Python/ django

Хочешь понять, твое ли аналитика — без курсов, затрат и лишнего стресса? 🔍 Пройди кейс-тест на реальной бизнес-задаче — всё, как в работе настоящего аналитика, но без необходимости иметь профильные навыки. Только мышление, логика и внимательность. ⚡️ Всего 10 конкретных вопросов — от постановки цели до финальных выводов. За 60 минут: — получишь реальные вводные от "коллег", — прокачаешь структурное мышление, — поймешь, насколько тебе подходит аналитика, — получишь обратную связь на каждый шаг. 🔥 Это бесплатный шанс примерить новую профессию — вдруг это именно твое? 👉 Нажми, чтобы начать тест прямо сейчас

⚡️ snnTorch — нейросети, которые работают как мозг. Этот проект предлагает необычный подход к машинному обучению, используя импульсные нейронные сети вместо классических искусственных нейронов. Инструмент передает информацию через импульсы, что ближе к принципам работы биологического мозга. Библиотека построена на PyTorch и позволяет обучать такие сети с помощью обратного распространения ошибки, используя специальные суррогатные градиенты. 🤖 GitHub @pythonl

🖥 Задача: "Кэширование и ленивые вычисления в многопоточном окружении" 🔜 Условие: Вам нужно реализовать декоратор @thread_safe_cached, который: - Кэширует результат вызова функции по её аргументам (аналог functools.lru_cache, но свой). - Если несколько потоков одновременно вызывают функцию с одинаковыми аргументами: - Только один поток реально выполняет функцию, - Остальные ждут, пока результат будет вычислен, и получают готовый результат. - Кэш никогда не удаляется (неограниченный размер). Ограничения: - Решение должно работать для произвольных функций и аргументов (hashable). - Нельзя использовать готовый functools.lru_cache или другие библиотеки кэширования. - Нужно обеспечить корректную работу в многопоточной среде без гонок данных. --- ▪️ Подсказки: - Для кэширования подойдёт dict с ключами по аргументам (`*args`, `**kwargs`). - Для защиты доступа к кэшу понадобится threading.Lock. - Для ожидания завершения вычисления другими потоками можно использовать threading.Event. - Продумайте carefully: как отличить "результат уже посчитан" от "результат в процессе вычисления". --- ▪️ Что оценивается: - Умение работать с многопоточностью в Python. - Правильная организация кэширования. - Чистота и лаконичность кода. - Умение обрабатывать тонкие случаи, например: одновременные вызовы. --- ▪️ Разбор возможного решения: Основная идея: - Создать кэш cache: Dict[Key, Result]. - Одновременно создать словарь "ожиданий" in_progress: Dict[Key, threading.Event]. - Если кто-то начал считать значение: - Остальные ждут Event, пока оно не будет установлено. Пример реализации:

import threading
import functools

def thread_safe_cached(func):
    cache = {}
    in_progress = {}
    lock = threading.Lock()

    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        key = (args, frozenset(kwargs.items()))
        with lock:
            if key in cache:
                return cache[key]
            if key not in in_progress:
                in_progress[key] = threading.Event()
                in_progress[key].clear()
                creator = True
            else:
                creator = False

        if creator:
            try:
                result = func(*args, **kwargs)
                with lock:
                    cache[key] = result
            finally:
                in_progress[key].set()
                with lock:
                    del in_progress[key]
            return result
        else:
            in_progress[key].wait()
            with lock:
                return cache[key]

    return wrapper

--- ▪️ Пояснения к коду: - При первом вызове для новых аргументов поток создаёт Event и начинает считать результат. - Остальные потоки видят Event и вызывают wait(), пока первый поток не установит set(). - Как только результат посчитан, Event сигнализирует всем ждущим потокам, что данные готовы. - Доступ к cache и in_progress защищён через lock для избежания гонок. --- ▪️ Возможные подводные камни: - ❗ Если не удалять Event из in_progress, кэш постепенно раздуется мусором. - ❗ Если ошибка случится внутри func, необходимо всё равно освободить Event, иначе потоки будут вечно ждать. - ❗ Нельзя держать lock во время выполнения тяжёлой функции func, иначе все потоки будут блокироваться. --- ▪️ Вопросы на собеседовании по этой задаче: - Как изменить реализацию, чтобы кэш имел ограничение по размеру (например, максимум 1000 элементов)? - Как адаптировать декоратор под асинхронные функции (`async def`)? - Что будет, если func иногда бросает исключения? Как кэшировать ошибки или не кэшировать их? - Как изменить реализацию так, чтобы кэш удалял устаревшие данные через TTL (Time-To-Live)? --- @pythonl

🔹 1000 гайдов для разработчиков в одном репозитории! Разработчик из Твиттера собирал этот настоящий кладезь знаний целых 10 лет. Внутри — буквально всё: от шпаргалок по горячим клавишам для ускорения работы до фундаментальных руководств по языкам программирования, веб-разработке, созданию ПО, сетям, безопасности и многому другому. Что там есть: 📚 Инструменты для работы с CLI, GUI, вебом и локальными сетями. 📦 Списки всех актуальных фреймворков и библиотек 2025 года. 🛡 Гайды по тестированию и взлому приложений. 🔥 Шпаргалки по командной строке. 📰 Огромная подборка блогов, YouTube-каналов, онлайн-СМИ и журналов, чтобы быть в курсе и не терять хватку. Фолиант знаний ждёт тебя! 📌 Github @pythonl

👾 FlexGet — инструмент, превращающий рутинные задачи в автоматизированные workflows: от скачивания сериалов по RSS до организации медиатеки. Особенно удобна модульная архитектура проекта. Базовый функционал составляет 150+ плагинов для интеграции с qBittorrent, Plex и другими сервисами. При этом вся логика описывается с помощью декларирования. 🤖 GitHub @pythonl

Твой Senior зарабатывает 800к не потому, что он умнее тебя! Если ты: – мучаешься от синдрома самозванца – устал от токсичности в IT – не понимаешь, как пройти собеседование в топовые компании – думаешь «я не дорос/туповат/не готов» (спойлер: это не так!) …тебе нужно на островок поддержки в мире IT. Это канал Глеба Михайлова, который прошел путь от тупящего на собесах аналитика до дата саентиста, который поддерживает, вдохновляет и помогает другим процветать в суровой и токсичной IT-индустрии. Здесь ты найдешь: – разбор реальных задач с технических собесов (без занудства) – рабочие советы по подготовке от человека, который работал в Сбере, Альфа-Банке и Яндексе – инсайты про то, как пройти собеседования в топовых компаниях – занимательные истории из корпоративной жизни, после которых ты поймешь, что везде работают обычные люди. Подписывайся на канал, если хочешь расти в IT без токсичности, занудства и пафоса. Реклама

🖥 PDF Craft — библиотека на Python для конвертации PDF (в первую очередь сканированных книг) в Markdown и EPUB с использованием локальных AI-моделей и LLM для структурирования содержимого GitHub 🌟 Основные возможности - Извлечение текста и макета Использует сочетание DocLayout-YOLO и собственных алгоритмов для детектирования и фильтрации заголовков, колонтитулов, сносок и номеров страниц - Локальный OCR Распознаёт текст на странице через OnnxOCR, поддерживает ускорение на GPU (CUDA) - Определение порядка чтения С помощью layoutreader строит поток текста в том порядке, в котором его воспринимает человек - Конвертация в Markdown Генерирует .md с относительными ссылками на изображения (иллюстрации, таблицы, формулы) в папке assets - Конвертация в EPUB На основе промежуточных результатов OCR передаёт данные в LLM (рекомендуется DeepSeek) для построения оглавления, глав, корректировки ошибок и включения аннотаций Установка и требования Python ≥ 3.10 (рекомендуется 3.10.16). pip install pdf-craft и pip install onnxruntime==1.21.0 (или onnxruntime-gpu==1.21.0 для CUDA). Для EPUB-конвейера нужен доступ к LLM-сервису (например, DeepSeek). 🟡 Github @pythonl

Пропал опытный разработчик! Нашедшему просьба обратиться в Ozon Tech. Вознаграждение за рекомендацию 150 000 ₽ гарантируют. Особые приметы, требования, условия на этой странице ⬅️

Zev 🔍 Это помощник для работы с терминалом на естественном языке. Он помогает быстро находить нужные команды и сохранять их в избранное, а его простой и понятный интерфейс делает освоение терминала доступным даже для новичков. pip install zev 📌 Github @pythonl

❓ Как повысить свои навыки в аналитике данных за 90 минут? Прийти на бесплатный практический урок 28 апреля, где мы расскажем, как эффективно работать с данными с помощью Python и Pandas: как заполнять пропуски, устранять дубликаты и правильно работать с выбросами. 👥 Кому будет полезен вебинар? - тем, кто только начинает свой путь в Data Science и хочет освоить базовые навыки - тем, кто работает с данными в электронных таблицах, но хочет перейти на Python и Pandas - тем, кто сталкивался с ошибками при анализе из-за «мусора» в данных - тем, кто планирует изучать машинное обучение (ML), где чистота данных критически важна 📍 Зарегистрируйтесь и получите скидку на большое обучение «Специализация Machine Learning»: https://otus.pw/UkAO/?erid=2W5zFG6E7sW Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🖥 Новинка в Python 3.14: t-строки — типобезопасные f-строки Python 3.14 вводит t"..." — новый синтаксис для строк, ориентированных на безопасность типов и интеграцию с системами шаблонов, SQL, HTML и др. 🔹 Что такое t-строка? t"..." — это как f"...", но: - интерполяция ограничена и контролируема; - поддерживается строгое соответствие шаблону; - можно передавать переменные явно, предотвращая SQL-инъекции и XSS. 🔸 Пример:

name = "Alice"
greeting = t"Hello, {name}!"  # t-строка
Вместо немедленной подстановки, как в f"...", t"..." создает шаблон с выражениями как параметрами.

🔐 Зачем это нужно? ✅ Безопасность при генерации SQL, HTML, JSON ✅ Улучшение инструментов и проверки типов (через static analysis) ✅ Контроль над контекстом исполнения (больше нельзя просто вставить переменную как есть — нужно передать её явно) 📦 Использование: t-строки — это первый шаг к "template string literals" как в TypeScript. Можно использовать с функциями:

def html(template: T[str]) -> SafeHTML:
    ...

html(t"<div>{user_input}</div>")

💡 Почему это важно? Старый код:

f"SELECT * FROM users WHERE name = '{user_name}'"
может привести к SQL-инъекциям и XSS.
t-строки — безопасная альтернатива с встроенной защитой.

🛡 Пример: безопасный HTML

template = t"<p>{user_input}</p>"
html_output = html(template)
# <p>&lt;script&gt;alert('bad')&lt;/script&gt;</p>

Функция html() может вернуть не просто строку, а полноценный HTMLElement. Больше никакой "грязи" — всё чисто и типобезопасно. 🔍 Работа с шаблоном t-строки позволяют получить доступ к содержимому:

template = t"Hello {name}!"
template.strings      # ("Hello ", "!")
template.values       # (name,)
template.interpolations[0].format_spec  # ">8"

Можно и вручную собрать шаблон:

Template("Hello ", Interpolation(value="World", expression="name"), "!")

🚀 Вывод: t"..." — шаг к безопасным шаблонам и типизации строк в Python. Готовься к будущему Python — безопасному по умолчанию. 📌 Подробнее здесь @pythonl

🖥 ​Groovy — это транспилер, преобразующий функции Python в их эквиваленты на JavaScript! 🌟 Он используется в библиотеке Gradio, позволяя разработчикам писать функции на Python, которые затем выполняются на стороне клиента как JavaScript, обеспечивая быструю работу. Groovy поддерживает подмножество стандартной библиотеки Python и некоторые специфические классы Gradio, с акцентом на подробное сообщение об ошибках при попытке транспиляции неподдерживаемого кода. 🔐 Лицензия: Apache-2.0 🖥 Github @pythonl

Уже разбираетесь в Python, но хотите большего? Тогда вам на PiterPy 2025 🗓️16–17 мая 📍 Питер + онлайн PiterPy — конференция для всех, кто использует Python в работе. Здесь собираются бэкенд-разработчики, тестировщики, DevOps, дата- и ML-инженеры и аналитики, а также тимлиды. Перед вами выступят спикеры из Яндекса, Т-Банка, Точки, Авито, Ozon и других известных компаний. Вас ждет два дня докладов про бэкенд и архитектуру, библиотеки и инструменты, практики разработки и Core Python, а еще мастер-класс по программированию роботов. А вот что с билетами: → Дают скидку 15% на билет для частных лиц по промокоду DJANGO; → Есть билет для студентов и преподавателей вузов — в два раза дешевле персонального; → Можно попросить руководство приобрести вам корпоративный билет. Бонус: в соседних залах пройдет ML-конференция IML. Участники PiterPy смогут послушать доклады IML бесплатно. За подробностями и билетами

🖥 ex — это утилита для создания одного исполняемого файла .pex, внутри которого содержится вся ваша программа на Python и её зависимости. По сути это самодостаточная, переносимая среда выполнения, похожая на virtualenv, но упакованная в один файл. Зачем это нужно? Простота развёртывания: чтобы установить и запустить приложение, достаточно скопировать файл app.pex и запустить его — никакой дополнительной настройки. Портируемость: один файл может включать сборки для разных платформ (Linux, macOS). Изоляция зависимостей: все библиотеки (включая C‑расширения) уже внутри, конфликтов версий нет. Как пользоваться: Устанавливаем сам инструмент: pip install pex Собираем .pex-файл: pex requests -o fetch.pex --script=requests После этого fetch.pex — готовый исполняемый файл, который при запуске сразу импортирует и запускает библиотеку requests. Интеграция с другими сборщиками: Системы вроде Pants, Buck и {py}gradle умеют автоматически собирать .pex-архивы из вашего кода. Лицензия: Apache 2.0 ▪ GitHub: https://github.com/pex-tool/pex ▪Документация: https://docs.pex-tool.org/ @pythonl

Мечтаете не просто разбираться в управлении данными, а использовать уникальные инструменты для работы с Big Data? Научитесь этому на бесплатном студкемпе Яндекс Образования и ИТМО по дата-инженерии! 🧠 Программа — интенсивная, актуальная, от лидеров индустрии. С 30 июня по 12 июля вы погрузитесь в мир распределённых хранилищ, микросервисной архитектуры, DataOps/MLOps и пайплайнов для сбора, анализа и визуализации данных. А ещё познакомитесь с технологиями, которые используют в крупных компаниях. В общем, получите реальные навыки, которые ценят на рынке! 🏙 Кампус — в самом центре Санкт-Петербурга. Несмотря на то, что студкемп проходит на базе ИТМО, заявки ждут от студентов из любых вузов и регионов России. Проезд и проживание будут оплачены Яндекс Образованием, так что вам останется сосредоточиться на главном — знаниях, опыте и новых возможностях. 🕐 Регистрация — открыта до 4 мая, но подать заявку можно уже сейчас! Если давно хотели пообщаться с топовыми айтишниками и почувствовать, каково это — учиться в одном из ведущих технических вузов, не откладывайте и заполняйте анкету по ссылке.

🔥 Smolmodels — это библиотека на Python, которая позволяет создавать модели машинного обучения, описывая их поведение на естественном языке и используя минимальное количество кода! 🔍 Основные возможности Smolmodels: 🌟 Определение моделей с помощью естественного языка: Пользователь описывает намерение модели и её входные и выходные схемы на обычном языке, а библиотека автоматически выбирает метрику для оптимизации и генерирует логику для инженерии признаков, обучения модели и её оценки. 🌟 Построение модели: Метод model.build() принимает набор данных (существующий или сгенерированный) и создаёт множество возможных решений модели, обучая и оценивая их для выбора наилучшего. 🌟 Генерация данных и определение схемы: Библиотека может генерировать синтетические данные для обучения и тестирования, что полезно при отсутствии реальных данных или для дополнения существующих. 🔐 Лицензия: Apache-2.0 🖥 Github @pythonl

🐍 Как просто создать мультисловарь (Multi-dictionary) в Python Хочешь, чтобы один ключ в словаре указывал на несколько значений? Легко! Используй collections.defaultdict и встроенный list:

from collections import defaultdict

multidict = defaultdict(list)
multidict["SW"].append("Han Solo")
multidict["SW"].append("R2D2")

🔁 Теперь каждый ключ по умолчанию сопоставляется с пустым списком. А append добавляет новое значение в этот список. Но будь внимателен: это немного “обман”. На самом деле словарь всё ещё отображает один ключ → одно значение. Просто это значение — список, в который ты уже сам кладёшь что угодно. Почему defaultdict удобен? Потому что тебе не нужно проверять, есть ли ключ в словаре. Пустой список будет создан автоматически при первом обращении к ключу. @pythonl

🔥 TeleGraphite — быстрый и надёжный скрапер публичных Telegram-каналов на Python. Возможности: - Извлечение постов из нескольких каналов в JSON (ID, текст, время, ссылки, почты, телефоны) - Загрузка медиа (фото, видео, документы) - Удаление дубликатов - Однократный режим (telegraphite once) и непрерывный (telegraphite continuous --interval) - Фильтрация по ключевым словам, типу контента (текст/медиа) - Планирование запусков по расписанию - Настройка через CLI и YAML Установка: 1) pip install telegraphite 2) Создать .env с API_ID и API_HASH 3) Список каналов в channels.txt Репозиторий: https://github.com/hamodywe/telegram-scraper-TeleGraphite @pythonl

🖥 less_slow.py — Python, который не тормозит Многие считают Python медленным, но это не всегда правда. Ash Vardanyan в рамках проекта Less Slow показывает, как писать быстрый и эффективный код даже на Python — без магии, но с пониманием. 🐍 Что в проекте: 🔹 pandas vs polars — что быстрее при работе с миллионами строк 🔹 Использование Numba, Cython, PyO3, rust bindings 🔹 Работа с нативными типами, векторизация и zero-copy 🔹 Сериализация без боли: сравнение MessagePack, Arrow, Parquet 🔹 Сравнение аллокаторов, подходов к I/O и нагрузочным тестам 🔹 Ускорение парсинга JSON: orjson, yyjson, simdjson, ujson 🔹 Как обойти GIL и не платить за удобство интерпретатора 📦 Библиотеки и техники: ▪Numba, Cython, cffi, maturin ▪simdjson, orjson, polars ▪pyarrow, msgspec, blosc2, memoryview ▪Работа с mmap, zero-copy, JIT-компиляция, py-spy, perf 📈 Кому подойдёт: ▪Тем, кто пишет ETL, пайплайны или ML/AI обработку ▪Кто работает с большими объёмами данных или бинарными файлами ▪Кто хочет “оптимизировать до безобразия” и понять, как работает Python под капотом В серии есть еще 2 крутых проекта: 🖥 less_slow.cpp — C++ без тормозов: ассемблер, кеши, SIMD, аллокации, парсинг JSON и трюки с памятью 👉 github.com/ashvardanian/less_slow.cpp 👣 less_slow.rs — продвинутый Rust: сравнение async/sync, SIMD, кеш-френдли структуры, быстрые сериализации 👉 github.com/ashvardanian/less_slow.rs 📚 Репозиторий: 💡 Даже если ты не используешь всё это каждый день — ты точно станешь писать лучший Python-код. @pythonl

😂 Жиза @pythonl