кодинг‑агенты отличаются не тем, какая модель внутри или какой список фич на лендинге. Их разделяет то, как собрана обвязка — и это видно прямо в исходниках. 👉 About Python

Подключите «Свои Плюсы в S7 Airlines» 30 дней бесплатно Можно жить легче: ✅Места на 1 ряду и у окна ✅Посещение бизнес-зала ✅Дополнительный багаж и еда на борту ✅Оплата билетов и Аэроэкспресс за мили ✅Провоз питомца и спортивного инветаря Получить предложение #реклама sp.yandex.ru О рекламодателе

В июле снова видно, как digital и IT окончательно уходят от «просто контента» к системе, где решают скорость, ИИ и нормальная упаковка смысла. Кто раньше выстраивает понятную подачу и сильную экспертность, тот и забирает внимание рынка. Если вы работаете в digital или IT, сейчас особенно важно не писать «как все» а говорить так, чтобы вас хотелось читать, сохранять и передавать дальше. Мы как раз собрали в этой папке материалы, которые помогают делать это без лишней воды. Здесь готовим большое SMM исследование в сфере промышленности, где покажем, как меняется работа с контентом, в какую сторону идти, и что прямо сейчас в ТОПе. Отдельно здесь про управление ИТ и цифровой трансформацией. Папка подойдет тем, кто: • продвигает digital- и IT-проекты; • собирает сильную упаковку для экспертов и компаний; • хочет говорить с аудиторией современно и по-человечески. Сохранить папку себе 🗂

Astral вливается в OpenAI OpenAI только что пригрел Astral — тех самых ребят, что сделали uv, Ruff и ty. Если твой первый вопрос звучал как «ну всё, uv теперь труба?», то поверь, ты такой не один. Talk Python потрещал с Чарли Маршем, и они разобрали, как проходила эта сделка и почему кода сейчас шлёпают больше, чем когда-либо. Подробнее 👉 About Python

Strict-режим активирован, схема вроде ок, ответ на ура парсится — и тут бац, в проде вылезают None, ограничения куда-то делись, а аргументы у инструментов не того типа, как договаривались. В статье разобрали пять ситуаций, когда Structured Outputs создают ложную иллюзию, что всё под контролем. Автор честно прошелся по ним и подсветил, какие проверки реально стоит воткнуть в LLM-пайплайн, чтобы не обжигаться. Текст на Habr 👉 About Python

Директ возвращает 10% бюджета за рекламу в мессенджерах Запускайте кампании в Telegram и МАКС с 1 июня по 31 августа — получайте кешбэк 10%. Его можно потратить на новые кампании. 💰 Как получить кешбэк: — Заполните форму: укажите логин в Директе и что продвигаете (сайт или канал); — Запустите рекламу в МАКС, Telegram или сразу на двух площадках с оплатой за клики; — В сентябре начислим кешбэк. Получить предложение #реклама yandex.ru О рекламодателе

Рынок труда в 2026. Что там на самом деле? Где-то полтора месяца назад я села и наваляла кабинетное исследование про то, что сейчас происходит на рынке. Спойлер: не от хорошей жизни — сама искала работу, и чтобы не тыкаться вслепую, пришлось раскурить тему детально. Вопросы сыпались один за другим, и в итоге выстрелила целая простыня размером с курсовик. Читать далее 👉 About Python

Телеграм канал AI для бизнеса AI - не будущее. Это настоящее вашего бизнеса. Телеграм-канал "AI для бизнеса" знает все о внедрении и использовании искусственного интеллекта в бизнесе в России и мира. Только со своими подписчиками канал делится: - как внедрить искусственный интеллект в реальные бизнес-процессы, - разборами кейсов: как компании сократили затраты на 30-50% с помощью AI, - лайфхаками по автоматизации рутинных задач, - новостями мира AI и разборами трендов. Сами давно читаем и вам советуем подписаться. Подписаться #реклама 16+ О рекламодателе

Ага, еще один кейс, когда инженеры перемудрили с архитектурой, а потом одумались. История про сервис логирования для Discord-серверов: сначала там была адская связка из MySQL, PHP и Python. Боль и страдание. А потом пришли к простому решению — Python + SQLite, завёрнутые в один Docker-контейнер. Ребята упростили стек и не прогадали. Всё, как мы любим: меньше геморроя, больше пользы. Читать на Habr 👉 About Python

Серьезно, нам таки нужны эти code agents? Давай накинем: LLM как главный движок кода — это пиздец для ревью, когнитивка летит к чертям, да и кто вообще должен отвечать за весь этот код? Читать далее 👉 About Python

⁣Проектирование in-process брокера сообщений на multiprocessing.shared_memory с lock-free очередью и zero-copy для обхода GIL Когда вы передаете большие данные между процессами через multiprocessing.Queue, каждое сообщение копируется, сериализуется через pickle и блокирует GIL. Для видео, аудио или numpy-массивов это становится узким горлом. Многие разработчики ошибочно уходят в asyncio в одном процессе, теряя возможность использовать многоядерность. Идея zero-copy через shared memory Используйте multiprocessing.shared_memory для выделения пула буферов. Данные кладутся без копирования, а очередь строится как кольцевой буфер с атомарными head и tail через ctypes.Value. Это SPMC (single producer, multiple consumers) без мьютексов. Пример реализации ring buffer

from multiprocessing import shared_memory, Value
import numpy as np

class RingBuffer:
    def __init__(self, size=4, shm_name='my_shm'):
        self.size = size
        self.buf = shared_memory.SharedMemory(
            name=shm_name, create=True, size=4096)
        self.head = Value('i', 0)
        self.tail = Value('i', 0)

    def push(self, data: np.ndarray):
        offset = self.head.value * 1024
        self.buf.buf[offset:offset + len(data.tobytes())] = data.tobytes()
        self.head.value = (self.head.value + 1) % self.size

    def pop(self) -> np.ndarray:
        while self.tail.value == self.head.value:
            pass  # spinlock (production: use futex)
        offset = self.tail.value * 1024
        raw = self.buf.buf[offset:offset + 1024]
        self.tail.value = (self.tail.value + 1) % self.size
        return np.frombuffer(raw, dtype=np.uint8)

Типичная ошибка и trade-off Основная ошибка - игнорирование фиксированного размера сообщений и отсутствие защиты от перезаписи. Если producer запишет больше данных, чем буфер, данные молча перетрутся. Также spinlock в pop() нагружает CPU - для production используйте pthread_cond_wait через ctypes. Когда это оправдано Для тяжелых данных: видеофреймы, аудио, большие матрицы в ETL или ML-инференсе. Выигрыш по сравнению с multiprocessing.Queue + pickle может достигать 3-10x на больших блоках. Для мелких сообщений overhead shared memory не оправдан. Вывод: Lock-free очередь на shared_memory с zero-copy дает радикальный прирост производительности для больших данных между процессами, но требует аккуратного управления размером буфера и синхронизации.