Python RU

⚡️ Метасплоит за 30 секунд https://www.youtube.com/shorts/eFCGeWfcPss @pro_python_code

✔️ Анатомия скама. Исследование онлайн-мошенничества За последние годы онлайн-мошенничество стало более изощренным, сложным и скрытым. Онлайн мир сделал мошенничество доступным для многих людей. Дипфейки и ИИ еще больше усугубили ситуацию. Поскольку мир перешел от личного общения к онлайн-взаимодействию, мошенникам редко приходятся встречаться со своими жертвами. Они могут легко сделать все через интернет, используя навыки социальной инженерии. 📌 Статья

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec АНАЛИЗ Данных: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/golang_interview React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

🌟 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 ms

📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Документация 🖥GitHub @ai_machinelearning_big_data #AI #ML #NumPy #NVIDIA #cuPyNumeric

🖥 OASIS — проект для моделирования социальных взаимодействий между агентами с использованием крупномасштабных симуляций! 🌟 Он основан на многокомпонентных агентных системах и предназначен для изучения взаимодействий искусственного интеллекта в контексте общества и совместной работы. Проект сосредоточен на использовании больших языковых моделей (LLM) для управления агентами, которые симулируют различные аспекты человеческого поведения, взаимодействия и общения. 🌟 Основные направления применения OASIS включают исследование кооперативного искусственного интеллекта, поведение в симулированных обществах и масштабирование симуляций до миллиона агентов. Репозиторий ориентирован на исследователей и разработчиков, заинтересованных в построении и изучении сложных агентных экосистем на базе LLM! 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

Черные скидки на курсы в Академии! -40% до конца ноября 🔥 В честь Черной пятницы до 30 ноября запускаем распродажу на все курсы proglib.academy и дарим промокод на сумму 10 000 на технику в магазине DigitalRazor (отправим вам по запросу) 🎁 Анонс новогоднего сюрприза! 🎄 Те, кто успеет приобрести курсы с 27 ноября по 27 декабря, получат шанс выиграть крутой новогодний подарок. Что это будет, пока держим в секрете – следите за новостями на нашем канале! Почему стоит выбрать нас? ⚫️ Опытные преподаватели Вас будут обучать доценты ВМК МГУ по математике, а алгоритмы расскажет разработчик из Яндекса и преподаватель МФТИ и НИУ ВШЭ. ⚫️ Бессрочный доступ ко всем курсам Проходите обучение в удобном для вас темпе, без давления жестких сроков. ⚫️ Поддержка преподавателей Не останетесь одни — вам всегда помогут разобраться с трудными темами и ответят на любые вопросы через чат и платформу Coreapp. 👉 Не уверены, подойдет ли вам курс? Начните с бесплатных вводных занятий и познакомьтесь с преподавателями и форматом обучения – Ждем вас на обучении! 🙌 Реклама. ИП Дрёмов Артём Сергеевич, ИНН 771391651571. Erid 2VtzqxMUQtX

👩‍💻 Простое объяснение работы с list в Python! @python_job_interview

✔️ Anthropic предлагает новый способ подключения данных к чат-ботам. Anthropic разработала новый открытый стандарт Model Context Protocol (MCP) для подключения ИИ-ассистентов к системам хранения данных. MCP позволяет моделям ИИ, независимо от разработчика, получать данные из различных источников, включая бизнес-инструменты, репозитории контента и среды разработки приложений. Это позволит моделям генерировать более качественные и релевантные ответы на запросы пользователей. Anthropic утверждает, что MCP решает проблему разрозненности данных, предоставляя разработчикам протокол для создания двусторонних соединений между источниками данных и ИИ-приложениями. MCP уже интегрирован компаниями Block и Apollo и платформами Replit, Codeium и Sourcegraph. techcrunch.com ✔️ Зумеры используют ИИ для повышения эффективности своей работы. Согласно исследованию Google Workspace и The Harris Poll, 82% представителей Gen Z уже используют инструменты ИИ в своей работе. Практически все опрошенные (98%) ожидают, что ИИ окажет влияние на их отрасль или рабочее место в течение следующих 5 лет. Более 50% пользователей ИИ регулярно делятся своим опытом и знаниями с коллегами, а 75% рекомендуют инструменты генеративного ИИ своим коллегам. Z-поколение использует ИИ для написания электронных писем, преодоления языковых барьеров и повышения эффективности в коммуникациях. 88% респондентов считают, что ИИ может помочь им начать работу над сложной задачей, а 87% полагают, что ИИ сделает их более уверенными в онлайн-встречах. googlecloudpresscorner.com ✔️ NVIDIA анонсировала GenAI-модель Fugatto для генерации звука. Fugatto — это новая генеративная модель, которая позволяет создавать, изменять и комбинировать любые звуки, музыку и голоса с помощью текстовых промптов и аудиофайлов. Модель мультиязычна, основана на Transformers и использует 2,5 млрд. параметров. Fugatto обладает уникальной способностью сочетать различные инструкции и интерполировать между ними, предоставляя тонкий контроль над генерируемым звуком. Модель может изменять акценты и эмоции в голосе, создавать новые звуки, которых никогда не было, и даже заставлять музыкальные инструменты издавать нехарактерные для них звуки. Демо видео, техотчет. blogs.nvidia.com ✔️ iRacing объявила о партнерстве с Microsoft в области исследований ИИ. iRacing объединилась с Microsoft Research для разработки продвинутых моделей ИИ - Large Action Models (LAM). Цель сотрудничества - улучшить ИИ-пилотов, создать системы коучинга на базе ИИ и внедрить другие функции с использованием ИИ. LAM будут обучаться на основе данных iRacing, чтобы предоставлять гонщикам обратную связь в режиме реального времени, улучшать качество игры и помогать им совершенствовать свои навыки. iRacing и Microsoft Research планируют опубликовать результаты своих исследований, чтобы разработчики могли внедрять технологии в свои продукты. В проекте также участвует бывший гонщик INDYCAR Ориоль Сервиа в качестве эксперта. iracing.com ✔️ DynaSaur: агент LLM, который совершенствуется, создавая собственные функции. DynaSaur - это платформа агентов LLM, разработанная совместно Университетом Мэриленда и Adobe, которая позволяет агентам динамически создавать и компоновать действия в режиме реального времени. В отличие от традиционных LLM-агентов, которые руководствуются предопределенными наборами действий, DynaSaur генерирует, выполнет и совершенствует новые функции Python, когда существующие функции оказываются недостаточными. Агент ведет растущую библиотеку повторно используемых функций, наращивая способность реагировать на различные сценарии. В тестах на платформе GAIA DynaSaur превзошел базовые показатели, достигнув средней точности 38,21% с использованием GPT-4. Кода пока нет. arxiv.org

Полный гайд по обработке ошибок в Python 🐍✍️ Мигель Гринберг, известный автор мега-туториалов по Flask, создал подробный гайд о том, как правильно обрабатывать ошибки в Python. В нем рассматриваются следующие темы: - Два подхода к обработке ошибок: LBYL («Посмотри перед прыжком») и EAFP («Проще попросить прощения, чем разрешения»); - Классификация ошибок; - Способы обработки ошибок. Ссылки для чтения: 🔗 Оригинал 🔗 Перевод @pro_python_code

⁉️Хотите погрузиться в мир имитационного моделирования? Узнать, как создать «цифровой двойник» для бизнеса? 27 ноября в 19:00 мск на бесплатном вебинаре мы откроем для вас возможности AnyLogic! Вы изучите основы создания моделей и разберете ТЗ для пункта выдачи товаров. Узнайте, как использовать AnyLogic для оптимизации процессов, сократить затраты и улучшить работу компании. Начните с нашего вебинара и получите практический опыт! 👨‍💻Спикер Никита Власов — инженер по имитационному моделированию с опытом работы в международных компаниях.   🔥Регистрируйтесь прямо сейчас, забронируйте место и получите скидку на большое обучение «Имитационное моделирование на базе AnyLogic»: https://otus.pw/9Nmo/?erid=LjN8JwJqM #реклама О рекламодателе

Выпущена версия Flask 3.1.0 https://flask.palletsprojects.com/en/stable/changes/#version-3-1-0 @pro_python_code

Изучили основы Python, знаете библиотеки и даже создавали небольшие проекты? Но что если проекты вдруг начинают «ломаться» из-за зависимости от других пакетов?😩 Управление окружением — это головоломка для многих разработчиков-новичков. Представьте, что ваш проект работает без сбоев, библиотеки и зависимости легко настраиваются, а код стабильно запускается на любой машине. Вы уверенно используете инструменты, которые упрощают разработку и позволяют сосредоточиться на самом важном — на коде. 🚀На открытом уроке 27 ноября в 19:00 мск мы разберем управление зависимостями в Python. Покажем, как работать с Pipenv и Poetry, сделаем акцент на практических кейсах и поможем разобраться в тонкостях. А после вебинара вы сможете пройти полный курс «Python Developer. Basic» на самых выгодных условиях, с поддержкой менторов и карьерным треком. 👉Присоединяйтесь к нам и позаботьтесь о будущем вашей карьеры: https://otus.pw/22PD/?erid=LjN8K56Fw  Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🔍 veRL — это гибкая, эффективная и промышленная среда обучения с подкреплением (RL), разработанная для больших языковых моделей (LLM)! 💡 Обучение с подкреплением — это тип машинного обучения, в котором агент обучается принимать решения, взаимодействуя с окружающей средой, чтобы максимизировать награду. Агент выбирает действия, исходя из текущего состояния среды, и получает обратную связь в виде награды или штрафа. Основной задачей является улучшение стратегии (политики), чтобы в будущем принимать более эффективные решения. Это используется в таких областях, как игры (например, AlphaGo), робототехника, автономные системы и оптимизация процессов. 🔐 Лицензия: Apache-2.0 🖥 Github @pro_python_code

🖥 Rio — интуитивно понятная платформа для разработки веб-приложений, целиком построенная на Python. Вам не придется писать ни строчки кода на HTML, CSS или JavaScript, чтобы создать современное и красивое приложение. Rio интегрирует компоненты в стиле React прямо в Python. Вы можете выбирать из множества готовых элементов и комбинировать их для создания полноценных приложений. Приложения, разработанные с использованием Rio, могут запускаться как локально, так и в сети. Установка: pip install rio-ui 🖥 GitHub

🌟 Boltz-1: открытая модель для предсказания структуры биомолекулярных комплексов. Boltz-1 - первая доступная модель с открытым исходным кодом, которая достигает точности AlphaFold3 в прогнозировании 3D-структур белков, РНК, ДНК и небольших молекул. Boltz-1 основана на архитектуре AlphaFold3, но включает ряд модификаций, повышающих точность и общую эффективность модели. Архитектура состоит из модуля множественного выравнивания последовательностей (MSA), модуля PairFormer и диффузионной модели, работающую на двух уровнях разрешения: тяжелые атомы и токены. Токены представляют собой аминокислоты для белков, основания для РНК и ДНК, а также отдельные тяжелые атомы для других молекул. Boltz-1 использует диффузионную модель, аналогичную AlphaFold3, но Boltz-1 использует жесткое выравнивание с помощью алгоритма Кабша после каждого шага процедуры вывода, чтобы гарантировать, что интерполированная структура более похожа на очищенную от шума выборку. Это уменьшает дисперсию потерь денойзинга и предотвращает переобучение модели. Обучение модели проводилось на структурных данных из PDB, выпущенных до 30 сентября 2021 года, с разрешением не менее 9Å. Чтобы ускорить обучение, разработчики Boltz-1 применили алгоритм сопряжения MSA с использованием таксономической информации, унифицированный алгоритм кадрирования и алгоритм определения кармана связывания. Обучение модели заняло 68 тысяч шагов с размером пакета 128, что меньше, чем у AlphaFold3. Оценка Boltz-1 была выполнена на датасете CASP15 и на наборе PDB, специально созданном разработчиками для тестирования. Результаты показали, что Boltz-1 сопоставима по точности с Chai-1, закрытой репликацией AlphaFold3. Обе модели демонстрируют схожие показатели среднего LDDT и среднего TM-score. Boltz-1 продемонстрировала преимущество в предсказании взаимодействия белок-лиганд на наборе данных CASP15. Прикладная реализация инференса, доступная в репозитории на Github, может принимать на вход форматы: 🟢Fasta file, для большинства кейсов использования; 🟢Комплексная YAML-схема для более сложных случаев; 🟢Каталог с файлами для пакетной обработки. Подробные инструкции для процесса прогнозирования и дообучения опубликованы в репозитории с кодом. ▶️Локальный инференс:

# Install boltz with PyPI
pip install boltz

# run inference
boltz predict input_path

📌Лицензирование: MIT License. 🟡Модель 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI #ML #Diffusion #3D #Biomolecular

🔥 Огромный репозиторий, который фильтрует и собирает лучшие инструменты для веб-разработки на Python! 🔐 Лицензия: CC-BY-SA-4.0 🖥 Github @pro_python_code

🔥 awesome-opensource-boilerplates — коллекция ссылок на готовые шаблоны и инструменты для разработки на всевозможных языках! 🔐 Лицензия: Apache-2.0 🖥 Github @pro_python_code

🖥 При работе с асинхронным кодом на #Python не используйте "time.sleep()", так как это заблокирует основной цикл. Вместо этого используйте `async.sleep()`. @pro_python_code

Ответьте на 3 вопроса, чтобы получить вводные занятия к курсу «Алгоритмы и структуры данных» 🔥Получите вводные занятия, ответив на 3 вопроса – https://proglib.io/w/2ddea16f На вводной части вас ждут: 1. Лекция «Производительность алгоритмов» от руководителя разработки Яндекс.Самокатов; 2. Лекция «Итеративные сортировки и линейные сортировки» от аспирант департамента искусственного интеллекта ВШЭ; 3. Практические задания после лекций; 4. Ссылки на дополнительные материалы для самостоятельного изучения. ⚡️Переходите и начинайте учиться уже сегодня на полном курсе по Алгоритмам и структурам данных– https://proglib.io/w/0e8b3074 Реклама. ИП Дрёмов Артём Сергеевич, ИНН 771391651571. Erid 2Vtzqwxp3gS

🖥 Вывод календаря на 2025 год с помощью Python @pro_python_code