Python RU

Python митап от Авито 27 октября в Москве! ☄ Вечером 27 октября вас ждут в офисе на Лесной, чтобы обсудить: ➡ кейс оптимизации GC в Python от Саши Федосеева, backend-инженера из команды Main Page Tech Авито; ➡ как mypy укрощает Python в большой компании вместе с Сергеем Яхницким из Яндекса. После докладов, как и сказали выше, вместе с участниками спикеры обсудят, подходит ли Python для запуска больших нагруженных решений в формате круглого стола. Для тех, кто не успевает вырваться из офиса или дома, будет онлайн-трансляция. Так что не откладывайте, регистрируйтесь и зовите коллег — все подробности по ссылке

📄 DeepSeek-OCR - модель для распознавания текста 🔍 DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст. Что умеет: - Распознаёт текст на изображениях и в PDF - Работает с документами, таблицами и сложными макетами - Поддерживает разные режимы: Tiny, Small, Base, Large - Оптимизирована под GPU (PyTorch + CUDA 11.8) - MIT-лицензия — можно свободно использовать и модифицировать DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости. 🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR 🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR 🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf @ai_machinelearning_big_data #ocr #DeepSeek

📄 PaddleOCR: Мощный инструмент для распознавания текста PaddleOCR — это передовой движок OCR и AI для документов, обеспечивающий высокую точность извлечения текста и понимания документов. Поддерживает множество языков и интегрируется в различные приложения, от стартапов до крупных предприятий. 🚀 Основные моменты: - Поддержка более 80 языков и сложных элементов документа. - Высокая точность распознавания текста в различных условиях. - Легкая интеграция с другими AI-приложениями. - Поддержка работы на разных аппаратных платформах (CPU, GPU, NPU). - Широкое сообщество и активное использование в более чем 5,9 тыс. репозиториев. 📌 GitHub: https://github.com/PaddlePaddle/PaddleOCR #python

🖥 Хочешь, чтобы твой Telegram-бот отвечал с помощью ChatGPT? Сделай это за пару минут: просто установи библиотеку python-telegram-bot, добавь свой OpenAI API-ключ и токен бота, и бот начнёт отвечать на все сообщения с помощью ChatGPT.

from telegram import Update
from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes
from openai import OpenAI


Укажи свои ключи
OPENAI_API_KEY = "sk-..."  
TELEGRAM_TOKEN = "123456789:ABC..."

client = OpenAI(api_key=OPENAI_API_KEY)

async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE):
    user_text = update.message.text

    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": user_text}]
    )

    await update.message.reply_text(response.choices[0].message.content)

app = ApplicationBuilder().token(TELEGRAM_TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))
app.run_polling()

🖥 Учим Python на ферме - вышла новая игра, где вместо фарминга ты пишешь код Забудь про грядки и полив — теперь ферма работает на Python. Ты управляешь роботами, автоматизируешь процессы и наблюдаешь, как код превращается в урожай. Вместо мотыги - код, вместо удобрений - алгоритмы. Это не симулятор фермера, а тренажёр программиста с юмором и логикой. - Всё управление через код - роботы выполняют твои Python-команды; - Обучение встроено в геймплей — осваиваешь основы без нудных туториалов; - Без уровней и доната - ферма растёт вместе с твоими навыками; - Есть русский язык и IntelliSense, можно писать даже из VS Code; У игры уже 95% положительных отзывов в Steam. Игра превращает обучение Python в чистое удовольствие - просто запускаешь и начинаешь “программировать урожай”. 👉 Играть

Карьерный буст, робот в подарок и призовой фонд 7 500 000 рублей 🤖 Успей зарегистрироваться до 20 октября. Все это ждет участников трека «Программирование роботов» на всероссийском ИТ-чемпионате МТС True Tech Champ 2025. Присоединяйся, если пишешь на С++, Go, Python, JS, Java, C# или другом языке. Соревнования пройдут в командах от 2 до 4 человек в несколько этапов: — Квалификация. Тебе предстоит запрограммировать робота на прохождение виртуального лабиринта. — Полуфинал. Ты будешь дистанционно управлять роботом на офлайн-полигоне и наблюдать за его перемещениями в трансляции. — Финал. За две недели до финала организаторы отправят тебе настоящего робота для кастомизации. Ты сможешь модифицировать его, чтобы он оказался быстрее других в многоуровневом офлайн-лабиринте и смог выбить соперников с платформы в шоу-битве. Команды финалистов получат по одному роботу Waveshare Cobra Flex в подарок и сразятся за крупные денежные призы: 4 000 000 ₽ за первое место, 2 500 000 ₽ за второе и 1 000 000 ₽ за третье. Еще ты сможешь: — Получить практический опыт работы с инструментами, с помощью которых создают домашних и промышленных роботов. — Прокачать компетенции, которые помогут развиваться в ИТ. — Заявить о себе на всю Россию и ускорить свой профессиональный рост. 📍 Финал состоится 21 ноября в МТС Live Холл в Москве. 👉🏻 Регистрируйся на сайте до 20 октября.

🖥 Python-декоратор - AI-сервис готов Beam — открытая альтернатива Modal, которая позволяет деплоить любые AI-задачи в serverless-режиме без инфраструктурной боли. Всё, что нужно — декоратор в Python. Работает очень просто: 1. uv add beam 2. Пишете свой AI-воркфлоу 3. Оборачиваете вызов в метод 4. Добавляете декоратор @endpoint с конфигом сервера 👉 Результат — готовый serverless endpoint. Ключевые фичи: → Запуск контейнеров < 1 секунды → Поддержка распределённого хранилища → Авто-масштабирование от 0 до сотен контейнеров → GPU: 4090, H100 или свои → Деплой inference endpoint'ов через декораторы → Изолированные песочницы для кода от LLM → И главное — 100% open-source + приватность. https://github.com/beam-cloud/beta9

🔥 БЕСПЛАТНЫЙ КУРС ПО СОЗДАНИЮ НЕЙРО-СОТРУДНИКОВ НА GPT И ДРУГИХ LLM 🔥 Ищете практический и углубленный курс, чтобы освоить создание нейро-сотрудников? Мы создали курс из 5 объемных занятий. Это именно то, что нужно, чтобы прокачать свои навыки абсолютно бесплатно! 📌 Темы занятий: 1. Введение в мир нейро-сотрудников 2. Как работают LLM и их аналоги 3. Создание базы знаний для нейро-сотрудника (RAG) 4. Тестирование и отладка нейро-сотрудников 5. Интеграция нейро-сотрудников в Production Вот 5 тем курса - он максимально простой и доступный, общеобразовательный, без какого-либо сложного программирования 📚Прохождение этого курса, скорее всего, займет у вас от 1 до 3 часов 🤖 Присоединяйтесь к нашему бесплатному курсу и разберитесь в этой увлекательной теме с нами!

🔍 Исследования Python: эксперименты и оптимизация Репозиторий предлагает практические эксперименты с современными возможностями Python и их производительностью. Здесь вы найдете бенчмарки, сравнения потоков и процессов, а также изучение новых технологий в экосистеме Python. 🚀 Основные моменты: - Эксперименты с производительностью Python 3.14 без GIL - Сравнение потоков и процессов - Оптимизация использования памяти - Практические примеры и выводы 📌 GitHub: https://github.com/koenvo/python-experiments #python

🖥 Гайд по PostgreSQL для продвинутых разработчиков PostgreSQL – одна из самых мощных СУБД с открытым исходным кодом. Этот гайд подробно охватывает ключевые аспекты PostgreSQL: от внутренней архитектуры до приёмов оптимизации. Мы рассмотрим администрирование, производительность, расширения, инструменты, а также сравним популярные ORM для Python и Go. В конце приведён список продвинутых вопросов, часто встречающихся на собеседованиях. 🟠Гайд

🧩 Примеры приложений для Apps SDK от OpenAI Этот репозиторий демонстрирует примеры UI-компонентов и MCP-серверов для создания приложений на базе ChatGPT. Он служит отправной точкой для разработки собственных приложений, используя Model Context Protocol для интеграции инструментов и интерфейсов. 🚀 Основные моменты: - Примеры компонентов для Apps SDK. - Демонстрация работы MCP-серверов. - Поддержка различных языков программирования (Node.js, Python). - Возможность создания и кастомизации собственных виджетов. - Легкая интеграция с ChatGPT. 📌 GitHub: https://github.com/openai/openai-apps-sdk-examples

🖥 Свежий курс на Stepik: PostgreSQL для разработчиков: от основ к созданию API Курс научит создавать надёжные REST API-сервисы на базе PostgreSQL, используя FastAPI на Python. Пошаговое объяснение материала - от установки среды и основ SQL до полноценного API-приложения с безопасностью, связями и масштабируемостью. На практике разбирается: •работу с таблицами, типами данных, фильтрацией и агрегатами • группировки, подзапросы и оптимизацию SQL-запросов • взаимодействие Python с базой данных • создание REST API с FastAPI и подключением PostgreSQL • проектирование структуры БД и нормализацию • реализацию CRUD-операций и валидацию данных • postgres для профессионалов • разбор вопросов с реальных собеседований технические вопросы, SQL-задачи, разбор хитрых приемов. ⚡️ После прохождения вы создадите готовый API-проект и уверенные навыки работы с PostgreSQL в продакшене. Сегодня дарим промокод на скидку - 30%, действует 🚀 Начать учиться

🖥 Практический гайд по автоматизации процессов на Python Перед вами подробный практический гайд по автоматизации процессов на Python для продвинутых разработчиков. Он фокусируется на промышленном уровне качества: архитектура, надёжность, наблюдаемость, упаковка и деплой. В каждом разделе — конкретные паттерны и готовые фрагменты кода. ✔️ Подробнее

🧠 Agent S: Интеллектуальные агенты для взаимодействия с компьютером Agent S — это открытая платформа для создания автономных GUI-агентов, которые учатся на опыте и выполняют сложные задачи на компьютере. Проект нацелен на автоматизацию и взаимодействие с интерфейсами, предлагая новые возможности в области ИИ и автоматизации. 🚀Основные моменты: - Поддержка Windows, macOS и Linux. - Достижения нового состояния наилучшего результата (SOTA) в задачах компьютерного использования. - Уникальная возможность обучения на основе предыдущего опыта. - Открытый исходный код для сообщества разработчиков. 📌 GitHub: https://github.com/simular-ai/Agent-S #python

🕷️ Spyder: универсальный инструмент для OSINT Spyder — это открытый инструмент для разведки в области открытых данных, который позволяет выполнять поиск по большим глобальным базам данных. Он предоставляет информацию о номерах телефонов, IP-адресах, социальных сетях и многом другом. 🚀Основные моменты: - Поиск информации по номерам телефонов и IP-адресам - Доступ к данным из социальных сетей (Facebook, Instagram и др.) - Поиск по электронной почте и адресам - Узнайте информацию о доменах и номерных знаках - Удобный интерфейс для быстрого доступа к данным 📌 GitHub: https://github.com/gumot0/spyder-osint

🖥 Python: как убрать «тысячу мелких пакетов» в TCP и ускорить отправку без Nagle-лагов Неочевидный, но очень полезный приём для высоконагруженных Python-сервисов, которые пишут в сокет маленькими кусками (заголовки, чанки и т.п.). Проблема: множество send() приводит к лишним системным вызовам и маленьким TCP-сегментам. Если включён Nagle, мелкие посылки «склеятся», но вы получите задержки (особенно рядом с read()`/`write() пинг-понгом). Решение: управляем склейкой вручную: - На Linux используйте флаг MSG_MORE — ядро понимает, что «продолжение следует» и подержит пакет, пока вы не отправите финальный кусок без MSG_MORE. - Альтернатива — временно включать TCP_CORK: ядро копит данные и шлёт крупным сегментом при снятии «пробки». - Для передачи файлов после заголовков используйте os.sendfile() — это почти нулевые копирования (zero-copy). Итого: меньше syscalls, крупнее сегменты, ниже latency-хвост без «магии» Nagle.

import os
import socket
import time
from contextlib import contextmanager

HAS_MSG_MORE = hasattr(socket, "MSG_MORE")
HAS_TCP_CORK = hasattr(socket, "TCP_CORK")  # Linux only

@contextmanager
def tcp_cork(sock: socket.socket):
    """Временно включаем TCP_CORK (Linux), чтобы склеить мелкие записи."""
    if HAS_TCP_CORK:
        try:
            sock.setsockopt(socket.IPPROTO_TCP, socket.TCP_CORK, 1)
            yield
        finally:
            # Снятие «пробки» — ядро отправит накопленное
            sock.setsockopt(socket.IPPROTO_TCP, socket.TCP_CORK, 0)
    else:
        # На не-Linux просто не делаем ничего
        yield

def send_with_coalescing(sock: socket.socket, parts: list[bytes]):
    """
    Отправляем несколько маленьких кусков как один крупный сегмент.
    - Linux: предпочитаем MSG_MORE (проще, не требует cork).
    - Иначе: объединяем буфером в памяти как fallback.
    """
    if HAS_MSG_MORE:
        # Все, кроме последнего, шлём с MSG_MORE
        for chunk in parts[:-1]:
            # может вернуть меньше; используем sendall для простоты
            sock.sendall(chunk, socket.MSG_MORE)
        sock.sendall(parts[-1])
    elif HAS_TCP_CORK:
        # Включаем «пробку», шлём всё, затем снимаем
        with tcp_cork(sock):
            for chunk in parts:
                sock.sendall(chunk)
    else:
        # Портативный fallback — склеиваем в памяти
        sock.sendall(b"".join(parts))

def demo_http_like_response(conn: socket.socket, path_to_file: str | None = None):
    # Пример: заголовки и небольшой body
    headers = [
        b"HTTP/1.1 200 OK\r\n",
        b"Content-Type: text/plain\r\n",
        b"Connection: close\r\n",
        b"\r\n",
    ]
    body = [b"Hello, ", b"world", b"!", b"\n"]

    # 1) Заголовки + маленький body — аккуратно склеим
    send_with_coalescing(conn, headers + body)

    # 2) Большой файл после заголовков — лучше через sendfile (zero-copy)
    if path_to_file and os.path.exists(path_to_file):
        # В реальном сервере заголовки Content-Length/Type должны соответствовать файлу
        with open(path_to_file, "rb") as f:
            offset = 0
            while True:
                sent = os.sendfile(conn.fileno(), f.fileno(), offset, 1 << 20)  # 1 MiB
                if sent == 0:
                    break
                offset += sent

def simple_server(port=9090, file_to_send=None):
    srv = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
    # Хорошая практика для рестартов
    srv.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
    srv.bind(("0.0.0.0", port))
    srv.listen(128)
    print(f"listening on :{port} ...")
    while True:
        conn, addr = srv.accept()
        try:
            demo_http_like_response(conn, file_to_send)
        finally:
            conn.close()

if __name__ == "__main__":
    # Запустите и сходите curl'ом: curl -v http://127.0.0.1:9090/
    # На Linux увидите меньшую фрагментацию пакетов (ss, tcpdump).
    simple_server(port=9090, file_to_send=None)

🆕 PDF Arranger — лёгкий и удобный инструмент для работы с PDF. ✨ Возможности: - Объединение и разделение файлов - Поворот и обрезка страниц - Перестановка и удаление страниц - Интуитивный drag-and-drop интерфейс 💻 Доступен для Linux, Windows (включая портативную версию) и BSD. Полностью опенсорс (GPL-3.0). Идеален, если нужно быстро подготовить PDF к печати или презентации — без сложных настроек. 📌 GitHub #PDF #opensource #Linux #devtools @pythonl