Python/ django

🌟 NVIDIA добавила нативную поддержку Python в CUDA. Python уже несколько лет уверенно лидирует среди языков программирования, а теперь стал ещё ближе к железу. На GTC 2025 NVIDIA объявила о полноценной интеграции Python в свой CUDA-стек. Это значит, что писать код для GPU можно будет напрямую на Python — без погружения в C++ или Fortran. Как подчеркнул Стивен Джонс, архитектор CUDA, цель — сделать инструмент естественным для Python-разработчиков: «Это не перевод синтаксиса C на Python. Все должно работать так, как привыкли разработчики». Раньше CUDA требовала глубокого понимания низкоуровневых языков и это здорово ограничивало аудиторию. Сейчас, когда Python стал стандартом в ML и DS, NVIDIA открывает двери для миллионов программистов. По данным The Futurum Group, в 2023 году CUDA использовали 4 миллиона человек — теперь их число может резко вырасти. Техническая часть такая же обширная, как и ожидания этого события профессиональным сообществом. 🟢Во-первых, появилась библиотека cuPyNumeric — аналог NumPy, который переносит вычисления с CPU на GPU буквально заменой импорта. 🟢Во-вторых, CUDA Core переосмыслен для Python: здесь сделан упор на JIT-компиляцию и минимизацию зависимостей. 🟢В-третьих, добавлены инструменты для профилирования и анализа кода, а ускоренные C++-библиотеки теперь доступны из Python без потерь в производительности. Но главное — новый подход к параллельным вычислениям. Вместо ручного управления потоками, как в C++, NVIDIA предлагает модель CuTile, которая оперирует массивами, а не отдельными элементами. Это упрощает отладку и делает код читаемым, не жертвуя скоростью. По сути, разработчики получают высокоуровневую абстракцию, скрывающую сложности железа, но сохраняющую гибкость. Пока CuTile доступен только для Python, но в планах — расширение для C++. Это часть стратегии NVIDIA по поддержке новых языков: Rust и Julia уже на походе. Python-сообщество уже может экспериментировать — например, интегрировать CUDA-ядра в PyTorch или вызывать привычные библиотеки. Теперь даже те, кто никогда не писал на C++, смогут использовать всю мощь GPU — осталось проверить, как это скажется на скорости создания прекрасных LLM светлого будущего. 🔜 Посмотреть полную презентацию на GTC 2025 @ai_machinelearning_big_data #AI #ML #Python #CUDA #NVIDIA

🐍 Сложная задача по Python: Замыкания и области видимости Что выведет следующий код?

def outer():
    x = 5
    def inner():
        nonlocal x
        x += 1
        return x
    return inner

f = outer()
print(f())
print(f())
print(f())

Варианты ответа: A)

6
7
8

B)

5
5
5

C)

6
6
6

D)

Ошибка выполнения

--- ✅ Правильный ответ: A Почему: Функция outer создаёт замыкание. Переменная x сохраняется между вызовами f, потому что inner — замыкает x и изменяет её с помощью nonlocal. Это классический пример использования замыканий в Python.

🧠 Python-задача на внимательность и знание подводных камней Что выведет этот код?

def make_funcs():
    funcs = []
    for i in range(3):
        def wrapper(x=i):
            return lambda: x
        funcs.append(wrapper())
    return funcs

a, b, c = make_funcs()
print(a(), b(), c())

❓ Варианты ответа: A)0 1 2 В) 2 2 2 C)0 0 0 D)Ошибка на этапе выполнения ✅ Ответ: 0 1 2 📘 Объяснение: 🔹 Цикл for i in range(3) проходит по значениям 0, 1, 2. 🔹 В каждой итерации вызывается wrapper(x=i) — это копирует текущее значение i в локальную переменную x. 🔹 Затем возвращается lambda: x, которая запоминает это конкретное значение x. 🔹 В итоге: a() → 0 b() → 1 c() → 2 Если бы мы не использовали x=i по умолчанию, а писали просто lambda: i, все функции замкнули бы одну и ту же переменную i, и на момент вызова она бы уже была равна 3. @pythonl

🚀 Автоматизируй Docker для Python за 1 команду с Python 📦 Dockerpyze — мощный опенсорс-инструмент, который превращает любой Python-проект на uv или poetry в Docker-образ без ручной возни. 💡 Просто добавь - [tool.dpy] в pyproject.toml, укажи entrypoint — и собирай образы одной командой. Без Dockerfile, без боли. 🔧 Поддерживает: ✅ PEP-621 ✅ uv и poetry ✅ кастомные переменные, порты и зависимости ✅ CI/CD (в т.ч. GitHub Actions) 🔥 Подходит для быстрой упаковки ML-сервисов, REST API, CLI-инструментов и всего, что крутится на Python. Github #python #docker #poetry #uv #devtools #opensource #cli @pythonl

🚀 Автоматизируй Docker для Python за 1 команду с Python 📦 Dockerpyze — мощный опенсорс-инструмент, который превращает любой Python-проект на uv или poetry в Docker-образ без ручной возни. 💡 Просто добавь - [tool.dpy] в pyproject.toml, укажи entrypoint — и собирай образы одной командой. Без Dockerfile, без боли. 🔧 Поддерживает: ✅ PEP-621 ✅ uv и poetry ✅ кастомные переменные, порты и зависимости ✅ CI/CD (в т.ч. GitHub Actions) 🔥 Подходит для быстрой упаковки ML-сервисов, REST API, CLI-инструментов и всего, что крутится на Python. Github #python #docker #poetry #uv #devtools #opensource #cli @pythonl

🚀 Как Duolingo ускорил микросервисы на 40% с помощью асинхронного Python 🐍⚡ Duolingo рассказали, как им удалось значительно повысить производительность своих Python-сервисов, переведя их на async/await, и сделали это не ради хайпа, а ради экономии. 💸 Мотивация: производительность и снижение затрат Duolingo работает с большим количеством микросервисов, обрабатывающих огромные объёмы трафика. Несмотря на высокую нагрузку, многие их Python-сервисы простаивали в ожидании I/O — например, сетевых запросов или операций с базой данных. Это означало неэффективное использование CPU, а значит — деньги на облачный хостинг тратились зря. Асинхронный код — способ “переключаться” между задачами во время ожидания, используя CPU с большей отдачей. Именно это стало главной мотивацией: не “просто быть async”, а снизить расходы. ⚙️ Как проходила миграция Процесс был постепенным и продуманным. Ниже ключевые шаги: ▪ Переход не “всё или ничего” Команда не бросалась переписывать весь сервис с нуля. Они начали с конвертации отдельных маршрутов (routes) на async def, добавляя поддержку асинхронности по частям. ▪ Инструменты постепенно адаптировали Библиотеки и инструменты внутри компании пришлось обновить:  ▪ свой HTTP-клиент переписали под aiohttp,  ▪ систему аутентификации сделали совместимой с async-контекстами,  ▪ логирование, трассировка и метрики обновили под async-архитектуру. ▪ Тесты и инфраструктура Асинхронные изменения требовали пересмотра тестов. Они внедрили поддержку pytest-asyncio и переосмыслили подход к мокам и фикстурам. ▪ Запуск в проде — поэтапно Сначала маршруты работали в синхронном режиме. Потом их перевели в async-режим и замерили разницу. Так удалось отловить “узкие места” до массового внедрения. 📈 Результаты: +40% производительности на инстанс ▪ У каждого экземпляра микросервиса CPU начал использоваться эффективнее. ▪ Снизилось среднее время ответа (latency). ▪ Уменьшилось количество необходимых инстансов — экономия в $$$. ▪ Код стал удобнее масштабировать и поддерживать в I/O-интенсивной среде. Пока один запрос “ждёт”, процессор может выполнять другие задачи. 🔍 Выводы Duolingo подчёркивает: асинхронность не нужна “просто потому что модно”. Но если у вас сервис с большим числом I/O-операций и важна производительность — async Python может дать реальный прирост и экономию. ➡ Оригинальный пост @pythonl

🚀 Летняя школа бэкенда Яндекса открыла набор! Хочешь провести лето с пользой, развивая реальные сервисы в команде с профи? Это твой шанс! Если ты: • Уверенно пишешь на Python, Java или C++ • Понимаешь основы алгоритмов и структур данных — подавай заявку в Летнюю школу бэкенд‑разработки Яндекса. 🗓 Формат обучения: • 2 июня – 27 июля — онлайн-лекции и практика • 28 июля – 24 августа — работа над проектами (онлайн или офлайн) 💡 Что тебя ждёт: • Реальные задачи и работа в фулстек-команде • Наставничество от инженеров Яндекса • Возможность получить офер: >50% выпускников становятся стажёрами или сотрудниками компании • Нетворкинг, лекторий и крутая атмосфера 📍Участие бесплатное. 🕓 Заявки принимаются до 27 апреля. Не упусти! 🔗 Подробнее #backend #летняяшкола #яндекс #стажировка #разработка #python #java #cplusplus

🖥 Разработка игры в стиле Mario с нуля на Python Создание собственной игры в духе легендарного Super Mario Bros — это отличный способ прокачать навыки программирования, погрузиться в основы геймдева и просто повеселиться. Гайд по разработке простой платформенной игры с нуля Python, используя библиотеку Pygame. 📌 Гайд @pythonl

⚡️Поступили новости от Kaspersky! В «Лаборатории Касперского» стартовал набор на оплачиваемую стажировку SafeBoard по нескольким направлениям тестирования! Если ты студент вуза Москвы/МО или учишься в Школе 21 и готов(а) работать от 20 часов в неделю, присоединяйся к нашим IT-командам. Ты научишься интересным задачам: Разрабатывать подходы и методики тестирования; Анализировать требования и проектную документацию; Участвовать в развитии тестового фреймворка на Python; Поддерживать CI/CD; Расширять тестовое покрытие для KasperskyOS. Тебя ждет зарплата, компенсация питания и крутая атмосфера в офисе: спортзал, сауна, игровые комнаты, кофейные паузы и многое другое 😇 Делай крутые тесты, регистрируйся https://kas.pr/bn12?erid=2W5zFJhkKRr Реклама. Рекламодатель АО «Лаборатория Касперского» ИНН 7713140469

🔌 python-kasa — управление умными устройствами TP-Link из Python. Если у вас есть умные розетки, лампы или другие устройства TP-Link и вы хотели бы автоматизировать их через Python, обратите внимание на эту библиотеку. С её помощью можно легко включать/выключать устройства, проверять их статус и даже управлять через командную строку. Поддерживаются как модели Kasa, так и Tapo, включая розетки, выключатели, лампы и даже камеры. 🤖 GitHub @pythonl

Инженеры и любители работать с железом, отмечаем даты: 25 и 26 апреля в Москве пройдет Repair Cafe. Когда-то Яндекс начинался с Поиска, а сегодня в компании полный in-house цикл производства железа: роботы-доставщики, автономный транспорт, умные устройства для дома и многое другое. И для тех, кто разделяет этот инженерный дух и не боится пробовать и создавать, Яндекс проводит Repair Cafe. Оба дня будет работать мастерская — сердце всего мероприятия. Место для тех, кто хочет припаять контакты, починить наушники или разобрать проигрыватель под чутким присмотром опытных наставников. Там же будет доступно целое меню паяльников и нужных запчастей. А любителей ретро-железа ждет починка культового ПК «Ленинград», который выпускался еще в конце 80-х годов. Кроме того, можно послушать доклады, где спикеры поговорят про неочевидные особенности термодизайна серверов и расскажут, как им удалось сделать устройство для чтения ДНК напильником. Зарегистрироваться и ознакомиться с программой можно здесь. Прием заявок открыт до 16 апреля.

🗣 OuteTTS 1.0 — это современный open-source инструмент для синтеза речи (Text-to-Speech), который делает акцент на высоком качестве озвучки, клонировании голоса и поддержке множества языков. Основные особенности: 🔊 Ключевые возможности: Высокая производительность: Способен генерировать аудио до 42 секунд (~8192 токена) за один прогон. Однако для наилучших результатов рекомендуется ограничиваться ~7000 токенами. - Поддержка клонирования голоса: Использует референсный голос (speaker reference) длиной, например, 10 секунд. В таком случае контекст для синтеза сокращается: доступно около 32 секунд активного контента (из 42). - 20 языков: Поддерживает озвучку на 20 различных языках, что делает его универсальным решением для мультиязычных проектов. 🛠️ Под капотом: Хотя подробностей о модели в описании немного, из GitHub-репозитория следует, что: Используются современные архитектуры трансформеров для TTS. Поддерживается реалистичное клонрование голоса по короткому фрагменту. Скорость генерации и качество аудио находятся на уровне лучших TTS-систем с открытым кодом. Установка: git clone https://github.com/edwko/OuteTTS.git cd OuteTTS pip install -r requirements.txt

python 
from outetts import OuteTTS

tts = OuteTTS(
    reference_speaker_path="reference_audio/igor_voice.wav",
    language="ru"  # поддерживаются и другие языки, например: "en", "ja"
)

text = "Привет, Python разработчик! Я твой кастомный голосовой ассистент."
audio = tts.generate(text)

with open("output.wav", "wb") as f:
    f.write(audio)

📥 Ссылка на репозиторий @pythonl

🖥 Ibis — SQL и Python в одном флаконе Надоело переключаться между SQL и pandas? Ibis — это библиотека, которая объединяет лучшее из двух миров: SQL-запросы и Python-пайплайны в одном коде. 📦 Установка (с DuckDB и примерами):

bash pip install 'ibis-framework[duckdb,examples]'

🔍 Пример:

import ibis
penguins = ibis.examples.penguins.fetch()

# SQL внутри Python
res = penguins.sql(\"""
SELECT species, island, count(*) AS count
FROM penguins GROUP BY 1, 2
\""")

# Python-стиль фильтрации и сортировки
res.order_by("count")

┏━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━┓
┃ species   ┃ island    ┃ count ┃
┡━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━┩
│ string    │ string    │ int64 │
├───────────┼───────────┼───────┤
│ Adelie    │ Biscoe    │    44 │
│ Adelie    │ Torgersen │    52 │
│ Adelie    │ Dream     │    56 │
│ Chinstrap │ Dream     │    68 │
│ Gentoo    │ Biscoe    │   124 │
└───────────┴───────────┴───────┘

📌 Что умеет Ibis: — SQL-прослойка прямо по датафреймам — Один и тот же код работает с DuckDB, PostgreSQL, BigQuery, SQLite и др. — Унифицированный синтаксис независимо от движка — Отлично вписывается в data science-пайплайны 📊 Где пригодится: — Аналитика — Дашборды — EDA и быстрые прототипы — Интеграция SQL в ноутбуках без боли. Совместим с Jupyter, Airflow, и всей питоновской экосистемой. 🔗 Подробнее 🔗 Github @pythonl

🖥 DeepGit: Repo Discovery — это открытый AI-инструмент, который помогает находить полезные репозитории на GitHub с помощью семантического поиска. Он основан на системе LangGraph, использует анализ кода, документации и сигналов из сообщества, чтобы отфильтровывать малоизвестные, но перспективные проекты. Ключевые возможности: ▪ Семантическая проверка: ищет не просто по ключевым словам, а «понимает» содержание. ▪ Многогранный анализ: учитывает не только код, но и документацию, активность и отзывы сообщества. ▪ GitHub-интеграция: фокусируется на данном экосистемном источнике, упрощая отбор качественных проектов. 🖥 GitHub @pythonl

🖥 Watchdog — это библиотека, специализирующаяся на отслеживании изменений в файловой системе, но в стильном дизайне. Инструмент даёт возможность фиксировать любые операции с файлами и директориями (создание, удаление, модификация, перемещение) и поддерживает работу в средах Linux, macOS и Windows Библиотека будет особенно полезна в таких случаях, как: ▪ автоматический перезапуск серверов при обновлениях файлов ▪ обработка вновь загружаемых файлов в заданную директорию ▪ синхронизация содержимого папок ▪ создание механизмов резервного копирования, оперативно реагирующих на изменения 🔗 Watchdog 🔗 Документация @pythonl

Последний шанс попасть на ключевое ИТ-событие весны — Data Fusion 2025! Уже 16–17 апреля в Москве состоится одна из крупнейших конференций по анализу данных и ИИ. Если вы еще не зарегистрировались — поторопитесь! Data Fusion 2025 — это не просто конференция, а место, где ежегодно собираются разработчики, аналитики, инженеры данных, исследователи, бизнес и госструктуры, чтобы обсудить, как ИИ и данные меняют индустрию. Что в программе? ✔️ 70+ сессий — от ML-инфраструктуры до внедрения генеративных моделей ✔️ 250+ экспертов — разработчики, архитекторы, лидеры компаний и науки ✔️ Тренды и инсайты этого года — новые подходы к DataOps и управлению качеством данных ✔️ Кейсы от топовых ИТ-компаний — только актуальные и проверенные решения 📌Москва, технологический кластер «Ломоносов», 16-17 апреля. Не откладывайте на потом, регистрирация скоро закроется 💣 — https://data-fusion.ru/. Участие бесплатное! — *ML — машинное обучение *DataOps — методология разработки и предоставления данных

🗂️ Ballista — распределённый движок запросов, построенный на базе Apache DataFusion. Инструмент позволяет параллельно выполнять запросы на множестве узлов, сохраняя совместимость с существующими SQL-запросами, включая сложные JOIN, подзапросы и CTE. Развёртывание упрощено благодаря Docker-образам и поддержке Kubernetes, а встроенные бенчмарки показывают, что Ballista уже способна конкурировать с Spark по скорости обработки TPC-H-подобных запросов. 🤖 GitHub @pythonl

Model Context Protocol – незаменимый инструмент для ML-соревнований, где нужно использовать всю мощь LLM. С помощью нового стандарта подключения AI-ассистентов к бизнес-приложениям от Anthropic ты сможешь интегрировать ИИ в свой проект – идеальное решение для хакатона, где время ограничено. В новой статье разбираемся, как устроен протокол, как поднять собственный MCP-сервер и использовать его в IT-соревнованиях. Ты узнаешь про: 🔤 Архитектуру Model Context Protocol. 🔤 Основные возможности стандарта. 🔤 Примеры реализации: от простых к сложным. Сосредоточься на создании уникального AI-ассистента. Как это сделать? Ответ в статье: https://cnrlink.com/mcpitonecuppydjango А проверить всю мощь MCP можно на IT_ONE Cup. ML Challenge. Зарегистрируйся, выбери один из трех треков и раздели призовой фонд в 1 500 000 рублей. MCP станет одним из важных инструментов для разработки ИИ-помощников в задачах соревнования: 🔤 Динамические контекстные подсказки для системного аналитика. 🔤 AI-генератор дизайн-макетов по описанию требований. 🔤 Система визуализации BPMN-диаграмм. MCP позволит использовать локальные модели, которые сделают решения более автономными и безопасными – их будет легче адаптировать под задачи соревнования. Регистрация открыта до 11 апреля включительно: https://cnrlink.com/itonecupmlpydjangomcp

🖥 Вот 17 топовых GitHub-репозиториев для изучения Python с ссылками: 1. 30-Days-Of-Python — 30-дневный челлендж по основам Python. 2. Python Basics — азы Python для новичков, просто и с примерами. 3. Learn Python — справочник с кодом, пояснениями и практикой. 4. Python Guide — гайд по практикам, инструментам и сложным темам. 5. Learn Python 3 — руководство по Python 3 с практикой для начинающих. 6. Python Programming Exercises — 100+ задач по Python. 7. Coding Problems — алгоритмы и структуры данных для собесов. 8. Project-Based-Learning — Python через реальные проекты. 9. Projects — идеи проектов для прокачки навыков. 10. 100-Days-Of-ML-Code — ML на Python шаг за шагом. 11. TheAlgorithms/Python — алгоритмы и структуры данных на Python. 12. Amazing-Python-Scripts — полезные скрипты: от утилит до автоматизации. 13. Geekcomputers/Python — скрипты для сети, файлов и задач. 14. Materials — код и проекты от Real Python. 15. Awesome Python — топ фреймворков, библиотек и ресурсов. 16. 30-Seconds-of-Python — короткие сниппеты для быстрых решений. 17. Python Reference — скрипты, туториалы и лайфхаки. #python #github #learning @pythonl

Как получилась онлайн-магистратура «Фронтенд- и бэкенд-разработчик» от Яндекс Практикума и ИТМО? Мы взяли всё лучшее от классического образования, перевели в онлайн, добавили практики и выкрутили актуальность на максимум. Приходите на день открытых дверей, чтобы узнать больше: — Расскажем про разные траектории обучения на программе: как после выпуска стать фронтенд- или бэкенд-разработчиком. — Обсудим уровни программы — базовый и продвинутый: чему научится студент без опыта в IT и зачем магистратура разработчику с опытом. — Поделимся, как устроено обучение на очной онлайн-программе Яндекса и ИТМО. — Поговорим про поступление: сроки, экзамены, документы, оплата. Ждём вас 16 апреля в 19:00 мск. → Зарегистрироваться на событие