اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Python Portal
رفتن به کانال در Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
نمایش بیشتر📈 تحلیل کانال تلگرام Python Portal
کانال Python Portal (@pythonportal) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 52 638 مشترک است و جایگاه 2 542 را در دسته فناوری و برنامهها و رتبه 11 870 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 52 638 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 03 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -746 و در ۲۴ ساعت گذشته برابر -57 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 9.23% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 5.22% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 4 860 بازدید دریافت میکند. در اولین روز معمولاً 2 748 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 24 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند строка, none, true, модуль, peter تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 04 ژوئن, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
52 638
مشترکین
-5724 ساعت
-2107 روز
-74630 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئن '26
ژوئن '260
در 2 کانالها
مه '260
در 1 کانالها
Get PRO
آوریل '260
در 0 کانالها
Get PRO
مارس '26
+110
در 4 کانالها
Get PRO
فوریه '26
+23
در 1 کانالها
Get PRO
ژانویه '26
+5
در 4 کانالها
Get PRO
دسامبر '25
+427
در 14 کانالها
Get PRO
نوامبر '25
+2 968
در 330 کانالها
Get PRO
اکتبر '250
در 3 کانالها
Get PRO
سپتامبر '25
+1
در 2 کانالها
Get PRO
اوت '25
+17
در 1 کانالها
Get PRO
ژوئیه '25
+5 086
در 266 کانالها
Get PRO
ژوئن '25
+698
در 8 کانالها
Get PRO
مه '25
+327
در 11 کانالها
Get PRO
آوریل '25
+25 787
در 281 کانالها
Get PRO
مارس '25
+2 364
در 0 کانالها
Get PRO
فوریه '25
+2 039
در 0 کانالها
Get PRO
ژانویه '25
+3 549
در 2 کانالها
Get PRO
دسامبر '24
+7 547
در 401 کانالها
Get PRO
نوامبر '24
+2 629
در 166 کانالها
Get PRO
اکتبر '24
+6 932
در 288 کانالها
Get PRO
سپتامبر '24
+5 073
در 283 کانالها
Get PRO
اوت '24
+8 088
در 236 کانالها
Get PRO
ژوئیه '24
+275
در 2 کانالها
Get PRO
ژوئن '240
در 0 کانالها
Get PRO
مه '24
+1
در 0 کانالها
Get PRO
آوریل '24
+3
در 0 کانالها
Get PRO
مارس '24
+7
در 0 کانالها
Get PRO
فوریه '24
+4
در 0 کانالها
Get PRO
ژانویه '24
+6
در 0 کانالها
Get PRO
دسامبر '23
+3
در 0 کانالها
Get PRO
نوامبر '23
+10
در 0 کانالها
Get PRO
اکتبر '23
+10
در 0 کانالها
Get PRO
سپتامبر '23
+7
در 0 کانالها
Get PRO
اوت '23
+13
در 0 کانالها
Get PRO
ژوئیه '23
+5
در 0 کانالها
Get PRO
ژوئن '23
+8
در 0 کانالها
Get PRO
مه '23
+12
در 0 کانالها
Get PRO
آوریل '23
+6
در 0 کانالها
Get PRO
مارس '23
+16
در 0 کانالها
Get PRO
فوریه '23
+13
در 0 کانالها
Get PRO
ژانویه '23
+10
در 0 کانالها
Get PRO
دسامبر '22
+11
در 0 کانالها
Get PRO
نوامبر '22
+15
در 0 کانالها
Get PRO
اکتبر '22
+25
در 0 کانالها
Get PRO
سپتامبر '22
+28
در 0 کانالها
Get PRO
اوت '22
+70
در 0 کانالها
Get PRO
ژوئیه '22
+995
در 0 کانالها
Get PRO
ژوئن '22
+2 844
در 0 کانالها
Get PRO
مه '22
+3 896
در 0 کانالها
Get PRO
آوریل '22
+5 470
در 0 کانالها
Get PRO
مارس '22
+4 758
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 04 ژوئن | 0 | |||
| 03 ژوئن | 0 | |||
| 02 ژوئن | 0 | |||
| 01 ژوئن | 0 |
پستهای کانال
Перестаньте изучать LLM по случайным статьям и видео, которые объясняют только отдельные куски картины.
LLM from Scratch — это практический курс на PyTorch для тех, кто хочет понять весь путь современной LLM: от первого Transformer-блока до RLHF.
Вместо бесконечной теории здесь собирают полноценную цепочку обучения модели:
• Pretraining → Finetuning → Alignment в одном курсе
• Transformer с нуля: positional embeddings, self-attention, multi-head attention, MLP, residual connections, LayerNorm и полные Transformer-блоки
• Собственный training loop без Trainer-магии: токенизация, батчи, cross-entropy, validation loss, генерация текста
• Современные улучшения архитектуры: RMSNorm, RoPE, SwiGLU, KV Cache, sliding-window attention и streaming cache
• Полный раздел по alignment: SFT, reward models, PPO-style RLHF и GRPO с разбором того, как это выглядит в тренировочном цикле на практике
https://github.com/vivekkalyanarangan30/llm_from_scratch
👉 @PythonPortal
| 2 | 40 собесов и оффер за 1 месяц
Алексей разработчик.
Искал работу с декабря - написание сопроводов и отклики занимали очень много времени.
Выхлоп - почти нулевой.
В какой-то момент понял:
так можно искать бесконечно.
И по совету друга попробовал ии-ассистента Софи.
▫️За ~1 месяц прошел около 40 собеседований
▫️Получил оффер с вакансии, на которую, по его словам, не откликнулся бы сам
В описании она выглядела скучно, а по факту - одна из самых интересных компаний, с которыми я общался.
Весь процесс - от первого собеседования до оффера - занял 4 дня.
P.S. Попробовать Софи бесплатно можно будет 16 июня.
Не пропусти анонс здесь. | 1 888 |
| 3 |  Пора что-то менять | 2 403 |
| 4 | 14-дневный туториал, где ты с нуля собираешь на Python code-agent CLI в стиле Claude Code и параллельно разбираешь, как вообще работает Agent Harness.
В итоге ты не просто вызываешь готового агента через API, а понимаешь, из каких деталей собирается Claude Code-подобный инструмент.
https://github.com/bozhouDev/14days-build-claude-code-cli
👉 @PythonPortal | 2 945 |
| 5 | Наткнулся на open-source PDF-парсер, который конвертирует PDF в Markdown со скоростью до 100 страниц в секунду.
На CPU.
Без GPU, облака и API-ключей.
Что умеет:
• Таблицы
• Сложные макеты документов
• Вложенные структуры
• OCR для 80+ языков
• Интеграция с LangChain
Называется OpenDataLoader.
По бенчмаркам авторов сейчас занимает первое место среди PDF → Markdown решений.
Для контекста:
• Docling показывает хорошие результаты, но работает примерно в 15 раз медленнее
• Marker требует GPU и значительно медленнее
• PyMuPDF4LLM быстрый, но заметно хуже справляется с таблицами
Отдельно удивило, что проект делали вместе с PDF Association и командой veraPDF.
То есть не просто очередной AI-стартап с громкими заявлениями, а люди, которые много лет работают с самим PDF-форматом.
Если собираете RAG, индексируете документацию или регулярно разбираете PDF-файлы, выглядит как проект, на который стоит посмотреть.
https://github.com/opendataloader-project/opendataloader-pdf
👉 @PythonPortal | 3 185 |
| 6 |  👊👊👊 | 3 310 |
| 7 |  DuckDuckGo официально добавила режим No-AI 🦆
Он автоматически отключает AI-функции и скрывает AI-сгенерированные изображения из результатов поиска.
Что входит:
→ Без AI-ответов в поиске
→ Без Duck.ai и AI-чата
→ Фильтрация AI-сгенерированных изображений
→ Обычная выдача без AI-вставок
Забавно наблюдать, как после нескольких лет гонки за внедрением ИИ поисковики начали добавлять кнопку «выключить ИИ».
Похоже, классический поиск снова стал фичей :)
👉 @PythonPortal | 3 897 |
| 8 |  PewDiePie продолжает вайбкодить: 15 миллионов звёзд на GitHub менее чем за 24 часа.
Он назвал его Odysseus и это своего рода аналог ChatGPT и Claude, но ориентированный на локальный запуск ИИ. Сейчас он стремительно набирает популярность. 👃
Он описывает его как «селф-хост интерфейс для работы с языковыми моделями», в котором есть чат, автономные агенты, инструменты, запуск и обслуживание моделей, почта, ресёрч и другие возможности.
https://github.com/pewdiepie-archdaemon/odysseus
👉 @PythonPortal | 4 368 |
| 9 |  Признавайтесь, кто? | 4 322 |
| 10 |  Новый терминал для вайбкодеров
Специально создан для работы с ИИ.
✓ Всего 7 МБ. Очень высокая производительность
✓ Поддерживает Windows, macOS и Linux
✓ Встроены редактор, Git, агенты и предпросмотр веб-страниц
✓ Без телеметрии и регистрации
Бесплатный и с открытым исходным кодом
🥩🥩🥩
👉 @PythonPortal | 4 248 |
| 11 |  Этот инструмент показывает промпт, стоящий за любым GitHub-репозиторием.
Пользоваться им очень просто:
→ Замените github на gitreverse в URL репозитория
→ Сервис покажет промпт, с помощью которого можно воспроизвести проект
Ничего не нужно устанавливать или настраивать.
Достаточно изменить URL.
Реверс-инжиниринг любого проекта за считанные секунды.
На 100% бесплатно.
https://www.gitreverse.com/
👉 @PythonPortal | 4 183 |
| 12 |  Выглядит как одна из самых практичных идей вокруг Claude Skills за последнее время.
book-to-skill превращает книгу не просто в заметки или summary, а в набор структурированных skill-файлов, которые Claude может подгружать по запросу. Вместо того чтобы каждый раз скармливать модели PDF на сотни страниц, инструмент разбивает материал на главы, вытаскивает ключевые концепции, паттерны, glossary и cheatsheet.
Самая интересная часть не в конвертации PDF, а в том, что книга начинает работать как часть контекста агента:
/database-internals replication и Claude подгружает только нужный раздел, а не весь документ целиком. Это сильно экономит контекстное окно и уменьшает количество галлюцинаций, потому что ответы строятся на содержимом конкретной главы.
Для разработчиков это особенно полезно на книгах вроде:
- Designing Data-Intensive Applications
- Database Internals
- Computer Systems: A Programmer's Perspective
- Operating Systems: Three Easy Pieces
Обычно такие книги содержат огромное количество деталей, которые сложно держать в голове. Skill-формат превращает их в что-то вроде локального экспертного консультанта по конкретной теме.
По сути это ещё один шаг к модели:
PDF
↓
Knowledge Extraction
↓
Structured Skill
↓
On-demand Context Loading
↓
AI Agent
То есть книга перестаёт быть статичным файлом и становится частью рабочего процесса агента.
Идея вообще хорошо ложится на текущий тренд вокруг Agent Skills, где знания хранятся как отдельные SKILL.md файлы и подгружаются только при необходимости. Это позволяет держать сотни навыков без раздувания постоянного контекста.
👉 @PythonPortal | 3 834 |
| 13 |  Опытный разработчик с реддита, показал, как превратить Claude Code в персонального аналитика, который сам собирает для вас информацию из интернета каждое утро. Пока вы спите.
Схема выглядит так:
→ Использовать команду /schedule в Claude Code для запуска постоянных облачных задач
→ Подключить Brave Search MCP для поиска актуальной информации в интернете
→ Подключить своё хранилище Obsidian через Filesystem MCP
→ Создать файл CLAUDE.md с темами интересов и фильтрами «не показывать»
→ Дать инструкцию: «Каждый будний день в 6:00 ищи новые события по этим темам и сохраняй сводку в Obsidian»
После этого Claude сам преобразует инструкцию на естественном языке в cron-задачу.
Без N8N.
Без собственного сервера.
Без необходимости держать компьютер включённым.
👉 @PythonPortal | 3 939 |
| 14 |  Стоп Слоп: нашли скилл для Claude и других LLM, который учит их избавляться от предсказуемых фраз и конструкций, из-за которых сгенерированный текст звучит по-машинному. 😁
- Находит и удаляет запрещённые речевые шаблоны: вводные разогревающие фразы, слова-паразиты для усиления акцента и любые наречия.
- Убирает структурные клише, такие как противопоставления по схеме «не X, а Y» и искусственно драматизированное дробление текста на короткие фразы.
- Применяет правила на уровне предложений: запрет на начало предложений с вопросительных слов (Wh- words) и использование только активного залога.
- Включает систему оценки по пяти измерениям для анализа прямоты изложения, ритма текста и его естественности.
https://github.com/hardikpandya/stop-slop
👉 @PythonPortal | 3 890 |
| 15 |  Когда PM и TL ставят задачи, а LLM вежливо просит реализовать. | 4 032 |
| 16 |  Перестаньте искать Python-библиотеки для машинного обучения по случайным туториалам.
Best-of Machine Learning with Python — это курируемый GitHub-индекс open-source библиотек для машинного обучения на Python, созданный для разработчиков, которым нужен более быстрый способ ориентироваться в экосистеме и сравнивать инструменты между собой.
Проект помогает составить шорт-лист подходящих решений, группируя библиотеки по категориям и ранжируя их с помощью оценки качества проекта, основанной на метриках из GitHub и менеджеров пакетов.
Ключевые особенности:
• Индекс из 920 проектов — большая и удобная для навигации карта open-source ML-проектов на Python
• 34 категории — поиск по направлениям: ML-фреймворки, NLP, обработка изображений, AutoML, деплой, интерпретируемость моделей и многое другое
• Рейтинг по оценке качества — проекты сортируются на основе автоматически рассчитываемого рейтинга, использующего сигналы из репозиториев и менеджеров пакетов
• Подробная метаинформация о проектах — для каждого проекта доступны такие показатели, как количество звёзд, форков, issues, контрибьюторов, активность разработки, загрузки и зависимости
• Еженедельные обновления и вклад сообщества — список регулярно обновляется, а улучшения можно вносить через issues, pull request'ы или редактирование файла projects.yaml
Проект полностью открыт и распространяется по лицензии CC BY-SA 4.0.
👉 @PythonPortal | 4 298 |
| 17 | На Stepik вышла программа «Фундамент DevOps»
Это комплексная программа из 4 практических курсов по ключевым технологиям современного DevOps: Linux, Git, Docker и Kubernetes.
Вы последовательно пройдёте путь от работы в Linux и Git до контейнеризации приложений и управления ими в Kubernetes.
Что вы изучите:
• уверенную работу в Linux и терминале
• Git и контроль версий в реальных проектах
• Docker и контейнеризацию приложений
• Kubernetes и оркестрацию контейнеров
• основы сетей, безопасности и хранения данных
• автоматизацию задач и диагностику инфраструктуры
... и многому другому
Все знания закрепляются на практике с помощью заданий с автопроверкой.
Материал подаётся понятным языком, шаг за шагом, с большим количеством примеров, схем и демонстраций. После прохождения вы получите сертификат, который можно добавить в резюме.
Отдельно курсы стоят 16 600 ₽, но в составе программы доступны всего за 7 990 ₽: открыть на Stepik | 2 878 |
| 18 |  Создавайте LLM с нуля
Наткнулся на отличную находку от Vizuara — серию из 43 лекций, которая действительно выполняет своё обещание: показать, как построить большую языковую модель с нуля.
Большинство людей пользуются ChatGPT.
Но лишь немногие действительно понимают, как он устроен под капотом.
Этот плейлист пошагово разбирает все ключевые концепции, не перегружая сложными объяснениями.
Что вы изучите:
→ Архитектуру Transformer
→ Внутреннее устройство GPT
→ Токенизацию и BPE
→ Механизмы внимания (Attention)
→ Процесс обучения LLM
→ Полноценные реализации на Python
Подойдёт для:
• ML-инженеров
• Энтузиастов ИИ
• Разработчиков, входящих в сферу GenAI
• Всех, кто устал от объяснений ИИ как «чёрного ящика»
Если вы действительно хотите понять, что лежит в основе таких моделей, как ChatGPT, Claude и Gemini, — этот материал стоит посмотреть.
🔗 Ссылка на плейлист
👉 @PythonPortal | 4 206 |
| 19 |  +1Как строить box plotы в Python
На этот раз — битва между pandas 🐼 и seaborn ⛵️
👉 @PythonPortal | 4 657 |
| 20 |  🤭🤭🤭 | 4 890 |
