Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Python/ django
Открыть в Telegram
по всем вопросам @haarrp @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 59 880 подписчиков, занимая 2 217 место в категории Технологии и приложения и 10 246 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 59 880 подписчиков.
Согласно последним данным от 19 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -528, а за последние 24 часа — -22, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.80%. В первые 24 часа после публикации контент обычно набирает 3.22% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 5 267 просмотров. В течение первых суток публикация набирает 1 930 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 28.
- 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 @haarrp
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fmxm...”
Благодаря высокой частоте обновлений (последние данные получены 20 июня, 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.
59 880
Подписчики
-2224 часа
-1117 дней
-52830 день
Архив постов
59 861
Deterministic hashing of Python data objects
https://death.andgravity.com/stable-hashing
@pythonl
59 861
How to Join Strings in Python 3
https://www.pythonforbeginners.com/python-strings/how-to-join-strings-in-python-3
@pythonl
59 861
Узнайте о навыках, которые необходимы для создания web-сайтов на Python.
22 марта пройдет встреча с Леонидом Орловым, главным разработчиком zval ru. Леонид расскажет о своем профессиональном пути и представит программу онлайн-курса «Python Web-Developer». Вы узнаете об особенностях курса и как организована практика. В конце встречи у вас будет возможность занять место в группе по спец.цене.
Регистрируйтесь и задайте свои вопросы эксперту в прямом эфире https://otus.pw/wCdx/
59 861
A Simple Way to Time Code in Python
https://www.kdnuggets.com/2021/03/simple-way-time-code-python.html
@pythonl
59 861
Python AI: How to Build a Neural Network & Make Predictions
https://realpython.com/python-ai-neural-network/
@pythonl
59 861
How to remove punctuation from a Python String
https://www.pythonforbeginners.com/python-strings/how-to-remove-punctuation-from-a-python-string
@pythonl
59 861
Разбираем, чем отличается версионирование в ML-разработке по коду от версионирования по коду и состоянию.
Ситуация: вы работаете над проектом, например занимаетесь ML-прототипированием или анализом данных. По ходу работы в системе сохраняется код, и вы спокойно продолжаете, не боясь что-то упустить из виду. Но в конце недели понимаете, что где-то свернули не туда. Вы откатываетесь на несколько шагов назад по коду, и все бы ничего, но вычисления ведь придется делать заново. Это главный недостаток версионирования по коду.
Версионирование по коду и состоянию отличается тем, что во время работы сохраняется не только сам код, но и состояние вычислений. То есть состояние = код + вывод + переменные. Это значит, что если вы откатитесь назад, то получите не только прежний код, но и значения переменных. Вам не придется заново запускать вычисления, терять время и ресурсы.
Попробуйте версионирование по коду и состоянию в Yandex DataSphere, где каждому новому пользователю доступны бесплатные ресурсы на ML-разработку:
👉 https://clck.ru/TjbYR
59 861
How to Split a List Into Even Chunks in Python
https://stackabuse.com/how-to-split-a-list-into-even-chunks-in-python/
@pythonl
59 861
18 марта в 18:00 ОЭЗ “Иннополис” приглашает на онлайн-митап.
Поговорим об открытом банкинге, его плюсах и минусах, драйверах и барьерах технологии для финансовых организаций. Эксперт банка Точка расскажет о проблемах Open API и их решениях с помощью python и aiohttp, а также о выгодах единого стандарта при интеграции финтех-решений в крупную банковскую организацию, а Игорь Голдовский поговорит про экосистемность в Open Banking.
Спикеры:
— Игорь Голдовский, эксперт в области платежных систем
— Сергей Васечко, разработчик банка Точка
Эксперты:
— Рафаэль Валеев, генеральный директор Ak Bars Digital Technologies
— Владимир Субботин, исполнительный директор департамента инноваций НСПК
Когда: 18 марта в 18:00
Регистрация по ссылке: https://oez-innopolis.timepad.ru/event/1579453/
59 861
How to Convert DOCX To Html With Python Mammoth
https://stackabuse.com/how-to-convert-docx-to-html-with-python-mammoth/
@pythonl
59 861
Представляем новый практический способ освоения, закрепления и развития навыков веб-разработки на Python и Django - «Лаборатория Django-разработки» 22 марта стартует уже второй поток - осталось всего несколько мест.
В отличие от курсов и школ, мы не будем в сотый раз рассказывать одно и то же и грузить теорией, которую вы уже знаете.
Вместо этого, во время Лаборатории, мы будем работать над практическим проектом маркетплейса и вы уже должны хорошо знать Python и основы Django.
Тематику вы выбираете сами.
Всё это будет происходить под чутким руководством наставника, которому всегда можно задать вопрос и обратиться за помощью.
Участвуя в Лаборатории вы за 8 недель прокачаетесь больше, чем за полгода самостоятельно.
Подробнее
59 861
Illustrating Gershgorn disks with NumPy
https://www.johndcook.com/blog/2021/03/14/illustrating-gershgorn-disks-with-numpy/
@pythonl
59 861
Introduction To Python Tkinter GUI Programming
https://www.nbshare.io/notebook/449534188/Introduction-To-Python-Tkinter-GUI-Programming/
@pythonl
59 861
Docker + Flask | Dockerizing a Python API
https://pub.towardsai.net/docker-flask-dockerizing-a-python-api-168d3899f482
@pythonl
59 861
Планируете первые шаги в Data Science? Поможем пройти путь с нуля до Middle специалиста в Machine learning за 1 год. Узнайте, с чего начать, на бесплатных вебинарах онлайн-курса «Специализация Machine Learning»:
📌«Demo Day курса»: https://otus.pw/lVtk/
— Ответим на все вопросы, расскажем о хардкорной программе и преподавателях. Поделимся инсайдами о карьерных перспективах и максимальных скидках на курс.
📌«Чему можно научить машину»: https://otus.pw/DOBR/
— Разберём, зачем нужно машинное обучение и какие интересные вещи вы научитесь делать, когда пройдёте специализацию. На примере реальных проектов из разных индустрий увидим, какие полезные практические задачи можно решать при помощи «всего пары строк кода» и обсудим, почему за этой парой строк обязательно должно стоять основательное понимание теории.
Вебинары проведёт преподаватель-практик курса Дмитрий Сергеев (Senior Data Scientist в Oura). Регистрируйтесь сейчас — напомним в день вебинара
59 861
Essential Math for Data Science: Integrals And Area Under The Curve
https://www.kdnuggets.com/2020/11/essential-math-data-science-integrals-area-under-curve.html
@pythonl
59 861
Как создавать сложные web-сайты на Python?
Первые шаги в этой специальности вы сделаете уже 15 марта на демо-занятии «Использование сторонних библиотек в django». Вместе с Леонидом Орловым вы рассмотрите общие принципы установки и использования сторонних библиотек вместе с django, а также научитесь пользоваться несколькими популярными библиотеками (django-debug-toolbar, django-cms, django-cleanup).
Демо-занятие является часть онлайн-курса «Python Web-Developer» и дает возможность познакомиться с преподавателем и оценить курс.
Для участия пройдите вступительный тест https://otus.pw/Jguk/
59 861
AdonisJs vs. Django: Which web framework should you use?
https://blog.logrocket.com/adonisjs-vs-django-which-web-framework-should-you-use/
@pythonl
59 861
Обучаете нейронки и работаете с Big Data?
Тогда у Яндекса для вас есть DataSphere — новая облачная среда для ML-разработки и анализа данных
🔥Почему ее стоит попробовать:
⏳ Не нужно торопиться из-за временных ограничений, ноутбуки там никуда не пропадают.
💸 Стартовый грант на 3 000 ₽ каждому новому пользователю. Его хватит, например, на 50+ часов вычислений с GPU.
🧾 Когда грант закончится — Pay as you Go — платите только за вычисления.
🖥 Отлично знакомый многим из нас интерфейс Jupyter Notebook и документация на русском.
☁️ Бессерверные технологии, благодаря которым ML становится значительно дешевле всего, что было раньше.
✅ Есть NVIDIA V100 в конфигурациях с одной и четырьмя картами, и можно бесшовно переключаться c CPU на GPU без потери прогресса.
В DataSphere можно работать одному и в командах, использовать для работы, учебы и личных проектов!
👉Начните бесплатно по ссылке: https://clck.ru/TfXpu
Любые вопросы задавайте ребятам в официальном чате DataSphere — продуктовая команда проекта оперативно там отвечает: https://t.me/yandex_datasphere
59 861
Build a Contact Book With Python, PyQt, and SQLite
https://realpython.com/python-contact-book/
@pythonl
