¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Zen of Python
Ir al canal en Telegram
Полный Дзен Пайтона в одном канале Разместить рекламу: @tproger_sales_bot Правила общения: https://tprg.ru/rules Другие каналы: @tproger_channels Сайт: https://tprg.ru/site Регистрация в перечне РКН: https://tprg.ru/xZOL
Mostrar más📈 Análisis del canal de Telegram Zen of Python
El canal Zen of Python (@zen_of_python) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 19 273 suscriptores, ocupando la posición 6 989 en la categoría Tecnologías y Aplicaciones y el puesto 35 057 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 273 suscriptores.
Según los últimos datos del 11 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 44, y en las últimas 24 horas de -4, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 11.97%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.03% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 308 visualizaciones. En el primer día suele acumular 970 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 8.
- Intereses temáticos: El contenido se centra en temas clave como github, rust, pip, api, install.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Полный Дзен Пайтона в одном канале
Разместить рекламу: @tproger_sales_bot
Правила общения: https://tprg.ru/rules
Другие каналы: @tproger_channels
Сайт: https://tprg.ru/site
Регистрация в перечне РКН: https://tprg.ru/xZOL”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 12 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.
19 273
Suscriptores
-424 horas
+97 días
+4430 días
Archivo de publicaciones
19 270
Metabob: ещё один конкурент Copilot
Расширение не только автодополняет ваш код, но и генерит код по промту, а также объясняет его. В бесплатную версию входит плагин для VSCode.
Официальный сайт
#факты
19 270
А вы знаете, чем ваша пра-пра-...-пра-бабушка платила за коммуналку?
Уж точно не кредитной картой! Предлагаем узнать и позалипать в финтех-кликер от Газпромбанка.
Окунитесь в историю финтеха: от оплаты ракушками до применения цифровых валют — клик.
Реклама АО «Газпромбанк» erid: LjN8KEmF2
19 270
ghost: замена лиц
Инструмент написан позволяет использовать качественный Deepfake как для картинок, так и для видо. Помимо самой замены также позволяет натренировать модель на собственных данных и в целом потюнить ее.
Демо в Colab
Репозиторий GitHub
А вы встречали Deepfake-видео ультравысокого качества, что сразу и не понять? Поделитесь в комментариях.
#библиотека
19 270
Помогаем подписчику: setuptools-scm
Напоминаем: по пятницам вы можете поделиться не только своими радостями и горестями, но и задать вопрос. Самый интересный из них мы разбираем в отдельном посте.
Наш подписчик @StSav012 просит вашей помощи насчёт setuptools-scm для генерации pyproject.toml. Подробности здесь.
#библиотека
19 270
Книга «Веб-разработка с Django»
Англоязычный гайд по Django 4 на 800+ страниц, с помощью которого можно:
— узнать, чем отличаются друг от друга Model / View / Template;
— освоить GET- / POST-запросы;
— Написать свою систему авторизации;
— кастомизировать админку и многое другое.
Профиль на Ozon
#django
19 270
GitMiner: слишком легко добраться до наших незащищённых токенов
OSINT-утилита, отыскивающая в коде репозитория всевозможные креды: пароли, токены и все, что посчитает таковым.
Автор репозитория выдаёт панчи: в качестве примеров ищет пароли в одном репозитории бразильского правительства и предлагает прочесать конфиги Joomla.
Репозиторий на GitHub
Инструмент освещается лишь с целью побудить разработчиков обратить внимание на инфобезопасность.
#библиотека
19 270
Поздравляем верно решивших задачу
Задачу про панграмы верно решили:
— @StSav012;
— @Jag_k;
— @dev_ammv;
— @impreza555;
— @EPoY74.
Самое лаконичное оптимальное решение выглядит так:
for sentence in sentences:
if set(sentence.casefold()).issuperset('abcdefghijklmnopqrstuvwxyz'):
yield sentence
#задача19 270
Repost from Нейроканал
Студент из Джорджии при помощи компьютерного зрения сделал бота, который наказывает его, если обнаружит отвлечение от заданий.
Когда бот видит, что пользователь отвлёкся на телефон, то включает устройства, ослепляющие ярким светом и воспроизводящие неприятные звуки.
А если ты тот самый заядлый прокрастинатор, то держи доступ к репозиторию.
#cv #python
19 270
Задача: декодер RGB → HEX
Дизайнер Алексей только что получил свой новый сайт — визитную карточку. Ему захотелось добавить на одну из страниц конвертер цветов, и ваша задача — написать функцию, переводящую сет RGB-цвета в шестнадцатеричную систему, причём без использования сторонних модулей:
color = (42, 165, 160) #2aa5a0
#задача19 270
data-nut-squirrel: как .env, но везде
С помощью этой утилиты переменные становятся доступны постоянно в любом месте с общим сетевым диском и в любой период времени, даже после перезагрузки системы.
Репозиторий на GitHub
Как часто в вашей практике встречаются такие универсально нужные переменные и чем хороши классические решения вроде EXPORT? Поделитесь в комментариях.
#библиотека
19 270
Порядок выполнения SQL-операций
Исчерпывающий гайд от dev-notes.ru, с помощью которого вы узнаете, почему в объединяющем запросе с фильтрацией порядок будет FROM — JOIN — WHERE — GROUP BY — HAVING — SELECT — ORDER — LIMIT, что такое SARGABLE-запросы и какие функции замедляют исполнение операций.
#sql
19 270
Компиляция vs. интерпретация
Ламповое десятиминутное видео про разницу между двумя способами перевода человекочитаемого языка в компьютерочитаемый.
Если вы слышали имя американской разработчицы Грейс Хоппер, то узнаете, как её лингвистический бэкграунд и даже знание русского (!) помогли создать первый «переводчик» с человеческого на машинный.
Видео
#факты
19 270
Пятничный Win Share
Что интересного у вас на этой неделе из мира Python и IT?
Вы можете поделиться не только новостями, но и затыками. Сообщество Zen of Python постарается помочь. Самую интересную проблему мы разберём в отдельном посте.
#winshare
19 270
А вы знаете, что у нас сейчас проходит розыгрыш подписок Telegram Premium?
Чтобы принять участие, достаточно подписаться на 4 канала, которые помогут быть в тренде и получать лучшее из мира IT:
— тот самый Типичный программист: @tproger
— полезные сохранёнки на все случаи жизни: @prog_stuff
— нужные инструменты для ваших проектов: @prog_tools
— новости из мира технологий: @your_tech
19 270
pypipe для управления пайплайнами
Инструмент облегчает подготовку текстовых и не только данных к загрузке в модель.
— Приведём к верхнему регистру:
cat staff.txt |ppp 'i, line.upper()'
— Превратим .txt в словарь:
cat staff.jsonlines.txt |ppp -j 'dic["Name"]
— Создадим кастомную команду:
pypipe custom -N NAME
#библиотека19 270
sounddevice: аудиоплеер
Инструмент использует asyncio + NumPy и позволяет взаимодействовать с аудиофайлами по полной:
— запись и воспроизведение аудио;
— создание стримов;
— поддержка параллельных задач на asyncio и многое другое.
Документация
#библиотека
19 270
LazyPredict: ультралаконичный синтаксис ML-моделей
Инструмент позволяет запускать 30 (!) видов моделей беспрецедентно коротким способом:
from lazypredict.Supervised import LazyClassifier
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
data = load_breast_cancer()
X = data.data
y= data.target
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=.5,random_state =42)
clf = AdaBoostClassifier(verbose=0,ignore_warnings=True, custom_metric=None)
models,predictions = clf.fit(X_train, X_test, y_train, y_test)
models
Репозиторий на GitHub
А знаете ли вы инструменты, упрощающие подготовку данных? Поделитесь в комментариях.
#библиотека