Python RU
رفتن به کانال در Telegram
Все для python разработчиков админ - @haarrp @python_job_interview - Python собеседования @ai_machinelearning_big_data - машинное обучение @itchannels_telegram - 🔥лучшие ит-каналы @programming_books_it - it книги @pythonl РКН: clck.ru/3Fmy2j
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Python RU
کانال Python RU (@pro_python_code) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 12 376 مشترک است و جایگاه 9 841 را در دسته فناوری و برنامهها و رتبه 52 034 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 12 376 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 30 اوت, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -49 و در ۲۴ ساعت گذشته برابر -7 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 7.54% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.16% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 933 بازدید دریافت میکند. در اولین روز معمولاً 391 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 6 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند api, docker, github, sql, linux تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Все для python разработчиков
админ - @haarrp
@python_job_interview - Python собеседования
@ai_machinelearning_big_data - машинное обучение
@itchannels_telegram - 🔥лучшие ит-каналы
@programming_books_it - it книги
@pythonl
РКН: clck.ru/3Fmy2j”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 31 اوت, 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.
12 376
مشترکین
-724 ساعت
-217 روز
-4930 روز
آرشیو پست ها
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Событийное логирование для аналитики и мониторинга работы телеграм-бота
— Что расскажут на PiterPy 2023: много питонов и немного ржавчины
— Классификация текстов в spaCy: пошаговая инструкция
— Как создать черный список для токенов JWT в Django
— API от А до Я (теория и практика)
— Распознавание речи (транскрибация) по аудиозаписям диалогов. Whisper. Личный опыт
— Решение школьных задач по химии в Python
— Мне пожизненно забанили рекламу в Meta**. Потому что я преподаю Python
— Как Guidance выводит ИИ на новый уровень: инструмент для эффективного управления моделями
— Упрощаем подключение линтеров в пайплайны Gitlab CI
— Weekly Dev Findings 10
— How to Create a Django Project and Application.
— Setting Sail with a CMS called 'Wagtail'
— How-to Setup and Use Python with OBS on a Mac
— Beautiful is better than ugly, but my beginner code is horrible
— Consultation from Django experts
— I knew a boy who made all the wrong choices
— Your Face, Your Anime: Move Together 💫
— Elastic D&D - Week 9 - FastAPI
— Introduction to Quantum Computing
Посмотреть:
🌐 Пишем телеграм бота для скачивания #yotube видео (⏱ 20:41)
🌐 Алгоритм бинарного поиска на #C++ (⏱ 00:59)
🌐 Очередь с приоритетом разбор задачи на #C++ (⏱ 01:00)
🌐 Задача на поиск числа с leetcode на С++ (⏱ 01:00)
🌐 Задача с #leetcode решаем на #golang (⏱ 00:32)
🌐 Разбор задачи на содержание массива #С++ (⏱ 00:59)
🌐 Django гайд по формам (⏱ 10:32)
🌐 【コラボ配信】当たり前の行動が禁止される！？狂った世界でPVPバトル！ゲスト：えばそんさん、帆立さん、mmmさん (⏱ 02:04:45)
🌐 Python для начинающих. Урок 13 | Кортежи (⏱ 20:30)
🌐 Python Selenium | Новая фича Selenium | Где брать драйвера | Selenium manager #shorts (⏱ 01:01)
🌐 Как стать крутым разработчиком за 1 месяц и зарабатывать много денег? #shortsfeed #shorts (⏱ 00:10)
Хорошего дня!
12 375
💸 Прогнозированию биткоина при помощи VAR (векторной авторегрессии), XGBoost и Facebook Prophet.
▪ Видео
▪ Код из видео
@data_analysis_ml
12 375
🖥 Google Drive Uploader Telegram Bot
Загружаем все файлы из мессенджера в облако.
Интересный бот на Python , который автоматически выгружает пересланные ему файлы в Google Drive.
git clone https://github.com/viperadnan-git/google-drive-telegram-bot
• Github
@pro_python_code12 375
Repost from Анализ данных (Data analysis)
📒 GigaChat нового поколения.
Разработчики @gigachat_bot изменили подход к обучению модели, а потому практически все умения модели были улучшены. В частности, речь идет о сокращении текстов, ответов на вопросы и генерации идей.
Появился и бот GigaChat в социальной сети «ВКонтакте» — после активации, его можно использовать для самых разных целей: от создания текстов до генерации изображений (за счет интеграции с Kandinsky).
Число уникальных пользователей GigaChat достигло 1 млн.
• Попробовать
@data_analysis_ml
12 375
Парсинг на Python
1. Быстрый Парсинг с библиотекой Polars на Python
2. Продвинутый парсинг. Обход блокировки
3. Полный Гайд по парсингу на Python: от азов до продвинутых техниик,. Часть 1
4. Полный Гайд по парсингу на Python: Практика. Часть 2
5. Практика парсинга Python
6. Большой гайд по парсингу на Python. Часть 3 Работаем с selenium
7. Уроки Парсинга на Python Сравниваем Scrappy и bs4
8. Продвинутый парсинг на Python со сменой прокси
9. Многопоточный парсер на Python. ООП подход
10. Асинхронный парсинг сайтов на Python
#video #python
https://www.youtube.com/watch?v=dqEHY9zKc8M&list=PLysMDSbb9HcwWWhs1Cm9EF1sv0fo8kII5
12 375
📃 Генерация отчетов графовой аналитики в формате PDF с помощью Python
Создание отчетов графовой аналитики является важной частью работы многих проектов и бизнес-процессов.
Однако, процесс создания и настройки таких отчетов может быть сложным и требовать больших усилий.
Рассмотрим, как использование языка программирования Python и его библиотек может значительно упростить генерацию отчетов графовой аналитики в формате PDF.
Для работы с PDF в Python есть множество библиотек, самые популярные из них: PyPDF2, ReportLab, FPDF.
Сравнение основных библиотек: в изображении.
По совокупным критериям для дальнейшего разбора мной была выбрана библиотека ReportLab.
Одной из самых популярных библиотек для работы с графами в Python является NetworkX. Она предоставляет широкий набор инструментов для создания и анализа графов. Ее и буду использовать для создания графа и анализа данных.
В посте приведен код, необходимый для воспроизведения. Полный код доступен по ссылке.
Данные сгенерирую с помощью Python.
Пусть будет 500 операций, где будет информация об отправителе, получателе, сумме операции и флаг подозрительности операции.
df_dict = {}
count_operation = 500
for i in range(count_operation):
df_dict[i] = {'reciver' : random.randint(1, count_operation/2),
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}
Добавлю 100 переводов, где получателем будет клиент 1, а отправителем- любой другой клиент из основного датасета:
for i in range(100):
df_dict[i] = {'reciver' : 1,
'sender': random.randint(1, count_operation/2),
'sum_oper': random.randint(1000, 1000000),
'suspisios_transaction': random.randint(0, 1)}
df = pd.DataFrame().from_dict(df_dict).T
Получится вот такой датасет:
Смотреть12 375
🥰 В ближайшем будущем работодатели будут искать Data Scientist. Сыграйте на опережение — начните учиться со Слёрмом уже в ноябре!
Не требуется заглядывать во временную воронку, достаточно проанализировали актуальное положение вещей:
🔥 Работа с данными требуется и в небольших IT-стартапах, и в финтехе, и в бизнесе, и фармацевтике — везде, где требуются наиболее точные прогнозы.
⭐ Спрос на специалистов растет. По данным Всемирного экономического форума, количество вакансий по направлению выросло на 433%.
➕ Средняя зарплата Data Scientist зарабатывает от 50 000 рублей на уровне junior и от 250 000 рублей, когда он станет senior-специалистом.
На профессию Data Scientist учат в Слёрме!
Курс стартует с 13 ноября, вам потребуется около 4 месяцев, чтобы доучиться до уровня junior-специалиста.
Вам помогут мощные эксперты:
— Иван Аникин, Team Lead Yandex.Edadeal;
— Владимир Бугаевский, Team Lead СберМаркет.
Посмотреть подробную программу вы можете на сайте Слёрм.
Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545
12 375
🔵 Пишем телеграм бота для скачивания #yotube видео
📌Видео
• Папка отборных каналов для Python разработчиков -https://t.me/addlist/8vDUwYRGujRmZjFi
• Cсылка на бота: t.me/Youtubedtg_bot
• Полный код бота https://github.com/Develp10/telegramyoutubebot
@pro_python_code
12 375
🐍 Mastering Financial Engineering: От моделирования на Python к интерактивным приложениям
Финансовый инжиниринг включает в себя сложные вычисления и моделирование для анализа и решения финансовых проблем.
Независимо от того, являетесь ли вы студентом или начинающим специалистом в области финансов, очень важно не только понимать концепции, но и профессионально представлять свою работу.
В этой статье мы рассмотрим, как с помощью Python превратить простой код моделирования цены опциона Монте-Карло в развернутое приложение. Это не только улучшит ваше понимание, но и поможет эффективно донести финансовые концепции с помощью визуализаций и пользовательских приложений.
Предварительный вариант приложения, которое вы сможете создать к концу этого урока: в изображении.
1. Организуйте рабочее пространство
Шаг 1.1: Создание выделенной папки
Начните с создания специальной папки для вашего проекта по финансовой инженерии. Организация работы в структурированном виде необходима для эффективной разработки.
Далее
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— RestApi от мала до велика. А ты правильно проектируешь методы?
— Сравнение методов веб-скрепинга для данных Википедии: Beautiful Soup против WikipediaAPI
— Как я проектирую и разрабатываю расширения Python на Rust
— Построение ML-пайплайна для рекомендательной системы с помощью Google Cloud Platform
— Как PaaS решил проблемы стандартизации разработки сервиса одной утилитой
— Введение в библиотеку Diffusers и диффузионные модели
— «Консервируем» данные: сравниваем модуль pickle и альтернативные способы сериализации
— Сбер. Как некрасиво поступить на конкурсе красоты
— Что я понял на первой работе программистом / Мои советы Junior-разработчикам
— Swirl для анализа корпоративных данных: как мы использовали ИИ-поиск и что из этого вышло
— MLOps на примере прогноза движений акций с помощью MLRun
— Tuning Out Spotify: A Programmer’s Approach to Music Streaming
— Automating Python Deployments with GitHub Actions, AWS ECR, and AWS Lambda
— Weekly Dev Findings 9
— Infinite Scroll Pagination in Django with HTMX
— Reflex: 10 Minute Docs Audit
— Milvus Adventures | October 13, 2023
— Docker with Python for Dummies
— CS61A: Projeto HOG (Parte 1)
— Keep It Uplifting podcast. James “Uplifting” Edwards explores the intersection of lifestyle and success with Richard Blank.
— Testando testes no Python - Parte 3: Pytest dentro do Pytest
Посмотреть:
🌐 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python. (⏱ 05:23)
🌐 NLP практика. Определяем тональность текста при помощи NLTK и DL (⏱ 19:37)
🌐 Django шаблонизация и маршрутизация (⏱ 09:11)
🌐 Задача, которая очень часто встречается на собеседованиях #python (⏱ 00:59)
🌐 Решение непростой задачи с Leetcode, часто всплывает на собеседования #pythontutorial (⏱ 00:59)
🌐 Хитрая задача с собеседования #Python (⏱ 00:59)
🌐 Решаем вариант из сборника Л. Н. Евич | ЕГЭ-2024 по информатике (⏱ 01:48:21)
🌐 Задание 24 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 06:35)
🌐 Задание 25 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:44)
🌐 Linux для начинающих | Как загрузить файлы на или с сервера | Команда SCP (⏱ 04:35)
Хорошего дня!
12 375
🖥 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python
▪Video
@pro_python_code
12 375
🚀🧠**lru_cache**: отличная техника для эффективного кодинга!🚀🧠
В данном коде
`lru_cache` используется в качестве декоратора для функции fibonacci. Поскольку последовательность Фибоначчи может быть вычислительно затратной для больших входных данных, кэширование результатов для каждого вызова может значительно ускорить последующие вызовы с теми же аргументами.
Однако декоратор кэширования не следует использовать в каждом конкретном случае. Для функций, результаты которых меняются даже при одинаковых входных данных, или для функций, выходными данными которых являются изменяемые объекты, кэширования следует избегать.
При первом вызове `fibonacci(35)` функция вычислит результат обычным способом, учитывая рекурсивный характер последовательности Фибоначчи. Это может занять много времени.
Однако при втором вызове `fibonacci(35)` вместо повторного вычисления функция просто найдет значение в кэше и вернет его. В результате время выполнения второго вызова будет значительно меньше, что свидетельствует о пользе кэширования.
Фактическое время выполнения на вашей машине будет зависеть от ее вычислительной мощности, но, скорее всего, вы увидите заметную разницу между двумя вызовами.
Помните, что lru_cache может ускорить только последующие вызовы с теми же параметрами. Если вызвать fibonacci(36) после fibonacci(35), то все равно придется вычислять значение. Однако вычисление будет происходить быстрее, чем без кэша, так как fibonacci(35) уже закешировано, и ему нужно только добавить к нему fibonacci(34).
@pro_python_code12 375
Django шаблонизация и маршрутизация
https://www.youtube.com/watch?v=KsYSu7ITkY8
@Django_pythonl
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Тестовые серверы Telegram: инструкция по эксплуатации
— Функциональное программирование в Python: ежедневные рецепты
— Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI
— Пишем АПИ автотесты на Python по шагам
— Извлечение текста из файлов PDF при помощи Python
— Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов
— Преобразование markdown в pdf на Python
— Как «продать» OSS Framework? Propan -> FastStream
— FIFO очередь asyncio в Python
— Тестируем API в Таверне
— Comment ajouter des hyperliens aux documents Word avec Python
— EDA using Data Visualization techniques
— Becoming an AWS All Builders Welcome Grant Alumni Mentor: Empowering the Next Generation of Innovators
— New Features with Git Remotes
— Trabaje con sus datos en tiempo real usando Langchain
— TIL Remote in Git and TOMLLIB in Python
— Exploratory Data Analysis using Data Visualization Techniques.
— My First Pull Request in Hacktoberfest23
— documented: make docstrings in your exceptions work
— MongoDB Quick Start Guide 🍃⚡️
Посмотреть:
🌐 Разбор задачи с собеседования Data Science. Подготовка на практике (⏱ 26:12)
🌐 Cобеседование #Python топовый банк Goldman Sachs Associate на 12000 $ #задача #программирование (⏱ 01:00)
🌐 Django создание модели. Вывод даных на страницу (⏱ 13:01)
🌐 Решаем задачу с leetcode на #Golang (⏱ 00:37)
🌐 Facebook задача с собеседования на #Python на 120000 рублей #программирование #задача #код (⏱ 00:59)
🌐 Разбора задачи с собеседования #Golang (⏱ 00:22)
🌐 Задание 22 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:55)
🌐 Задание 23 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:50)
Хорошего дня!
12 375
«Ты не можешь остановить восстание машин, но ты можешь его возглавить»
13 ноября в Слёрм стартует поток «Профессия Data Scientist».
Эксперты курса:
⚡️Иван Аникин, Team Lead Yandex.Edadeal
⚡️Владимир Бугаевский, Team Lead СберМаркет
Они расскажут, как создавать алгоритмы, которые автоматизируют труд и заставляют компьютеры «думать» самостоятельно.
Посмотреть подробную программу можно на сайте Слёрм
На курсе вы сможете научиться:
✔️анализировать и визуализировать большие объёмы данных;
✔️сводить бизнес-задачу в задачу машинного обучения;
✔️работать с данными разных типов.
Мы поможем уверенно стартовать в профессии: в конце обучения вы сможете сделать итоговый проект на реальных данных.
Записаться на курс можно по ссылке
Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545
12 375
🔥 Дайджест полезных материалов из мира Python за неделю
Почитать:
— Как сделать вашего телеграм-бота лучше? Конечно, добавить ему аналитику
— Microsoft предлагает БЕСПЛАТНЫЕ онлайн курсы с сертификацией
— 7 шагов по контейнеризации Python-приложений
— MySQL в Google Colab: Бесшовная интеграция
— Сделали по красоте: победители «Конкурса красоты кода»
— Перелом в судьбе змеи: как Python менял версию с 2 на 3
— Как найти популярные NFT коллекции в блокчейне TON — ранжируем коллекции c помощью индексатора dton.io и Python
— Летадло, предисловие
— Python + PIL + Pyrogram = Кастомные эмодзи для Telegram
— S.T.A.R.K. — первый фреймворк для создания голосового ассистента
— Пишем компилятор C в 500 строках Python
— Dragon Userbot — расширение возможностей Вашего Telegram-аккаунта до уровня, ограниченного лишь Вашей фантазией
— Получаем список товаров из чека ИФНС (Raspberry + FreePBX + telegram + sheets)
— Conquer MS-101: Dumpsarena Offers Reliable Study Materials
— How to Easily Try Out boto3 Interactively in AWS CloudShell
— Kafka Ease: Simplifying Kafka Topic and ACL Management
— A Python script to see my most watched YouTube videos
— No One Expects the self._spanish_inquisition (Because it’s protected)
— My Experience learning Python and SQL
— Lovely Silk
— My first contribution to other open source project
— Data Science Essentials: Your Path to Effective Dataframe Joins with Pandas
— Customizing RAG Pipelines to Summarize Latest Hacker News Posts with Haystack 2.0 Preview
Посмотреть:
🌐 Python Matplotlib. Визуализация данных на PRO уровне. (⏱ 24:43)
🌐 Устраиваемся на работу. Решаем тестовое задание на позицию Python Junior. (⏱ 20:28)
🌐 Уроки Golang с нуля /#29 - Дженерики/обобщения (⏱ 10:52)
🌐 Уроки Golang с нуля /#30 - Горутины (⏱ 08:09)
🌐 Революционный генератор музыки на основе искусственного интеллекта (⏱ 00:12)
🌐 Серьезные проблемы с безопасностью в телеграм! (⏱ 00:24)
🌐 Задание 14 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:19)
🌐 Задание 16 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:09)
🌐 Задание 15 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:23)
🌐 Задание 17 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:17)
Хорошего дня!
