Python RU

🔥 Python: Эффективное использование контекстных менеджеров Контекстные менеджеры в Python позволяют управлять ресурсами и предотвратить утечки, особенно при работе с файлами. Используя with, вы гарантируете, что файл будет закрыт автоматически, даже если произойдет ошибка.

from contextlib import contextmanager

@contextmanager
def open_file(filename):
    try:
        f = open(filename, 'r')
        yield f
    finally:
        f.close()

with open_file('example.txt') as file:
    data = file.read()
    print(data)

https://www.youtube.com/shorts/I8j3Y6NunYg

🕵️‍♂️ Spyder: OSINT Research Tool Spyder — это универсальный инструмент для открытой разведки (OSINT), который позволяет выполнять поиск информации по крупным глобальным базам данных. Он предоставляет доступ к данным о номерах телефонов, IP-адресах, социальных сетях и многом другом. 🚀Основные моменты: - Поиск информации о номерах телефонов и IP-адресах - Доступ к данным социальных сетей (Facebook, Instagram и др.) - Поиск по именам и физическим адресам - Проверка доменов и номерных знаков - Утилита для бомбардировки электронной почты 📌 GitHub: https://github.com/portrret/spyder-osint

✔️ Как организовать архитектуру большого Python-проекта? Главная цель - чтобы через полгода было не стыдно открывать код: понятно где что лежит, как это тестировать и куда встраивать новые фичи. Основные принципы: - Разделяй по ответственности, а не по типу файла - Минимизируй связь между слоями - Явно отделяй ядро домена от инфраструктуры (БД, HTTP, очереди) Пример базовой структуры: - app/ - api/ - HTTP handlers, REST, gRPC, CLI - services/ - бизнес-логика, сценарии use case - domain/ - сущности, модели, value objects - repositories/ - работа с БД, кэшами, внешними сервисами - config/ - настройки, env, схемы конфигурации - utils/ - вспомогательные функции, которые не завязаны на домен - tests/ - тесты по тем же модулям, что и в app/ - scripts/ - миграции, разовые утилиты, maintenance Рекомендации: - Один входной файл (main.py или cli.py), вся логика - в app/* - Конфигурацию не хардкодить, а прокидывать через env и config-объекты - Внутри services работать с абстрактными интерфейсами репозиториев, а не с конкретным ORM - С самого начала заводить тесты, пусть даже простые, и поддерживать схему tests/ в том же дереве, что и код - Любой новый модуль должен отвечать на вопрос: к какому слою относится и от кого ему можно зависеть Если проект растет, не бойся дробить: - крупный модуль на подмодули - общие зависимости в отдельный layer (shared, common) - разные bounded context в отдельные пакеты внутри app/ Архитектура большого проекта - это не про идеальный паттерн, а про понятные границы и минимальный хаос. https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/ Видео: https://www.youtube.com/watch?v=Dk7A8ElHcKE

Вопрос с собеседования Что выведет этот код и почему?

a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

a = (1, 2, 3)
b = a

a += (4, 5)

print(a)
print(b)

Попробуй сначала сам ответить, а потом смотри разбор.

Часть 1. Списки
a = [1, 2, 3]
b = a

a += [4, 5]

print(a)
print(b)

Что происходит по шагам:

a = [1, 2, 3]

Переменная a ссылается на список [1, 2, 3]. b = a Теперь b ссылается на тот же самый список, что и a. Не копия, а один и тот же объект в памяти. a += [4, 5] Важно: для списков += работает как изменение объекта на месте: это примерно то же самое, что: a.extend([4, 5]) То есть в существующий список, на который ссылаются и a, и b, добавляются элементы 4 и 5. Поэтому:

print(a)  # [1, 2, 3, 4, 5]
print(b)  # [1, 2, 3, 4, 5]

Оба указывают на один изменённый список. Часть 2. Кортежи a = (1, 2, 3) b = a a += (4, 5) print(a) print(b) Кортежи неизменяемы, и здесь начинается магия. a = (1, 2, 3) a ссылается на кортеж (1, 2, 3). b = a b ссылается на тот же кортеж (1, 2, 3). a += (4, 5) Для кортежей += уже не может менять объект на месте (они immutable). Поэтому Python делает так: a = a + (4, 5) То есть создаётся новый кортеж (1, 2, 3, 4, 5) и переменная a переназначается на него. b при этом остаётся смотреть на старый кортеж (1, 2, 3). Поэтому: print(a) # (1, 2, 3, 4, 5) print(b) # (1, 2, 3) В чём хитрость Для списка a += [4, 5] мутирует объект на месте, и это видно через все переменные, которые на него ссылаются. Для кортежа a += (4, 5) создаёт новый объект и переназначает только a. Итого:

# Часть со списком:
[1, 2, 3, 4, 5]
[1, 2, 3, 4, 5]

# Часть с кортежем:
(1, 2, 3, 4, 5)
(1, 2, 3)

Если хочешь, могу ещё один хитрый вопрос разобрать - про изменяемые значения по умолчанию в аргументах функции или про циклы и замыкания.

🖥 Bash Академия: секреты командной строки, которые нигде не рассказывают Олег Шелест - профессионал по информационной безопасности, раскрывает скрытые механики Linux, с помощью наглядных картинок и коротких, максимально понятных разборов у себя в тг канале. - Без воды. - Без лишней теории. Только практические приёмы, которые реально используют профи. Если хочешь уверенно владеть Bash - здесь ты получишь всё, что нужно: t.me/bashmastter

🔥КАК УСТАНОВИТЬ PYTHON: Самый простой способ Самый быстрый и эффективный способ поставить Python без лишних настроек это использовать пакетный менеджер системы. Он сам подтянет зависимости, поставит актуальную версию и настроит доступ к python и pip. Это надёжнее чем скачивать вручную и проще чем возиться с окружениями. Подходит и новичкам и разработчикам. # Windows через winget winget install Python.Python # macOS через Homebrew brew install python # Ubuntu и Debian sudo apt install python3 python3-pip # Проверка установленной версии python3 --version pip3 --version

Боты — это не будущее, это уже норма для Python-разработчика 🐍 Вас спросят на собеседовании: "А вы ботов писали?" И если ответите "нет" — потеряете позицию тому, кто написал. За 4 месяца вы писать ботов быстро и качественно. Что будет в стеке: ✅ aiogram и pyrogram — библиотеки, что нужны в каждом проекте ✅ Асинхронность (asyncio/await) — напишешь быстрые боты ✅ FSM, middlewares, webhooks — архитектура, как в боевых условиях ✅ SQLAlchemy + Postgres — боты со своей БД ✅ Django админ-панель — управляешь ботом, как профессионал ✅ AI-интеграции — Hugging Face, локальные модели, бесплатные сервисы РФ ✅ Docker + облако — задеплоишь, как в real projects ✅ VK API + Telegram — мультиплатформенность в резюме Это не курс "Hello Bot" — это боевая подготовка. ⏰ Старт 26 ноября — это последний шанс в этом году! Сейчас скидка 10% на сайте, а по промокоду Chatbots5 скидка ещё 5%! 👉 Регистрация и подробности о курсе: https://tglink.io/8357e54e5f21?erid=2W5zFJaCkVv #реклама О рекламодателе

⚡️ Полное руководство по Bash: от основ к продвинутым темам Bash (Bourne Again SHell) — это одна из самых популярных Unix-оболочек, широко используемая для запуска команд и написания скриптов в Linux и macOS. Скрипты Bash позволяют автоматизировать рутинные задачи, объединять команды в программы и управлять системой через командную строку. Данное руководство последовательно познакомит вас с основами Bash (синтаксис, переменные, условия, циклы и т.д.), а затем перейдет к продвинутым возможностям (таким как настройка strict mode, использование trap-обработчиков, планирование задач через cron и др.). Мы рассмотрим практические примеры скриптов, сопровождая их поясняющими комментариями, чтобы у вас сложилось цельное понимание создания надежных Bash-скриптов. https://uproger.com/polnoe-rukovodstvo-po-bash-ot-osnov-k-prodvinutym-temam/ Видео: https://www.youtube.com/watch?v=ei0a1TT4ukU

🚨 SQL Никогда НЕ ДЕЛАЙ ТАК #sql НИКОГДА НЕ ЛОМАЙ ИНДЕКСЫ ФУНКЦИЯМИ: не оборачивай индексируемые поля в функции внутри WHERE. Как только ты пишешь LOWER(), CAST(), COALESCE() или любые вычисления по колонке — индекс перестаёт работать, и запрос падает в полное сканирование таблицы. Это одна из самых тихих причин, почему запросы внезапно превращаются в тормоза. Вместо этого приводи значения заранее или используй функциональные индексы.

 Плохо: индекс по email НЕ используется  
SELECT *  
FROM users  
WHERE LOWER(email) = 'user@example.com';

-- Хорошо: нормализуем значение заранее  
SELECT *  
FROM users  
WHERE email = 'user@example.com';

-- Или создаём функциональный индекс (PostgreSQL)  
CREATE INDEX idx_users_email_lower ON users (LOWER(email));

🖥 ПОДКЛЮЧАЕМ CHATGPT К ТЕЛЕГРАМ-БОТУ НА PYTHON Самый простой способ сделать Telegram-бота с ChatGPT - использовать API OpenAI. Ты создаёшь хендлер сообщений, прокидываешь текст в openai.ChatCompletion.create и возвращаешь ответ. ⚡ Важно: - Используй context user data для хранения диалога (если нужен контекст) - Храни ключи через переменные окружения - Не забудь выставить webhook или polling

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

openai.api_key = "sk-..."

async def chatgpt_handler(update: Update, context: ContextTypes.DEFAULT_TYPE):
    user_input = update.message.text
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": user_input}]
    )
    await update.message.reply_text(response.choices[0].message.content)

app = ApplicationBuilder().token("TELEGRAM_BOT_TOKEN").build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chatgpt_handler))
app.run_polling()

📊 Калькулятор налогов на криптовалюту 🚀 Crypto Tax Calculator — это открытое решение для расчета налогов на криптовалюту и личные доходы. Подходит для индивидуальных пользователей и организаций, обеспечивая прозрачность и соответствие требованиям разных налоговых юрисдикций. Инструмент объединяет все криптоактивы в понятный отчет. 🚀 Основные моменты: - Поддержка множества криптовалют и фиатных валют - Автоматическое извлечение данных из популярных бирж - Генерация отчетов в PDF и CSV - Конфигурация параметров для точных расчетов - Интерактивный режим для удобного использования 📌 GitHub: https://github.com/xhyata/crypto-tax-calculator #python

📊 Подробный практический гайд по статистике на Python Этот практический гайд по статистике на Python - ваш надёжный проводник в мир анализа, визуализации и интерпретации данных. От простых описательных показателей до регрессий и временных рядов — с примерами, кодом и реальными задачами. Всё, что нужно, чтобы уверенно применять статистику на практике. 🟠Гайд

Ты пилишь бэкенд на Python. Заказчик спрашивает: "А можем добавить AI-поиск?" Ты: "Эээ... ну наверное... дорого..." Курс «LangChain: с нуля до продакшн» — за 7 недель научишься: → RAG-поиск по документам (FAQ-бот, поиск по базе знаний) → API на FastAPI с LLM под капотом → Агенты для анализа CSV/JSON Не нужно становиться ML-инженером. Просто интегрируешь LLM как ещё один сервис. Скидка 25% — 72 часа. Начать со скидкой

✔️ Эффективность локального ИИ выросла в 5.3 раза за два года. Группа Hazy Research провела исследование, доказывающее рост жизнеспособности локального ИИ-инференса. Для оценки взяли унифицированный показатель «интеллект на ватт» (intelligence per watt, IPW) - это соотношение точности выполнения задачи к потребляемой мощности. Результаты показали, что локальные LLM до 20 млрд. параметров уже способны обрабатывать 88.7% типичных одноэтапных запросов в чатах и задачах на логику. Общая эффективность локального ИИ показала рост в 5.3 раза за период с 2023 по 2025 год. Этот скачок обусловлен как улучшением самих моделей (в 3.1 раза), так и развитием аппаратных ускорителей (в 1.7 раза). stanford.edu ✔️ LeJEPA: self-supervised learning без сложных эвристик. Ян Лекун предложил простой метод ля self-supervised обучения - LeJEPA. Традиционные подходы требовали сложных трюков чтобы избежать коллапса признаков: stop-gradient и сетей учитель-студент. LeJEPA отказывается от этих эвристик в пользу одного регуляризатора, SIGReg (Sketched Isotropic Gaussian Regularization). Задача SIGReg - заставить векторы признаков равномерно распределяться в пространстве, формируя изотропное сферическое облако. В своей работе, Ян доказывает, что такая форма математически оптимальна для минимизации ошибок на будущих задачах. На практике это делает обучение более стабильным, упрощает его масштабирование и оценку качества модели. Тестовая модель на 1.8 млрд. параметров и показала 79% точности на ImageNet-1K. Код LeJEPA доступен на GitHub. arxiv.org ✔️ Lumine от ByteDance: ИИ-агент, способный часами проходить 3D-игры. ByteDance разработал ИИ-агента, который может самостоятельно выполнять многочасовые миссии в сложных открытых 3D-мирах, например в Genshin Impact, Honkai: Star Rail и Wuthering Waves. В отличие от своих конкурентов, Lumine обрабатывает видеопоток с экрана и генерирует команды для клавиатуры и мыши в реальном времени. Агент построен на базе Qwen2-VL-7B и обучен на 1700 часах человеческого геймплея. Сначала он осваивал базовые действия, а затем учился следовать инструкциям и, наконец, развил способность к адаптивному мышлению на небольшом ризонинг-датасете. В тестах Lumine показал способности сражаться с боссами, используя тактику, решать головоломки и взаимодействовать с NPC. Что важно, агент может переносить навыки, справляясь с задачами в незнакомых локациях и в совершенно новых играх без дополнительного обучения. lumine-ai.org ✔️ IBM представила квантовые процессоры Nighthawk и Loon. IBM анонсировала 2 новых квантовых процессора и объявила о переносе всего производства на 300-мм пластины на мощностях Albany NanoTech. Этот переход позволяет снизить стоимость чипов и, по заявлению компании, уже удвоил скорость НИОКР. Nighthawk на 30% увеличивает сложность схем при прежнем уровне ошибок и ориентирован на задачи с 5000 двухкубитных гейтов. Он станет доступен пользователям IBM к концу 2025 года. Чип Loon, в свою очередь, сфокусирован на отказоустойчивости, он использует эффективные коды коррекции ошибок (qLDPC), реализованные на год раньше, чем планировалось. Опираясь на эти инновации, IBM подтвердила свои планы по достижению квантового превосходства к 2026 году и созданию полноценной отказоустойчивой системы к 2029. ibm.com ✔️ Chad IDE: среда разработки со встроенными TikTok и Tinder. Стартап Clad Labs, выпустился из Y Combinator с продуктом «Chad: The Brainrot IDE». Это среда разработки со встроенными развлечениями. Идея в том, что пока разработчик ждет завершения задачи от ИИ-ассистента, он может полистать TikTok, Tinder или поиграть в мини-игры прямо в окне IDE. По мнению основателей, это решает проблему «переключения контекста». Вместо того чтобы брать в руки телефон и полностью выпадать из рабочего процесса, разработчик остается в среде разработки и может мгновенно вернуться к коду, как только ИИ закончит свою работу. Сейчас Chad IDE находится в стадии закрытого бета-тестирования, доступ можно получить только по приглашению. techcrunch.com @ai_machinelearning_big_data #news #ai #ml

📝 NoteDiscovery: Ваши заметки под контролем NoteDiscovery — это легкое, саморазворачиваемое приложение для ведения заметок, которое обеспечивает полный контроль над вашей базой знаний. С современным интерфейсом вы можете писать, организовывать и находить свои заметки на собственном сервере. 🚀Основные моменты: - 🔒 Полная конфиденциальность — ваши заметки остаются на вашем сервере - 💰 Бесплатно — никаких подписок или скрытых платежей - 🚀 Быстрая и легкая навигация — мгновенный поиск - 🎨 Настраиваемые темы — множество вариантов оформления - 🔌 Расширяемость — система плагинов для дополнительных функций 📌 GitHub: https://github.com/gamosoft/NoteDiscovery #python

LoRA-модель от autoweeb, которая превращает обычные фотографии в аниме-стиль ☺️ Основана на Qwen-Image-Edit-2509. Работает просто: загружаете фото, пишете что-то вроде «transform into anime» - и получаете аниме-версию исходного снимка. Настроек минимум, результат отличный. Ссылка: https://huggingface.co/autoweeb/Qwen-Image-Edit-2509-Photo-to-Anime @data_analysis_ml

Основные команды Docker, которые нужно помнить в работе: - docker ps – показывает запущенные контейнеры - docker ps -a – показывает все контейнеры, включая остановленные - docker images – список локальных образов - docker pull nginx – скачать образ - docker run nginx – запустить контейнер - docker run -d nginx – запустить в фоне - docker run -p 8080:80 nginx – проброс порта - docker exec -it sh – зайти внутрь контейнера - docker logs – посмотреть логи - docker stop – остановить контейнер - docker rm – удалить контейнер - docker rmi – удалить образ - docker build -t myapp . – собрать образ - docker compose up -d – поднять сервисы - docker compose down – остановить и удалить их

AIJ Deep Dive: специальный очный трек для AI-профи в рамках международной конференции AI Journey! Среда для профессионального роста, общение с экспертами мировой AI-индустрии и другими AI-профи — всё это ждёт вас на треке AIJ Deep Dive. В программе — только главные аспекты работы с AI: Это событие точно нельзя пропустить

1️⃣20 ноября — день Бизнеса: разберём успешные кейсы внедрения, оценим эффективность и практические результаты. 2️⃣ 21 ноября — день Науки: проведём глубокий анализ IT-решений, прорывных научных исследований, R&D-разработок и передовых методик.

На треке вас ждут выступления ведущих экспертов в AI, постер-сессия, специальные форматы для нетворкинга и выставка R’n’D решений. Это уникальная возможность обсудить сложные вопросы с теми, кто действительно понимает ваши вызовы. Где? Офис Сбера, Кутузовский проспект, д. 32, к. 1 (Е) Когда? 20–21 ноября 2025 года По ссылке — форма регистрации на очное участие. Присоединяйтесь к профессиональному AI-сообществу!

🖼️🛠️ Удаление водяных знаков из изображений с Sora2 Sora2 Watermark Remover — это инструмент для автоматического удаления водяных знаков с изображений, использующий современные алгоритмы обработки. Он подходит для работы с различными типами изображений и может быть полезен как для разработчиков, так и для дизайнеров. 🚀Основные моменты: - Эффективное удаление водяных знаков - Поддержка различных форматов изображений - Легкая интеграция в проекты - Открытый исходный код для доработки - Простой интерфейс для пользователей 📌 GitHub: https://github.com/ammiehax/sora2-watermark-remover #python

⚡ Продвинутый совет: как просто и эффективно тестировать Python-код Быстрый путь к надёжным тестам — комбинировать pytest + pytest-fixtures + property-based testing. Что использовать ✅ pytest — базовый и самый удобный тест-раннер ✅ fixtures — изолированная настройка окружения: временные файлы, сетевые заглушки, БД ✅ hypothesis — генерация рандомных входов → ловим скрытые баги, а не только «ручные» кейсы Пример подхода - Пишем минимальный happy-path тест → проверяем базовый сценарий - Добавляем fixture для окружения → код тестируем в «боевых» условиях - Добавляем hypothesis → находим граничные условия и edge-кейсы без ручной боли Легкий шаблон 1) Быстрый юнит-тест на базовую логику 2) Тест с fixture (файлы/БД/сетевые mock) 3) Property-based тест для устойчивости Почему это мощно - меньше ручной рутины - больше покрытие edge-кейсов - стабильность на прод-нагрузке - тесты остаются быстрыми и простыми 👌 Бонус: запускай только изменённые тесты

pytest --lf

Это ускоряет цикл разработки в разы. Делай минимум — получай максимум. Это путь зрелого Python-инженера. #python #pytest #unittesting #softwaretesting #devtips #engineering