Python/ django
Открыть в Telegram
по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Больше
📈 Аналитический обзор Telegram-канала Python/ django
Канал Python/ django (@pythonl) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 58 385 подписчиков, занимая 2 244 место в категории Технологии и приложения и 10 292 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 58 385 подписчиков.
Согласно последним данным от 03 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -242, а за последние 24 часа — -32, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.00%. В первые 24 часа после публикации контент обычно набирает 3.06% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 3 501 просмотров. В течение первых суток публикация набирает 1 784 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 18.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как github, claude, контекст, архитектура, api.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“по всем вопросам @workakkk
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fm...”
Благодаря высокой частоте обновлений (последние данные получены 04 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
58 385
Подписчики
-3224 часа
-1807 дней
-24230 дней
Архив постов
58 382
58 382
🖥 The `concurrent.futures` module wraps both threading and multiprocessing, which makes the interfaces even nicer.
Python предоставляет вам возможность создавать пулы процессов. Вы можете создавать их с помощью модуля Python `
threading` или модуля `concurrent.futures`.
Модуль `concurrent.futures` оборачивает и потоки, и многопроцессорность, что делает их интерфейсы еще более приятными.
@pythonl58 382
🖥 The dataclass decorator automatically adds generated special methods such as
__init__() and __repr__() to user-defined classes.
Вы уже пробовали использовать dataclass в Python?
Декоратор dataclass автоматически добавляет сгенерированные специальные методы, такие как `__init__()` и `__repr__()` в ваши классы.
@pythonl58 382
💼 Y'ORG
Y'ORG объединяет большин языковые модель с Jupyter Notebook для выполнения различных задач.
Цель Y'ORG - предоставить удобный интерактивный способ (1) изучения кода, (2) составления планов и задач для работы, (3) написания кода и добавления новых функций. Он также помогает ученым и аналитикам (4) проводить анализ данных и (5) создавать полноценные отчеты.
▪ Github
@pythonl
58 382
Все для изучения Data Science
Собрали все что потребуется для изучения data science
👉 Data Science | Machinelearning - канал для изучения data science и machinelearning
👉 Python - канал для изучения python и его аспектов связанных с data science.
Добро пожаловать!
58 382
🖥
class difflib.SequenceMatcher: This module provides classes and functions for comparing sequences.
Этот модуль предоставляет классы и функции для сравнения последовательностей. Он может быть использован, например, для сравнения файлов и может выдавать информацию о различиях в файлах в различных форматах, включая HTML, контекстные и унифицированные диффы. Для сравнения каталогов и файлов см. также модуль filecmp.
https://docs.python.org/3/library/difflib.html
@pythonl58 382
⚡️ 100 вопросов с собеседований Data Science
Habr: https://habr.com/ru/articles/783766/
Видео: https://www.youtube.com/watch?v=6Pk4OgdNxXQ
@pythonl
58 382
58 382
🖥 Image Color Extraction with Python
Извлечение цвета из изображения с помощью Python.
@pythonl58 382
🖥 Scrabe Table from a website using Python
Пример парсинга таблицы с веб-сайта с помощью Python.
@pythonl
58 382
Разбираем тестовое задание в СБЕР на позицию junior-аналитика
📣 Всем привет! Команда Simulative и наш CEO – Андрон Алексанян приглашаем вас на интенсив, где мы в прямом эфире будем разбирать настоящее тестовое задание на позицию junior-аналитика в компанию СБЕР. Это будет последний обучающий интенсив в этом году.
Нам предстоит проанализировать историю договоров клиентов банка, провести аналитику и сформулировать бизнес-выводы.
📅 Дата: 26 декабря
🕘 Время: 19:00 по Мск
Что будем делать на интенсиве:
➖ Решать задания с помощью SQL
➖ Писать хитрые запросы на SCD, pivot table и другие
➖ Подробно разбирать каждый шаг
➖ Считать retention банка и проводить сегментацию
➖ Проводить аналитику и составлять бизнес-выводы
В прямом эфире мы также расскажем о частых ошибках новичков и поделимся лайфхаками — как достойно пройти собеседование и удивить ревьюера крутыми фишками 🤩
❗️ Записи интенсива не будет. Только один раз и только в live-формате.
А вы готовы бустануть свои знания и скиллы в аналитике?
🔗 Регистрируйтесь на интенсив
Реклама. ООО «АЙТИ РЕЗЮМЕ». ИНН 4025460134. Erid:LjN8K329g
58 382
+1🖥
Game Catch on Python
Игра фейковая викторина на Python.
import random
import tkinter
# Create the main window
window = tkinter.Tk()
window.title("Catch me if you can")
# Create a canvas inside the main window
canvas = tkinter.Canvas(window, width=800, height=600, bg="Light Blue")
canvas.pack(fill=tkinter.BOTH, expand=True)
# Create a label and place it at the top center of the canvas
label = tkinter.Label(canvas, text="Are you a loser?", font=('consolas', 40), bg='lightblue')
label.place(relx=0.5, rely=0.1, anchor=tkinter.CENTER)
# Function called when "yes" button is clicked
def catchme():
button.config(text="then catch me if you can :)", font=('consolas', 40), command=teleport)
# Function called when "no" button is clicked
def for_real():
yes.config(text="I knew")
# Function to teleport the "no" button to a random position
def teleport():
button.place(x=random.randint(0, 100), y=random.randint(0, 100))
button.config(text="no", command=catchme)
button.config(bg=random.choice(["red", "blue", "green", "yellow", "pink"]))
# Create the "yes" button, set its appearance, and place it at a specific position on the canvas
yes = tkinter.Button(canvas, text="yes", font=('consolas', 40), command=for_real)
yes.place(relx=0.3, rely=0.8, anchor=tkinter.CENTER)
# Create the "no" button, set its aёppearance, and place it at a specific position on the canvas
button = tkinter.Button(canvas, text="no", font=('consolas', 40), command=teleport)
button.place(relx=0.7, rely=0.8, anchor=tkinter.CENTER)
# Start the main event loop
window.mainloop()
📌 10 лучших библиотек Python для создания графического интерфейса в 2024 году
@pythonl58 382
58 382
ㅤ
ВТБ и Финтех Хаб Банка России проводят образовательную программу "Машинное обучение PRO: обработка документов и генеративные нейросети".
Программа предназначена для тех, кто уже знаком с основами машинного обучения и хочет углубить свои знания в области обработки естественного языка, деплоя и тестирования моделей, а также создания ML-сервисов.
Программа состоит из двух модулей. Теоретический модуль будет проходить в дистанционном формате с 12 февраля по 11 марта 2024 года. В нем будут проводиться лекции по основам NLP, обработке изображений, языковым моделям, извлечению сущностей и отношений, суммаризации, классификации, кластеризации и MLOps.
Практический модуль состоит из дистанционных занятий с 18 марта по 8 апреля 2024 года, а также нескольких очных дней в Москве. В этом модуле участники смогут применить полученные знания и вместе с менторами из Банка России и ВТБ пройти весь цикл продуктовой ML-разработки. Они будут разрабатывать архитектуру и user-story для одного из сервисов, работать в кросс-функциональной команде и создавать и внедрять модели машинного обучения.
Лучшие команды по итогам модуля получат возможность презентовать свой прототип на международной конференции по анализу данных Data Fusion 18 апреля 2024 года. Форма отбора - тестирование, которое будет проводиться с 25 января по 2 февраля 2023 года. Заявки на участие можно подать на сайте программы.
58 382
ㅤ
ВТБ и Финтех Хаб Банка России проводят образовательную программу "Машинное обучение PRO: обработка документов и генеративные нейросети".
Программа предназначена для тех, кто уже знаком с основами машинного обучения и хочет углубить свои знания в области обработки естественного языка, деплоя и тестирования моделей, а также создания ML-сервисов.
Программа состоит из двух модулей. Теоретический модуль будет проходить в дистанционном формате с 12 февраля по 11 марта 2024 года. В нем будут проводиться лекции по основам NLP, обработке изображений, языковым моделям, извлечению сущностей и отношений, суммаризации, классификации, кластеризации и MLOps.
Практический модуль состоит из дистанционных занятий с 18 марта по 8 апреля 2024 года, а также нескольких очных дней в Москве. В этом модуле участники смогут применить полученные знания и вместе с менторами из Банка России и ВТБ пройти весь цикл продуктовой ML-разработки. Они будут разрабатывать архитектуру и user-story для одного из сервисов, работать в кросс-функциональной команде и создавать и внедрять модели машинного обучения.
Лучшие команды по итогам модуля получат возможность презентовать свой прототип на международной конференции по анализу данных Data Fusion 18 апреля 2024 года. Форма отбора - тестирование, которое будет проводиться с 25 января по 2 февраля 2023 года. Заявки на участие можно подать на сайте программы.
