Python Portal
Открыть в Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Больше
Сеть:📈 Аналитический обзор Telegram-канала Python Portal
Канал Python Portal (@pythonportal) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 51 022 подписчиков, занимая 2 548 место в категории Технологии и приложения и 12 114 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 51 022 подписчиков.
Согласно последним данным от 25 августа, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -377, а за последние 24 часа — -24, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.34%. В первые 24 часа после публикации контент обычно набирает 4.79% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 4 769 просмотров. В течение первых суток публикация набирает 2 443 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 20.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как строка, none, true, модуль, peter.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Благодаря высокой частоте обновлений (последние данные получены 26 августа, 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.
51 022
Подписчики
-2424 часа
-1177 дней
-37730 день
Архив постов
51 022
Запускать и обучать модели локально теперь можно прямо через настольное приложение Unsloth Desktop.
Проект с открытым исходным кодом и работает на macOS, Windows и Linux. Также можно использовать Claude Code и Codex с локальными моделями.
Авторы заявляют обучение до 2 раз быстрее и снижение потребления видеопамяти до 70%. Репозиторий Unsloth открыт на GitHub.
https://github.com/unslothai/unsloth
👉 @PythonPortal
51 022
Кто-то сделал детектор, который ловит характерные паттерны ИИ-текста ещё до публикации.
Работает полностью локально: без модели и без подключения к сети. Он проверяет текстовые файлы, отмечает подозрительные шаблоны и просит агента переписать проблемные места. Репозиторий написан на Python и использует только стандартную библиотеку.
GitHub: https://github.com/seyedehsanhadi/sloptrim
👉 @PythonPortal
51 022
«Transformer с полной пропускной способностью»
Обычно Transformer передаёт на следующий шаг только выбранный токен, хотя сама модель только что вычислила гораздо более богатое скрытое состояние.
В этой работе скрытое состояние тоже подаётся обратно в модель. За счёт этого она может продолжать внутренне развивать идею, не расписывая всё токен за токеном.
На масштабе 1 млрд параметров подход улучшает результаты в математике, программировании и тестах языковых моделей, добавляя менее 1% к стоимости декодирования.
При этом модель может показывать результаты на уровне моделей, обученных примерно на вдвое большем объёме данных.
https://alphaxiv.org/abs/2608.08888
👉 @PythonPortal
51 022
ЭТОТ ОТКРЫТЫЙ ИНСТРУМЕНТ СОЗДАЁТ РАБОЧИЕ ПРИЛОЖЕНИЯ ПО ОДНОМУ ПРОМПТУ
LlamaCoder генерирует небольшие приложения, которые можно сразу запустить и посмотреть прямо в браузере.
Проект распространяется по лицензии MIT, набрал около 7 тысяч звёзд на GitHub, а заявленная аудитория превышает 1,1 млн пользователей.
Репозиторий: https://github.com/Nutlope/llamacoder
👉 @PythonPortal
51 022
Awesome Math — огромная подборка материалов по математике в одном репозитории.
Там собраны Khan Academy, MIT OpenCourseWare, конспекты лекций, учебники и другие бесплатные материалы по разным разделам математики.
Проект живой и довольно популярный: сейчас у него больше 16 тысяч звёзд на GitHub.
https://github.com/rossant/awesome-math
👉 @PythonPortal
51 022
Сайт для поиска ранних стартапов и новых инструментов: early.tools
Сохраните в закладки. 😏
👉 @PythonPortal
51 022
Этот открытый движок для квантовых исследований бесплатно превращает финансовые научные работы, отчётность SEC, исследования с arXiv и блоги в единую базу знаний с поиском.
https://github.com/LLMQuant/quant-mind
👉 @PythonPortal
51 022
Не нарушайте принцип единственной ответственности SRP.
Функция должна делать одну вещь, делать её хорошо и заниматься только ей.
Здесь функция делает слишком много:
def calculate_final_total(
price: float,
quantity: int,
discount_rate: float,
tax_rate: float
) -> float:
subtotal = price * quantity
discounted_amount = subtotal * (1 - discount_rate)
final_total = discounted_amount * (1 + tax_rate)
return final_totaldef calculate_subtotal(price: float, quantity: int) -> float:
return price * quantity
def apply_discount(subtotal: float, discount: float) -> float:
return subtotal * (1 - discount)
def calculate_tax(amount: float, tax_rate: float) -> float:
return amount * (1 + tax_rate)51 022
Хотите узнать, сколько ядер у вашего процессора с помощью Python? Для этого можно использовать модуль
multiprocessing.
👉 @PythonPortal51 022
Кто-то выложил в открытый доступ Python-скрапер для Google Flights.
Он собирает цены на билеты, расписания и данные для бронирования по более чем 180 странам, используя строготипизированные схемы и Protobuf, закодированный в Base64.
GitHub:
https://github.com/AWeirdDev/flights
👉 @PythonPortal
51 022
«The Mathematics of Bitcoin» — короткая работа, которая разбирает Bitcoin с математической точки зрения.
В ней используются теория вероятностей, случайные процессы, мартингалы, комбинаторика и специальные функции, чтобы исследовать механизмы протокола Bitcoin.
В частности, авторы разбирают вероятность двойной траты, прибыльность майнинга, генерацию блоков, стратегии майнеров и устойчивость протокола.
Если хочется копнуть глубже, ещё рекомендую «Bitcoin and Cryptocurrency Technologies» от Принстонского университета. Это уже гораздо более широкое введение в криптографические хеш-функции, цифровые подписи, консенсус, Proof of Work, майнинг, транзакции, анонимность, безопасность и систему стимулов в криптовалютах.
Сохраните обе работы в закладки. Это хорошие материалы, если интересно разобраться в математике и технических механизмах Bitcoin.
The Mathematics of Bitcoin:
https://arxiv.org/pdf/2003.00001
Bitcoin and Cryptocurrency Technologies:
https://d28rh4a8wq0iu5.cloudfront.net/bitcointech/readings/princeton_bitcoin_book.pdf
👉 @PythonPortal
51 022
Директор по исследованиям Google написал корректор орфографии всего в 21 строку Python.
Питер Норвиг сделал его как простой пример того, как работает вероятностное исправление опечаток.
Скрипт генерирует слова, отличающиеся на одно или два изменения, а затем выбирает наиболее вероятный вариант на основе корпуса текста.
👉 @PythonPortal
51 022
Китайский студент-программист подключил к ноутбуку чип за $3, использовал Claude Code и собрал систему, которая отслеживала изменения коэффициентов за несколько часов до обновлений Polymarket.
Сейчас стоимость связанного с ней кошелька оценивается в $4,5 млн.
Правда - 👍
Нет, админ ты там че дунул - 🤣
👉 @PythonPortal
51 022
Rio — это Python-фреймворк для создания сайтов и приложений с компонентами в стиле React, но без необходимости писать HTML, CSS или JavaScript.
— всё приложение пишется на Python, отдельный фронтенд-стек не нужен;
— есть готовые компоненты, из которых можно собирать собственные элементы и целые приложения;
— работает локально и в браузере;
— есть туториал, примеры и документация для быстрого старта.
https://github.com/rio-labs/rio
👉 @PythonPortal
51 022
Этот проект позволяет бесплатно запускать AWS локально.
Без аккаунтов и каких-либо обходных схем. Отлично подходит для практики.
Называется Floci и поддерживает 69 сервисов, включая S3, SQS, Lambda, DynamoDB и RDS.
http://github.com/floci-io/floci
👉 @PythonPortal
51 022
Это важно: OpenAI запускает Agent Plugins.
Открытый стандарт для упаковки навыков и MCP-серверов в единый пакет, который можно использовать в разных клиентах.
Стандарт поддерживают AWS, Cursor, GitHub, Microsoft, Vercel и другие.
https://github.com/agentplugins/agent-plugins-spec
👉 @PythonPortal
51 022
Уже очевидно, что ВАЙБКОДИНГ — главный навык ближайших лет
Посмотрите сами. ИИ уже забирает на себя работу целых команд: пишет код, закрывает задачи джунов и позволяет стартапам запускать продукты в 2–3 раза меньшим составом. То, на что раньше нужны были несколько разработчиков, сегодня всё чаще делает один человек с ИИ-агентами.
И это только начало. Те, кто освоит вайбкодинг сейчас, смогут быстрее запускать проекты, автоматизировать огромный объём работы, увереннее конкурировать на рынке и зарабатывать больше тех, кто продолжает делать всё вручную.
Начать с нуля поможет канал Вайб-кодинг. Там ребята круглосуточно мониторят более 320 российских и зарубежных источников и публикуют только главное: релизы, инструменты, гайды, курсы и практические кейсы.
Подписывайтесь, нас уже 50 тысяч: @vibecoding_tg
51 022
Django 6.1 уже вышел.
Из нового:
* варианты удаления для
ForeignKey на уровне базы данных;
* настройки email через словари;
* поддержка Python 3.12–3.14;
* режимы загрузки полей модели;
* и другие изменения.
👉 @PythonPortal51 022
«Introduction to Machine Learning» — ещё один бесплатный учебник по машинному обучению объёмом около 600 страниц, который делает акцент на глубоком математическом понимании предмета.
Книга начинается с математической базы, необходимой для дальнейшего изучения: линейной алгебры, математического анализа, теории вероятностей, матричного анализа и методов оптимизации. Затем разбираются основные алгоритмы обучения с учителем: линейная и логистическая регрессия, метод ближайших соседей, деревья решений, случайные леса, бустинг и нейронные сети.
Значительная часть книги посвящена вероятностным и генеративным моделям. Рассматриваются методы Монте-Карло, графические модели, байесовские сети, вариационные методы, нормализующие потоки, вариационные автокодировщики (VAE) и генеративно-состязательные сети (GAN).
В заключительных главах обсуждаются кластеризация, метод главных компонент (PCA), обучение на многообразиях и теоретические оценки способности моделей к обобщению.
На мой взгляд, это отличный справочник для тех, кто хочет получить широкое представление о машинном обучении и разобраться в математике, лежащей в основе ключевых методов, а не воспринимать их как «чёрный ящик».
https://arxiv.org/pdf/2409.02668
👉 @PythonPortal
