Python RU

👩‍💻 inflect — Python-библиотека для работы с инфлексиями слов — преобразованиями форм слов в зависимости от их грамматической роли в предложении! 🌟 Библиотека позволяет конвертировать числа в текстовые строки (например, 42 -> "forty-two"), а также предоставляет функции для работы с формами существительных и глаголов. 🔐 Лицензия: MIT 🖥 Github @pythonl

GitHub – умер. 90% контента генерится через ChatGPT, а реально полезные материалы собирают мало просмотров и не выводятся в топ. Хорошо, что есть канал Технологичка. Там тима айтишников ручками отсматривают и выкладывают самую годноту. Все материалы отсортированы по темам и категориям: 🖥 Статьи для Python разработки 🖥 Статьи для Frontend разработки 🖥 Статьи для Java разработки 🖥 Статьи для C/C++ разработки 🖥 Статьи для C# разработки 🖥 Статьи для PHP разработки 👣 Статьи для Go разработки 👩‍💻 Статьи для Android разработки 👩‍💻 Статьи для iOS разработки 🖥 Статьи для безопасников 👩‍💻 Статьи для разработчиков игр 🖥 Статьи для тестировщиков 🖥 Статьи для DevOps-инженеров В общем, пользуйтесь, других таких каналов вы не найдете: https://t.me/+AduPktRZo783YmY0

🖥 t.me/haskell_tg - Haskell входит в число наиболее востребованных функциональных языков программирования. В нашем новом канале, вы найдете множество уроков, книг и гайдов для погружения в этот мощный язык с нуля. Отличная возможность не только выучить новый язык, но и возможность прокачать свои навыки программирования. t.me/haskell_tg - стоит подписаться!

🌟 MatterSim: DL-модель для предсказания свойств материалов от Microsoft. MatterSim - усовершенствованная модель глубокого обучения в области материаловедения, предназначенная для моделирования свойств материалов в широком диапазоне элементов, температур и давлений. Она способна точно предсказывать свойства материалов по всей периодической таблице в диапазоне температур от 0 до 5000K и давления до 1000GPa. MatterSim использует архитектуру M3GNet, которая включает в себя двух- и трехчастичные взаимодействия. Модель обучается с использованием функции потерь, учитывающей энергию на атом, вектор силы на каждом атоме и напряжение. Особенность MatterSim - способность к активному и непрерывному обучению. Модель способна оценивать неопределенность своих прогнозов и выбирать структуры для активного обучения, что полезно для повышения точности моделирования сложных систем. MatterSim может быть настроена для моделирования на произвольном уровне теории. Модель демонстрирует высокую точность в предсказании свободной энергии Гиббса и 10-кратное улучшение точности по сравнению с универсальными силовыми полями, обученными на траекториях релаксации на наборах данных MPF-TP и Random-TP. Модель может быть точно настроена для атомистических симуляций на желаемом уровне теории или для прямых предсказаний "структура-свойство"с сокращением требований к данным до 97%. ▶️В релизе представлены 2 версии модели: 🟢MatterSim-v1.0.0-1M - мини-версия модели, которая работает быстрее; 🟢MatterSim-v1.0.0-5M - увеличенная версия, которая является более точной. ⚠️ Рекомендуется устанавливать MatterSim с помощью mamba или micromamba, поскольку conda может работать значительно медленнее при разрешении зависимостей в environment.yaml. ▶️ Установка и использование на примере ASE калькулятора:

# Install package with the latest version
pip install git+https://github.com/microsoft/mattersim.git

# Create env via mamba
mamba env create -f environment.yaml
mamba activate mattersim
uv pip install -e .
python setup.py build_ext --inplace

# Minimal example using ASE calculator
import torch
from ase.build import bulk
from ase.units import GPa
from mattersim.forcefield import MatterSimCalculator

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Running MatterSim on {device}")

si = bulk("Si", "diamond", a=5.43)
si.calc = MatterSimCalculator(device=device)
print(f"Energy (eV)                 = {si.get_potential_energy()}")
print(f"Energy per atom (eV/atom)   = {si.get_potential_energy()/len(si)}")
print(f"Forces of first atom (eV/A) = {si.get_forces()[0]}")
print(f"Stress[0][0] (eV/A^3)       = {si.get_stress(voigt=False)[0][0]}")
print(f"Stress[0][0] (GPa)          = {si.get_stress(voigt=False)[0][0] / GPa}")

📌Лицензирование: MIT License. 🟡Модель 🟡Документация 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #DL #Mattersim #Microsoft

🖥 Поиск в Google с помощью Python @pythonl

Команда МТС Web Services приглашает тебя послушать топовые доклады от ведущих инженеров команды, а потом обсудить услышанное в неформальной обстановке. Приходи, будет интересно! Когда: 6 декабря, 18:00 Где: площадка «Бетон», Кальварийская ул., 17, г. Минск Что в программе: — Расскажем, как строим новое облако с нуля в 2024-м — Поговорим о разработке IAM в облаке — Обсудим, как создать Development Platform — Разберёмся, что такое реконсиляция и почему она важна для облачной инфраструктуры Присоединяйся.

⚡️ Метасплоит за 30 секунд https://www.youtube.com/shorts/eFCGeWfcPss @pro_python_code

✔️ Анатомия скама. Исследование онлайн-мошенничества За последние годы онлайн-мошенничество стало более изощренным, сложным и скрытым. Онлайн мир сделал мошенничество доступным для многих людей. Дипфейки и ИИ еще больше усугубили ситуацию. Поскольку мир перешел от личного общения к онлайн-взаимодействию, мошенникам редко приходятся встречаться со своими жертвами. Они могут легко сделать все через интернет, используя навыки социальной инженерии. 📌 Статья

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec АНАЛИЗ Данных: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/golang_interview React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

🌟 cuPyNumeric: замена NumPy от NVIDIA. По мере роста объемов данных и сложности вычислений, вычисления на Python и NumPy, основанные на CPU, нуждаются в ускорении для выполнения современных исследований. cuPyNumeric разработана, чтобы стать заменой библиотеки NumPy, предоставляя сообществу Python распределенные и ускоренные вычисления на платформе NVIDIA. cuPyNumeric позволяет масштабировать вычисления без изменения кода проектов с одного CPU до суперкомпьютеров с несколькими GPU и вычислительными нодами. Библиотека построена на Legate, поддерживает родной Python и интерфейс NumPy. cuPyNumeric доступен из conda (версия не ниже 24.1) в legate channel. На системах с GPU пакеты, поддерживающие графические ускорители будут выбраны автоматически во время установки. Пример эффективности cuPyNumeric - обработка 10 ТБ микроизображений многоракурсной микроскопии в виде одного массива NumPy за один день с визуализаций в режиме реального времени. ▶️Установка и тест на примере из репозитория:

# Create new conda env
conda create -n myenv -c conda-forge -c legate cupynumeric

# Test via example from repo
$ legate examples/black_scholes.py
Running black scholes on 10K options...
Elapsed Time: 129.017 ms

📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Документация 🖥GitHub @ai_machinelearning_big_data #AI #ML #NumPy #NVIDIA #cuPyNumeric

🖥 OASIS — проект для моделирования социальных взаимодействий между агентами с использованием крупномасштабных симуляций! 🌟 Он основан на многокомпонентных агентных системах и предназначен для изучения взаимодействий искусственного интеллекта в контексте общества и совместной работы. Проект сосредоточен на использовании больших языковых моделей (LLM) для управления агентами, которые симулируют различные аспекты человеческого поведения, взаимодействия и общения. 🌟 Основные направления применения OASIS включают исследование кооперативного искусственного интеллекта, поведение в симулированных обществах и масштабирование симуляций до миллиона агентов. Репозиторий ориентирован на исследователей и разработчиков, заинтересованных в построении и изучении сложных агентных экосистем на базе LLM! 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

Черные скидки на курсы в Академии! -40% до конца ноября 🔥 В честь Черной пятницы до 30 ноября запускаем распродажу на все курсы proglib.academy и дарим промокод на сумму 10 000 на технику в магазине DigitalRazor (отправим вам по запросу) 🎁 Анонс новогоднего сюрприза! 🎄 Те, кто успеет приобрести курсы с 27 ноября по 27 декабря, получат шанс выиграть крутой новогодний подарок. Что это будет, пока держим в секрете – следите за новостями на нашем канале! Почему стоит выбрать нас? ⚫️ Опытные преподаватели Вас будут обучать доценты ВМК МГУ по математике, а алгоритмы расскажет разработчик из Яндекса и преподаватель МФТИ и НИУ ВШЭ. ⚫️ Бессрочный доступ ко всем курсам Проходите обучение в удобном для вас темпе, без давления жестких сроков. ⚫️ Поддержка преподавателей Не останетесь одни — вам всегда помогут разобраться с трудными темами и ответят на любые вопросы через чат и платформу Coreapp. 👉 Не уверены, подойдет ли вам курс? Начните с бесплатных вводных занятий и познакомьтесь с преподавателями и форматом обучения – Ждем вас на обучении! 🙌 Реклама. ИП Дрёмов Артём Сергеевич, ИНН 771391651571. Erid 2VtzqxMUQtX

👩‍💻 Простое объяснение работы с list в Python! @python_job_interview

✔️ Anthropic предлагает новый способ подключения данных к чат-ботам. Anthropic разработала новый открытый стандарт Model Context Protocol (MCP) для подключения ИИ-ассистентов к системам хранения данных. MCP позволяет моделям ИИ, независимо от разработчика, получать данные из различных источников, включая бизнес-инструменты, репозитории контента и среды разработки приложений. Это позволит моделям генерировать более качественные и релевантные ответы на запросы пользователей. Anthropic утверждает, что MCP решает проблему разрозненности данных, предоставляя разработчикам протокол для создания двусторонних соединений между источниками данных и ИИ-приложениями. MCP уже интегрирован компаниями Block и Apollo и платформами Replit, Codeium и Sourcegraph. techcrunch.com ✔️ Зумеры используют ИИ для повышения эффективности своей работы. Согласно исследованию Google Workspace и The Harris Poll, 82% представителей Gen Z уже используют инструменты ИИ в своей работе. Практически все опрошенные (98%) ожидают, что ИИ окажет влияние на их отрасль или рабочее место в течение следующих 5 лет. Более 50% пользователей ИИ регулярно делятся своим опытом и знаниями с коллегами, а 75% рекомендуют инструменты генеративного ИИ своим коллегам. Z-поколение использует ИИ для написания электронных писем, преодоления языковых барьеров и повышения эффективности в коммуникациях. 88% респондентов считают, что ИИ может помочь им начать работу над сложной задачей, а 87% полагают, что ИИ сделает их более уверенными в онлайн-встречах. googlecloudpresscorner.com ✔️ NVIDIA анонсировала GenAI-модель Fugatto для генерации звука. Fugatto — это новая генеративная модель, которая позволяет создавать, изменять и комбинировать любые звуки, музыку и голоса с помощью текстовых промптов и аудиофайлов. Модель мультиязычна, основана на Transformers и использует 2,5 млрд. параметров. Fugatto обладает уникальной способностью сочетать различные инструкции и интерполировать между ними, предоставляя тонкий контроль над генерируемым звуком. Модель может изменять акценты и эмоции в голосе, создавать новые звуки, которых никогда не было, и даже заставлять музыкальные инструменты издавать нехарактерные для них звуки. Демо видео, техотчет. blogs.nvidia.com ✔️ iRacing объявила о партнерстве с Microsoft в области исследований ИИ. iRacing объединилась с Microsoft Research для разработки продвинутых моделей ИИ - Large Action Models (LAM). Цель сотрудничества - улучшить ИИ-пилотов, создать системы коучинга на базе ИИ и внедрить другие функции с использованием ИИ. LAM будут обучаться на основе данных iRacing, чтобы предоставлять гонщикам обратную связь в режиме реального времени, улучшать качество игры и помогать им совершенствовать свои навыки. iRacing и Microsoft Research планируют опубликовать результаты своих исследований, чтобы разработчики могли внедрять технологии в свои продукты. В проекте также участвует бывший гонщик INDYCAR Ориоль Сервиа в качестве эксперта. iracing.com ✔️ DynaSaur: агент LLM, который совершенствуется, создавая собственные функции. DynaSaur - это платформа агентов LLM, разработанная совместно Университетом Мэриленда и Adobe, которая позволяет агентам динамически создавать и компоновать действия в режиме реального времени. В отличие от традиционных LLM-агентов, которые руководствуются предопределенными наборами действий, DynaSaur генерирует, выполнет и совершенствует новые функции Python, когда существующие функции оказываются недостаточными. Агент ведет растущую библиотеку повторно используемых функций, наращивая способность реагировать на различные сценарии. В тестах на платформе GAIA DynaSaur превзошел базовые показатели, достигнув средней точности 38,21% с использованием GPT-4. Кода пока нет. arxiv.org

Полный гайд по обработке ошибок в Python 🐍✍️ Мигель Гринберг, известный автор мега-туториалов по Flask, создал подробный гайд о том, как правильно обрабатывать ошибки в Python. В нем рассматриваются следующие темы: - Два подхода к обработке ошибок: LBYL («Посмотри перед прыжком») и EAFP («Проще попросить прощения, чем разрешения»); - Классификация ошибок; - Способы обработки ошибок. Ссылки для чтения: 🔗 Оригинал 🔗 Перевод @pro_python_code

⁉️Хотите погрузиться в мир имитационного моделирования? Узнать, как создать «цифровой двойник» для бизнеса? 27 ноября в 19:00 мск на бесплатном вебинаре мы откроем для вас возможности AnyLogic! Вы изучите основы создания моделей и разберете ТЗ для пункта выдачи товаров. Узнайте, как использовать AnyLogic для оптимизации процессов, сократить затраты и улучшить работу компании. Начните с нашего вебинара и получите практический опыт! 👨‍💻Спикер Никита Власов — инженер по имитационному моделированию с опытом работы в международных компаниях.   🔥Регистрируйтесь прямо сейчас, забронируйте место и получите скидку на большое обучение «Имитационное моделирование на базе AnyLogic»: https://otus.pw/9Nmo/?erid=LjN8JwJqM #реклама О рекламодателе

Выпущена версия Flask 3.1.0 https://flask.palletsprojects.com/en/stable/changes/#version-3-1-0 @pro_python_code

Изучили основы Python, знаете библиотеки и даже создавали небольшие проекты? Но что если проекты вдруг начинают «ломаться» из-за зависимости от других пакетов?😩 Управление окружением — это головоломка для многих разработчиков-новичков. Представьте, что ваш проект работает без сбоев, библиотеки и зависимости легко настраиваются, а код стабильно запускается на любой машине. Вы уверенно используете инструменты, которые упрощают разработку и позволяют сосредоточиться на самом важном — на коде. 🚀На открытом уроке 27 ноября в 19:00 мск мы разберем управление зависимостями в Python. Покажем, как работать с Pipenv и Poetry, сделаем акцент на практических кейсах и поможем разобраться в тонкостях. А после вебинара вы сможете пройти полный курс «Python Developer. Basic» на самых выгодных условиях, с поддержкой менторов и карьерным треком. 👉Присоединяйтесь к нам и позаботьтесь о будущем вашей карьеры: https://otus.pw/22PD/?erid=LjN8K56Fw  Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.