Python Learning

Срезы Срезы (slices) в Python — это способ получения подстроки (подсписка) из последовательности, такой как строка (str), список (list) или кортеж (tuple). Python Learning 👩‍💻

Нейросеть, LLM (большие языковые модели) и ИИ-агент Эти слова в разговорах часто используют как синонимы. Но за ними стоят разные механизмы, и от того, с чем вы работаете, зависит результат. LLM генерирует текст на основе того, на чем ее обучили. Запускается только по запросу человека, работает в один цикл «промпт → ответ», между сессиями ничего не помнит и умеет ровно одно — писать текст. Как эрудированный консультант, который отвечает на вопросы. ИИ-агент — автономная система. Получает цель, сам определяет шаги, обращается к внешним сервисам, запускает код, читает файлы, ищет в базе данных, сохраняет контекст и историю действий. Как сотрудник, который получил задачу и решает ее сам. karpovꓸcourses выложили бесплатный гайд «Почему ваш ИИ пишет не то: LLM против ИИ-агента». В нем сравнение модели и агента по параметрам — память, доступные инструменты, реакция на ошибки, способ запуска — и схема цикла агента с разбором каждого шага. Автор — Алексей Жиряков: 15+ лет в бэкенд-разработке, ex-Stream CTO KION, в Сбере отвечает за работу с данными для ИИ. Заберите гайд и скидку 30% на платный воркшоп «AI-first разработка на Python» по ссылке

Нейросеть, LLM (большие языковые модели) и ИИ-агент Эти слова в разговорах часто используют как синонимы. Но за ними стоят разные механизмы, и от того, с чем вы работаете, зависит результат. LLM генерирует текст на основе того, на чем ее обучили. Запускается только по запросу человека, работает в один цикл «промпт → ответ», между сессиями ничего не помнит и умеет ровно одно — писать текст. Как эрудированный консультант, который отвечает на вопросы. ИИ-агент — автономная система. Получает цель, сам определяет шаги, обращается к внешним сервисам, запускает код, читает файлы, ищет в базе данных, сохраняет контекст и историю действий. Как сотрудник, который получил задачу и решает ее сам. karpovꓸcourses выложили бесплатный гайд «Почему ваш ИИ пишет не то: LLM против ИИ-агента». В нем сравнение модели и агента по параметрам — память, доступные инструменты, реакция на ошибки, способ запуска — и схема цикла агента с разбором каждого шага. Автор — Алексей Жиряков: 15+ лет в бэкенд-разработке, ex-Stream CTO KION, в Сбере отвечает за работу с данными для ИИ. Заберите гайд и скидку 30% на платный воркшоп «AI-first разработка на Python» по ссылке

👩‍💻 Задача по Python Создайте функцию find_longest_substring для поиска самой длинной подстроки в строке, содержащей уникальные символы. Функция должна возвращать длину этой подстроки. Пример:

print(find_longest_substring("abcabcbb"))  # Вернёт 3, т.к. самая длинная уникальная подстрока "abc"
print(find_longest_substring("bbbbb"))     # Вернёт 1, т.к. самая длинная уникальная подстрока "b"
print(find_longest_substring("pwwkew"))    # Вернёт 3, т.к. самая длинная уникальная подстрока

Решение задачи на картинке ☝ Python Learning 👩‍💻

🔥 Три разных человека. Три разных проекта. Один и тот же подход. — Юра взял «скучную» нишу с готовым спросом → сначала печальные $100/мес, через год уже ~$10K/мес — Денис сделал Telegram-игру в одиночку на основе AI → ~ $1500 за 1,5 месяца после запуска — Аня без кода запустила AI-бота для изучения английского → первые ~$200 уже в 1 месяц Разные результаты. Разный масштаб. Но общие правила: 1. не придумывать «гениальную идею», а брать существующий спрос 2. делать простой MVP и быстро запускаться 3. докручивать монетизацию и продукт по факту использования Ребята сделали всё без команды, без инвестиций, а самое главное — без ожидания «идеального момента». Да, не у всех получается сразу. И не у всех выходит на $10K. Но если системно идти по схеме выше — появляется первый доход с продукта, а дальше уже есть что масштабировать. В комьюнити разбираем такие кейсы регулярно: @its_capitan. Что сработало, что нет, и почему. Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2VtzqwWTgtz

⚙️ enumerate() Когда тебе нужно итерировать по списку с доступом к индексу элемента, используй enumerate(). Эта встроенная функция возвращает и индекс, и сам элемент в одном цикле, что удобно и лаконично. Python Learning 👩‍💻

Почему Python — основной язык в offensive security? Большинство задач в ИБ так или иначе упирается в скрипты: автоматизация, работа с сетью, парсинг, фаззинг, свои утилиты под конкретную инфраструктуру. Готовых инструментов часто недостаточно — нужен код, который можно написать и доработать под себя. Python для Пентестера от Codeby — курс для тех, кто уже знает Python на базовом уровне и хочет применять его в информационной безопасности. Что будет на курсе: ⏺️ООП и модули для работы с аргументами командной строки ⏺️работа с БД и файловой системой ⏺️многопоточность ⏺️сетевая работа на Python ⏺️фаззер, сканер портов, брутфорсер, парсер ⏺️криптография и работа с метаданными ⏺️разработка прикладного фреймворка Формат обучения: • 3,5 месяца / 112 ак. ч. (14 недель + 1 неделя на экзамен) • ДЗ с ручной проверкой куратором • итоговый дипломный проект на выбор Запись на ближайший поток открыта до 16 июля. При оплате курса сразу — скидка 30% ➡️Успейте записаться 🪧Бесплатная консультация: @CodebyAcademyBot

❓ Вопрос на собеседовании Как в Python работают функции с переменным количеством аргументов (*args и **kwargs), и как это можно использовать для создания гибких функций? Ответ ⬇️ Функции с *args принимают произвольное количество позиционных аргументов, а с **kwargs — именованных аргументов. Это позволяет передавать любое количество значений и делать интерфейс функций более гибким. *args упаковывает аргументы в кортеж, а **kwargs — в словарь. Пример использования ⚙️

def demo_func(*args, **kwargs): print("Позиционные аргументы:", args) print("Именованные аргументы:", kwargs) demo_func(1, 2, 3, name="Alice", age=25) # Позиционные аргументы: (1, 2, 3) # Именованные аргументы: {'name': 'Alice', 'age': 25}

Python Learning 👩‍💻

➡️ Использование модуля contextvars для управления состоянием в асинхронном коде Модуль contextvars, появившийся в Python 3.7, предоставляет механизм для хранения и управления контекстными переменными, которые сохраняют свое значение в пределах текущего потока или корутины. 🗣 Это особенно полезно в асинхронном программировании, где обычные переменные могут вести себя непредсказуемо из-за переключения контекстов.

✔️ contextvars повышает надежность и предсказуемость асинхронного кода, позволяя безопасно работать с состоянием.

Python Learning 👩‍💻

➡️ Использование cachetools для кэширования в Python cachetools — это небольшая, но мощная библиотека для кэширования, которая предоставляет различные стратегии кэширования, такие как LRU (Least Recently Used), LFU (Least Frequently Used) и другие. Она позволяет оптимизировать производительность, избегая повторных вычислений или запросов. • cachetools полезна, когда требуется хранить временные результаты или промежуточные данные для повышения производительности. 🔗 Ссылочка на доку Python Learning 👩‍💻

🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Признайтесь, было такое? Вы пишете код на Python, подключаете PyTorch, модель обучается, графики красивые. Но стоит копнуть чуть глубже — «а как backpropagation считает градиенты вручную?» или «почему трансформер вообще работает?» — и уверенность куда-то улетучивается. Всё потому, что большинство курсов превращают вас в оператора готовых библиотек, а не в инженера, который понимает, что происходит под капотом. Курс Евгения Разинкова «ИИ: от основ до трансформеров» ломает этот сценарий. Его задача — не научить вас вызывать чужие функции, а дать ту фундаментальную базу, на которой строится сильный ML-специалист: вы собираете нейросети с нуля и понимаете каждую строчку кода за ними. Почему этот курс работает иначе: ✅ Сначала пишете алгоритмы сами, потом берёте PyTorch. Ключевые алгоритмы вы реализуете на чистом NumPy — и только осознав, как они устроены изнутри, переходите к PyTorch, вплоть до трансформеров. После этого вы свободно читаете чужой код, документацию и свежие научные статьи. ✅ Учитесь на реальных инженерных задачах. Теорию можно найти и на YouTube — навык даёт только практика — этоключевая часть программы. Задания с подсказками-TODO, разбор боевого кода и соревнования на Kaggle — это десятки часов работы над настоящими задачами уровня продакшена. ✅ Остаётесь в среде профессионалов. Чат школы живёт и после выпуска: Евгений с командой экспертов, выпускники и практикующие ML-инженеры годами продолжают делиться опытом. Доступ ко всем материалам и практике — на 15 месяцев. Главный результат — фундамент, который не устаревает. Вы пройдёте путь от линейной алгебры до собственной языковой модели, собранной своими руками. На финальном проекте вы с нуля построите и обучите языковую модель — готовый кейс для портфолио. Но ценнее самой модели то, что после курса вы понимаете ИИ на уровне математики и кода, а не «по инструкции». Это и есть самый честный аргумент в разговоре о повышении грейда и зарплаты. Почему стоит доверять автору. Евгений Разинков — к.ф.-м.н., доцент кафедры мат.статистики КФУ, руководитель AI-направления и основатель магистратуры по машинному обучению в Казанском Федеральном Университете. Это не теоретик, а практик, который сам каждый день решает такие задачи и умеет объяснять сложное простым языком. Его курс уже прошли десятки специалистов со средней оценкой 4,9 из 5, а на YouTube-канале выложены 180+ лекций, по которым учатся тысячи. 🎁 Для подписчиков канала — промокод PYTHON даёт скидку 10 000 рублей на обучение. Хотите наконец понимать ИИ, а не просто им пользоваться? 👉 https://clck.ru/3UF6Yz Информация о рекламодателе*

➡️ Использование функции itertools.tee() для дублирования итераторов itertools.tee() — это интересная функция из модуля itertools, позволяющая создавать несколько независимых копий одного и того же итератора. 🗣️ Это полезно, когда вам нужно одновременно итерировать по одним и тем же данным в разных частях кода, не повторяя вычисления.

✔️ itertools.tee() делает работу с итераторами гибче и удобнее.

Python Learning 👩‍💻

Библиотека python-decouple Библиотека python-decouple для Python помогает отделить конфигурационные параметры от вашего исходного кода. Это означает, что вы можете хранить секретные данные, такие как ключи API, пароли и URL-адреса базы данных, вне вашего кода, улучшая безопасность. Python Learning 👩‍💻

➡️ Превращение функций в методы класса с помощью types.MethodType types.MethodType — это способ динамического добавления функций в экземпляры класса как методы. Это позволяет создавать методы "на лету" и добавлять их в объекты, что может быть полезно в сложных сценариях, когда структура класса определяется динамически.

🗣️ В этом примере функция external_function добавляется в экземпляр класса MyClass как метод. Это позволяет вызывать её как обычный метод класса, используя атрибуты экземпляра.

Python Learning 👩‍💻

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 19 мая(уже завтра!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. 🔍 Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Bidict Bidict — это библиотека Python, предоставляющая двунаправленное отображение данных и связанные с ним функции для естественной работы с однозначными отношениями. Python Learning 👩‍💻

⚙️ Pympler для мониторинга и анализа памяти ℹ️ Библиотека мониторит и анализирует память, которая используется при исполнении кода программ на Python. Инструмент находит ее избыточное потребление, утечки и другие баги. 🗣️ С помощью Pympler можно узнать все о размере и длительности процессов приложения на Python за время работы. 🔗 Ссылочка на доку Python Learning 👩‍💻

➡️ FlashText — Быстрый поиск и замена строк FlashText — это библиотека Python, которая позволяет быстро находить и заменять ключевые слова в строках. В отличие от стандартных методов поиска, таких как регулярные выражения, FlashText работает с целыми словами и значительно быстрее на больших текстах. Эта библиотека особенно полезна, если нужно обрабатывать огромные массивы текстовых данных. 🗣 FlashText — идеальный выбор для поиска и замены ключевых слов в текстах, когда производительность имеет ключевое значение. 🔗 Ссылочка на доку Python Learning 👩‍💻

➡️ Click — простой и мощный инструмент для создания CLI Click — это библиотека Python, которая помогает быстро и просто создавать интерфейсы командной строки (CLI). Она обеспечивает удобное управление командами, параметрами и опциями, поддерживает создание вложенных команд и позволяет легко обрабатывать пользовательский ввод. 🗣 Если вы хотите создать CLI для своего Python-проекта с минимальными усилиями, Click — отличный выбор. 🔗 Ссылочка на доку Python Learning 👩‍💻