Программистика

🍿 Работа с файлами в FastAPI — Загрузка и умное скачивание

📱 Первоисточник

Программистика|| #video

⚡️Группа хакеров взломала сервера Skillbox, Geekbrains, Skillfactory и ещё 12 онлайн-школ, чтобы выгрузить их курсы в Telegram Юристы пытаются удалить каналы за Авторские Права🤡 – потому вот актуальные ссылки на архивы: По школам:  ├ Skillbox (1.12 ТБ) ├ Нетология (846 ГБ) ├ SkillFactory (720 ГБ)  ├ GeekBrains (934 ГБ) └ Другие (3.21 ТБ) По ЯП: ├ Python (1.48 ТБ) ├ SQL (982 ГБ) ├ C++ (590 ГБ) ├ C (318 ГБ) ├ GoLang (290 ГБ) └ Другие (3.17 ТБ) Ссылка на общий архив: @schools_hack_arc

Python в Minecraft: Код, который строит миры Ты когда-нибудь думал, как устроен Minecraft изнутри? Каждый блок, каждый моб, каждая постройка — это тысячи строк кода. В этом курсе ты научишься писать такой код сам. Никаких скучных учебников. Только живые задачи: телепортируй Стива, построй башню за секунду, создай детектор лавы, напиши умного торговца. Каждый урок — это маленькое приключение, где Python — твоё главное оружие. Крипер-учитель проведёт тебя от самой первой команды print() до настоящих программ, которые управляют игрой в реальном времени. Чему вы научитесь Что ты освоишь:

✅ Переменные, условия, циклы и функции — с нуля ✅ Подключение Python к Minecraft через mcpi ✅ Строительство из кода: стены, башни, лабиринты ✅ Координаты, телепортация, определение блоков ✅ Финальный проект: свой генератор мира

🌐 Ссылка

Программистика || #Course

🔠 Слили 4 ТБ по IT, хакингу и разработке. ⚪️ Все лучшие инструкции, гайды, книги и инструменты — без воды. 🖥 Курсы & GitHub — 579GB ☁️ Хакинг & ИБ — 756GB 🤒 OSINT — 315GB ⌨️ Python — 955GB 🙃 Linux & Bash — 459GB 😦 Работа в IT — 278GB 🖥 Общий архив — 946GB ➡️ Присоединяйтесь и скачивайте. Пост будет удален через 48 часов.

Здравствуйте, дорогие читатели! 😊 Хотим сообщить вам, что несколько наших каналов появились теперь в мессенджере Max: Карманный хакер (Telegram | Max) Linux Administration (Telegram | Max) //code (Telegram | Max) И сразу хотим сказать, что Телеграм мы не покидаем, ведь пока удобней площадки попросту нет. И просим подписаться на нас в Max только тех, кто уже там зарегистрирован по каким-либо причинам. А те, кому не пришлось регистрироваться там, то лучше не надо☺️ Нам же пришлось там зарегистрироваться из-за учёбы, поэтому решили и перенести пару каналов, может появятся и другие, но позже. А телеграм остаётся нашей основной площадкой для публикации контента! Всем спасибо за внимание и надеемся на ваше понимание в этом вопросе!😎

🏁На Stepik вышел курс по Claude Code: полное введение в разработку с нуля Этот курс полноценное профессиональное введение в Claude Code, а также в практику создания ПО с его использованием. Разберёшься: - C настройкой, подписками и токенами - Поймёшь, как не сливать бюджет и оптимизировать расходы - Писать промпты - Подключать Claude Code к GitHub, Notion, Slack, Google Workspace через MCP - Подключишь MCP и расширишь возможности - Cоздашь свой MCP - Создашь агента и параллельные воркфлоу - Автоматизируешь всё через свои Skills - Получишь готовые шаблоны и хуки - В конце чёткая дорожная карта Действует скидка 30% в течении 48ч

🔐 Секрет `secrets`: не используй `random` для паролей и токенов Многие генерируют случайные пароли через random.randint() или random.choice(). Это опасно: random генерирует предсказуемые последовательности (псевдослучайные). Для безопасности нужен криптостойкий генератор. ❌ Плохо (предсказуемо):

import random
import string

token = ''.join(random.choices(string.ascii_letters, k=32))

✅ Хорошо (криптостойко):

import secrets
import string

token = secrets.token_hex(32)  # 64 символа hex
# Или
token = ''.join(secrets.choice(string.ascii_letters) for _ in range(32))

🟢 Что умеет `secrets`: - secrets.token_hex(n) — n байт в hex - secrets.token_urlsafe(n) — безопасный для URL - secrets.choice(sequence) — криптостойкий выбор Используй secrets для паролей, токенов сброса, API-ключей. random оставь для игр и симуляций. Программистика || #tips

⏰ Pendulum — это современная замена стандартному datetime с удобным API и поддержкой часовых поясов. Умеет парсить даты из строк, правильно обрабатывает временные зоны, делает интервалы человеко-читаемыми («5 минут назад»). Идеально для проектов, где работа с датами вызывает боль.

🐱 Ссылка на GitHub Программистика || #Репозиторий

ПО без сюрпризов: фиксированные сроки и 12 месяцев гарантии DevProWeb создаёт IT-продукты, которыми удобно пользоваться и владеть. Почему им доверяют: • 120+ проектов сдано • Рейтинг 4.9 / 5.0 • 6+ лет на рынке • 98% довольных клиентов Что делают: → Веб-приложения → Мобильные приложения (кроссплатформенно) → CRM / ERP системы → Интеграции (1С, платежные системы, маркетплейсы, телефония) → UI/UX дизайн → Техническое сопровождение Ключевые условия: ✔️ Гарантия 12 месяцев ✔️ Исходный код передаётся ✔️ Официальный договор ✔️ Срок — от 2 недель Работают по всей России. Бесплатная консультация. https://devproweb.ru

👩‍💻 Как ускорить Python-код в 10 раз без переписывания на Rust (практические приёмы) Вы написали код, он работает, но медленно. Вы думаете: «Надо переписать на Rust/C++/Go». Стоп. В 80% случаев можно ускорить Python в 5-10 раз, не меняя язык. Вот 5 приёмов, которые реально работают. 1. Используйте встроенные функции и библиотеки на C Python-циклы медленные. Встроенные функции (map, filter, sum, any, all) и методы списков/словарей работают на C. ❌ Медленно (чистый Python):

result = 0
for x in range(1_000_000):
    result += x ** 2

✅ Быстро (C-уровень):

result = sum(x*x for x in range(1_000_000))
# Или ещё быстрее:
result = sum(map(lambda x: x*x, range(1_000_000)))

Разница: 0.2 сек против 0.08 сек — в 2.5 раза. 2. `numpy` для численных расчётов Если вы работаете с числами и массивами, numpy ускоряет код в 10-100 раз за счёт векторизации (C/Fortran под капотом). ❌ Медленно (списки):

a = [i for i in range(1_000_000)]
b = [i*2 for i in a]

✅ Быстро (numpy):

import numpy as np
a = np.arange(1_000_000)
b = a * 2

Разница: 0.05 сек против 0.001 сек — в 50 раз. 3. `functools.lru_cache` для кэширования результатов Если функция многократно вызывается с одними и теми же аргументами — кэшируйте. ❌ Медленно (рекурсия Фибоначчи):

def fib(n):
    return n if n < 2 else fib(n-1) + fib(n-2)
# fib(40) считается 30 секунд

✅ Быстро (с кэшем):

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    return n if n < 2 else fib(n-1) + fib(n-2)
# fib(40) — мгновенно, 0.0001 сек

4. `array` или `bytearray` вместо списков для однотипных данных Список хранит ссылки на объекты — это дорого. array хранит значения компактно. ❌ Медленно (список int):

data = [0] * 1_000_000
for i in range(1_000_000):
    data[i] = i * 2

✅ Быстро (array):

from array import array
data = array('I', range(1_000_000))  # unsigned int
for i in range(1_000_000):
    data[i] = i * 2

Разница в памяти: 28 МБ против 4 МБ. По скорости — тоже выигрыш. 5. `numba` — JIT-компиляция для математики Одна строчка декоратора — и Python-функция компилируется в машинный код. ❌ Медленно (чистый Python):

def sum_of_squares(n):
    total = 0
    for i in range(n):
        total += i * i
    return total

✅ Быстро (numba):

from numba import jit

@jit(nopython=True)
def sum_of_squares(n):
    total = 0
    for i in range(n):
        total += i * i
    return total

Ускорение: с 0.2 сек до 0.005 сек — в 40 раз. Главное правило: сначала напишите работающий код, потом профилируйте, потом оптимизируйте узкие места. Не оптимизируйте вслепую. Программистика || #Статья

Совет на 2026 год — переходите в ML. Пока обычные разрабы конкурируют с ИИ-копилотами, ML-инженеры эти самые нейронки создают. В эпоху нейростей это самые востребованые люди в мире программирования. Зарплаты мидлов начинаются от 250 000 ₽, а у сеньоров в BigTech доходят до 700 000 ₽. А чтобы освоить его всего за 4 месяца без лишней суеты — изучите канал Артема Алехина. Его бэкграунд: Руководитель команды в Сбере, валютная удаленка. К 22 годам вышел на доход 1 000 000+ ₽ в месяц. На канале вы найдёте: — Всё про самые востребованные стеки(Python, ИИ-агенты, NLP) и почему математика — это не страшно, если учить только нужное. — Как оформить резюме, чтобы оно пролетало через любые LLM-фильтры и ATS-системы прямо к тимлидам. — Скрипты переговоров, которые помогли его ученикам прыгнуть с 0 до 360к всего за 8 месяцев. Во времена острой нехватки ML-разработчиков, это лучшее время, чтобы перекатиться. Переходи и изучай: https://t.me/+1m1AOqkcdxtmZjI6

🦆 DuckDB: SQLite для аналитики (обрабатывай гигабайты без сервера) Данные не помещаются в память? Pandas тормозит на 10 ГБ CSV? Ставить PostgreSQL ради одного запроса — перебор. DuckDB решает всё одним пакетом: встраиваемая колоночная база данных, которая работает прямо в Python-процессе и выполняет сложные аналитические запросы быстрее, чем вы успеваете написать pd.read_csv(). ❌ Было (Pandas тормозит, база данных тяжелая):

import pandas as pd
df = pd.read_csv('sales_2024.csv')  # 5 ГБ — добро пожаловать, MemoryError

✅ Стало (DuckDB: не загружает всё в память, работает как швейцарский нож):

import duckdb
conn = duckdb.connect()
result = conn.execute("""
    SELECT category, SUM(sales) 
    FROM 'sales_2024.csv' 
    GROUP BY category
""").fetchdf()

📦 Установка:

pip install duckdb

🐱 Ссылка на GitHub Программистика ||#Репозиторий

Играй и выигрывай промокоды на 20 000 рублей! Тот момент, когда в игре ❤️❤️❤️ закончились, а ответ на вопрос не знаешь! Точно нужна помощь друзей, родных, девочек, Вани и Аннушки вместе взятых! Тем более, когда на кону промокоды по 20 000 рублей на покупки в Спортмастере... Ждем тебя: Переходи в бота, следуй инструкциям и запускай игру Создавай своего персонажа и выбирай, на чем он будет гонять Управляй наклоном телефона и докажи, кто здесь главный гонщик Топ-10 лучших игроков получат промокоды по 20 000 рублей, чтобы экипироваться к новому сезону на колёсах. Играем до 30 апреля, погнали! Перейти на сайт #реклама 16+ О рекламодателе

🔑 Секрет `dict.get()`: забудь про `if key in dict` Новички часто проверяют наличие ключа в словаре, чтобы безопасно прочитать значение:

if 'score' in data:
    value = data['score']
else:
    value = 0

В Python есть элегантный способ в одну строку:

value = data.get('score', 0)

Что здесь происходит: get(key, default) пытается вернуть значение по ключу. Если ключа нет — возвращает default (по умолчанию None). Никаких исключений, никаких if. Где пригодится:

# Счётчик без defaultdict
count = {}
words = ['a', 'b', 'a']
for w in words:
    count[w] = count.get(w, 0) + 1  # {'a': 2, 'b': 1}

# Безопасное чтение вложенных данных
user = {'name': 'Алиса'}
age = user.get('age', 'не указан')  # 'не указан'

🟢 Почему круто: Короче, быстрее, читаемее. Встроено в Python, не требует импортов. Запомни: dict.get() — твой друг при работе со словарями. Программистика || #tips

🍿 Актуальный стек Python разработчика [2026]

📱 Первоисточник

Программистика|| #video

💻 Вопрос с собеседования: Чем отличается `@staticmethod` от `@classmethod`? Оба декоратора используются в классах, и оба не требуют экземпляра для вызова. Но начинающие путают их, а опытные разработчики чётко знают, когда что использовать. Разбираемся раз и навсегда. 📌 Базовый ответ (которого ждут от джуна): - @staticmethod — это обычная функция внутри класса. Она не получает ни self, ни cls. Работает как независимая утилита, просто сгруппированная внутри класса для удобства. - @classmethod — получает первым аргументом класс (cls). Может обращаться к атрибутам класса и создавать экземпляры класса.

class MyClass:
    @staticmethod
    def static_method(x):
        return x * 2
    
    @classmethod
    def class_method(cls, x):
        return cls()  # может создать экземпляр

obj = MyClass()
print(MyClass.static_method(5))   # 10
print(MyClass.class_method(5))     # <__main__.MyClass object at ...>

🧱 Глубокий разбор (для мидла и сеньора): 1. `@staticmethod` — просто функция внутри класса - Не знает о классе и его атрибутах. - Не может изменить состояние класса или экземпляра. - Используется как хелпер, логически связанный с классом.

class MathUtils:
    @staticmethod
    def is_even(n):
        return n % 2 == 0

# Вызов возможен и от класса, и от экземпляра
print(MathUtils.is_even(4))  # True

2. `@classmethod` — работает с классом - Получает cls — ссылку на сам класс. - Может читать и менять атрибуты класса. - Часто используется как альтернативный конструктор (factory method).

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
    @classmethod
    def from_birth_year(cls, name, birth_year):
        age = 2025 - birth_year
        return cls(name, age)  # вызывает __init__

p = Person.from_birth_year("Алиса", 1995)
print(p.age)  # 30

⚠️ Частые ошибки и ловушки 1. Вызывать `@staticmethod` через `self` — можно, но бессмысленно, проще через класс. 2. Пытаться изменить атрибут класса через `@staticmethod` — не получится без явного указания имени класса. 3. Забыть про `cls` в `@classmethod` — метод перестанет быть классовым, вы получите обычный метод с первым аргументом, который будет восприниматься как self. 4. Использовать `@staticmethod` там, где нужна логика с классом — тогда лучше @classmethod.

# ❌ Плохо: статический метод, который должен работать с классом
class Counter:
    count = 0
    @staticmethod
    def increment():
        Counter.count += 1  # привязка к конкретному классу — негибко

# ✅ Хорошо: классовый метод
class Counter:
    count = 0
    @classmethod
    def increment(cls):
        cls.count += 1  # работает с любым наследником

💡 Итоговый ответ для собеседования: 1. @staticmethod — обычная функция, просто лежащая в пространстве имён класса. Не получает ни self, ни cls. 2. @classmethod — получает первым аргументом класс (cls). Может читать/менять атрибуты класса и создавать экземпляры. 3. Главное применение @classmethod — альтернативные конструкторы (например, from_dict, from_string, from_birth_year). 4. @staticmethod используйте для вспомогательных функций, которые логически связаны с классом, но не зависят от его состояния. 5. При наследовании @classmethod будет получать дочерний класс — это даёт гибкость для фабрик. Запомните: если внутри метода вы используете имя класса жёстко — почти всегда лучше сделать его @classmethod и использовать cls. Код станет более расширяемым. Программистика || #jobs

Марафон данных: первое знакомство с SQL и Python Этот курс для тех, кто хочет познакомиться с профессией аналитика данных. Если вы никогда ранее не сталкивались с SQL, Python и продуктовыми метриками, то Data Марафон – для вас! Мы расскажем про самые важные инструменты аналитика данных, и объясним всю суть аналитической работы максимально просто и на реальных примерах. Чему вы научитесь:

💠Познакомитесь с профессией и примерите на себя роль аналитика данных 💠Узнаете, как выглядят реальные данные и поработаете с ними 💠Изучите и посчитаете основные продуктовые и маркетинговые метрики 💠Научитесь обрабатывать данные с помощью таких инструментов, как SQL и Python 💠Сможете принять решение, развиваться ли Вам в этой профессии

🌐 Ссылка

Программистика || #Course

🔥 Мастхев подборка для каждого айтишника Держите подборку авторских IT-каналов по всем направлениям: курсы, книги, статьи, практики, примеры кода, шпаргалки и прохождение собесов. ▪️ Python ▪️ Java ▪️ Frontend ▪️ C / C++ ▪️ ИБ & Хакинг ▪️ DevOps ▪️ Data Science ▪️ Linux ▪️ C# & GameDev ▪️ Курсы IT ▪️ ИИ-бот для IT ▪️ Весь IT 👉🏻 Подписывайся и прокачивай свои навыки

Программистика || #Мемы