Python Portal

Открыть в Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Больше

Сеть:Times | Финансы Россия12 038 Технологии и приложения2 534...

📈 Аналитический обзор Telegram-канала Python Portal

Канал Python Portal (@pythonportal) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 50 997 подписчиков, занимая 2 534 место в категории Технологии и приложения и 12 038 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 50 997 подписчиков.

Согласно последним данным от 26 августа, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -366, а за последние 24 часа — -22, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.44%. В первые 24 часа после публикации контент обычно набирает 4.76% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 4 818 просмотров. В течение первых суток публикация набирает 2 430 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 19.
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 27 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.

50 997

Подписчики

-2224 часа

-1237 дней

-36630 день

4 818

Просмотры поста

~ 2 43024 часа

~ 3 07648 часов

9.44%

Коэффициент вовлеченности

~ 2

Постов в день

Ads index

beta

Архив постов

50 997

Перестаньте изучать LLM по случайным статьям и видео, которые объясняют только отдельные куски картины. LLM from Scratch — это практический курс на PyTorch для тех, кто хочет понять весь путь современной LLM: от первого Transformer-блока до RLHF. Вместо бесконечной теории здесь собирают полноценную цепочку обучения модели: • Pretraining → Finetuning → Alignment в одном курсе • Transformer с нуля: positional embeddings, self-attention, multi-head attention, MLP, residual connections, LayerNorm и полные Transformer-блоки • Собственный training loop без Trainer-магии: токенизация, батчи, cross-entropy, validation loss, генерация текста • Современные улучшения архитектуры: RMSNorm, RoPE, SwiGLU, KV Cache, sliding-window attention и streaming cache • Полный раздел по alignment: SFT, reward models, PPO-style RLHF и GRPO с разбором того, как это выглядит в тренировочном цикле на практике https://github.com/vivekkalyanarangan30/llm_from_scratch 👉 @PythonPortal

50 997

40 собесов и оффер за 1 месяц Алексей разработчик. Искал работу с декабря - написание сопроводов и отклики занимали очень много времени. Выхлоп - почти нулевой. В какой-то момент понял: так можно искать бесконечно. И по совету друга попробовал ии-ассистента Софи. ▫️За ~1 месяц прошел около 40 собеседований ▫️Получил оффер с вакансии, на которую, по его словам, не откликнулся бы сам

В описании она выглядела скучно, а по факту - одна из самых интересных компаний, с которыми я общался.

Весь процесс - от первого собеседования до оффера - занял 4 дня. P.S. Попробовать Софи бесплатно можно будет 16 июня. Не пропусти анонс здесь.

50 997

Пора что-то менять

50 997

14-дневный туториал, где ты с нуля собираешь на Python code-agent CLI в стиле Claude Code и параллельно разбираешь, как вообще работает Agent Harness. В итоге ты не просто вызываешь готового агента через API, а понимаешь, из каких деталей собирается Claude Code-подобный инструмент. https://github.com/bozhouDev/14days-build-claude-code-cli 👉 @PythonPortal

50 997

Наткнулся на open-source PDF-парсер, который конвертирует PDF в Markdown со скоростью до 100 страниц в секунду. На CPU. Без GPU, облака и API-ключей. Что умеет: • Таблицы • Сложные макеты документов • Вложенные структуры • OCR для 80+ языков • Интеграция с LangChain Называется OpenDataLoader. По бенчмаркам авторов сейчас занимает первое место среди PDF → Markdown решений. Для контекста: • Docling показывает хорошие результаты, но работает примерно в 15 раз медленнее • Marker требует GPU и значительно медленнее • PyMuPDF4LLM быстрый, но заметно хуже справляется с таблицами Отдельно удивило, что проект делали вместе с PDF Association и командой veraPDF. То есть не просто очередной AI-стартап с громкими заявлениями, а люди, которые много лет работают с самим PDF-форматом. Если собираете RAG, индексируете документацию или регулярно разбираете PDF-файлы, выглядит как проект, на который стоит посмотреть. https://github.com/opendataloader-project/opendataloader-pdf 👉 @PythonPortal

50 997

👊👊👊

50 997

DuckDuckGo официально добавила режим No-AI 🦆 Он автоматически отключает AI-функции и скрывает AI-сгенерированные изображения из результатов поиска. Что входит: → Без AI-ответов в поиске → Без Duck.ai и AI-чата → Фильтрация AI-сгенерированных изображений → Обычная выдача без AI-вставок Забавно наблюдать, как после нескольких лет гонки за внедрением ИИ поисковики начали добавлять кнопку «выключить ИИ». Похоже, классический поиск снова стал фичей :) 👉 @PythonPortal

50 997

PewDiePie продолжает вайбкодить: 15 миллионов звёзд на GitHub менее чем за 24 часа. Он назвал его Odysseus и это своего рода аналог ChatGPT и Claude, но ориентированный на локальный запуск ИИ. Сейчас он стремительно набирает популярность. 👃 Он описывает его как «селф-хост интерфейс для работы с языковыми моделями», в котором есть чат, автономные агенты, инструменты, запуск и обслуживание моделей, почта, ресёрч и другие возможности. https://github.com/pewdiepie-archdaemon/odysseus 👉 @PythonPortal

50 997

Признавайтесь, кто?

50 997

Новый терминал для вайбкодеров Специально создан для работы с ИИ. ✓ Всего 7 МБ. Очень высокая производительность ✓ Поддерживает Windows, macOS и Linux ✓ Встроены редактор, Git, агенты и предпросмотр веб-страниц ✓ Без телеметрии и регистрации Бесплатный и с открытым исходным кодом 🥩🥩🥩 👉 @PythonPortal

50 997

Этот инструмент показывает промпт, стоящий за любым GitHub-репозиторием. Пользоваться им очень просто: → Замените github на gitreverse в URL репозитория → Сервис покажет промпт, с помощью которого можно воспроизвести проект Ничего не нужно устанавливать или настраивать. Достаточно изменить URL. Реверс-инжиниринг любого проекта за считанные секунды. На 100% бесплатно. https://www.gitreverse.com/ 👉 @PythonPortal

50 997

Выглядит как одна из самых практичных идей вокруг Claude Skills за последнее время. book-to-skill превращает книгу не просто в заметки или summary, а в набор структурированных skill-файлов, которые Claude может подгружать по запросу. Вместо того чтобы каждый раз скармливать модели PDF на сотни страниц, инструмент разбивает материал на главы, вытаскивает ключевые концепции, паттерны, glossary и cheatsheet. Самая интересная часть не в конвертации PDF, а в том, что книга начинает работать как часть контекста агента: /database-internals replication и Claude подгружает только нужный раздел, а не весь документ целиком. Это сильно экономит контекстное окно и уменьшает количество галлюцинаций, потому что ответы строятся на содержимом конкретной главы. Для разработчиков это особенно полезно на книгах вроде: - Designing Data-Intensive Applications - Database Internals - Computer Systems: A Programmer's Perspective - Operating Systems: Three Easy Pieces Обычно такие книги содержат огромное количество деталей, которые сложно держать в голове. Skill-формат превращает их в что-то вроде локального экспертного консультанта по конкретной теме. По сути это ещё один шаг к модели:

PDF
 ↓
Knowledge Extraction
 ↓
Structured Skill
 ↓
On-demand Context Loading
 ↓
AI Agent

То есть книга перестаёт быть статичным файлом и становится частью рабочего процесса агента. Идея вообще хорошо ложится на текущий тренд вокруг Agent Skills, где знания хранятся как отдельные SKILL.md файлы и подгружаются только при необходимости. Это позволяет держать сотни навыков без раздувания постоянного контекста. 👉 @PythonPortal

50 997

Опытный разработчик с реддита, показал, как превратить Claude Code в персонального аналитика, который сам собирает для вас информацию из интернета каждое утро. Пока вы спите. Схема выглядит так: → Использовать команду /schedule в Claude Code для запуска постоянных облачных задач → Подключить Brave Search MCP для поиска актуальной информации в интернете → Подключить своё хранилище Obsidian через Filesystem MCP → Создать файл CLAUDE.md с темами интересов и фильтрами «не показывать» → Дать инструкцию: «Каждый будний день в 6:00 ищи новые события по этим темам и сохраняй сводку в Obsidian» После этого Claude сам преобразует инструкцию на естественном языке в cron-задачу. Без N8N. Без собственного сервера. Без необходимости держать компьютер включённым. 👉 @PythonPortal

50 997

Стоп Слоп: нашли скилл для Claude и других LLM, который учит их избавляться от предсказуемых фраз и конструкций, из-за которых сгенерированный текст звучит по-машинному. 😁 - Находит и удаляет запрещённые речевые шаблоны: вводные разогревающие фразы, слова-паразиты для усиления акцента и любые наречия. - Убирает структурные клише, такие как противопоставления по схеме «не X, а Y» и искусственно драматизированное дробление текста на короткие фразы. - Применяет правила на уровне предложений: запрет на начало предложений с вопросительных слов (Wh- words) и использование только активного залога. - Включает систему оценки по пяти измерениям для анализа прямоты изложения, ритма текста и его естественности. https://github.com/hardikpandya/stop-slop 👉 @PythonPortal

50 997

Когда PM и TL ставят задачи, а LLM вежливо просит реализовать.

50 997

Перестаньте искать Python-библиотеки для машинного обучения по случайным туториалам. Best-of Machine Learning with Python — это курируемый GitHub-индекс open-source библиотек для машинного обучения на Python, созданный для разработчиков, которым нужен более быстрый способ ориентироваться в экосистеме и сравнивать инструменты между собой. Проект помогает составить шорт-лист подходящих решений, группируя библиотеки по категориям и ранжируя их с помощью оценки качества проекта, основанной на метриках из GitHub и менеджеров пакетов. Ключевые особенности: • Индекс из 920 проектов — большая и удобная для навигации карта open-source ML-проектов на Python • 34 категории — поиск по направлениям: ML-фреймворки, NLP, обработка изображений, AutoML, деплой, интерпретируемость моделей и многое другое • Рейтинг по оценке качества — проекты сортируются на основе автоматически рассчитываемого рейтинга, использующего сигналы из репозиториев и менеджеров пакетов • Подробная метаинформация о проектах — для каждого проекта доступны такие показатели, как количество звёзд, форков, issues, контрибьюторов, активность разработки, загрузки и зависимости • Еженедельные обновления и вклад сообщества — список регулярно обновляется, а улучшения можно вносить через issues, pull request'ы или редактирование файла projects.yaml Проект полностью открыт и распространяется по лицензии CC BY-SA 4.0. 👉 @PythonPortal

50 997

На Stepik вышла программа «Фундамент DevOps» Это комплексная программа из 4 практических курсов по ключевым технологиям современного DevOps: Linux, Git, Docker и Kubernetes. Вы последовательно пройдёте путь от работы в Linux и Git до контейнеризации приложений и управления ими в Kubernetes. Что вы изучите:

• уверенную работу в Linux и терминале • Git и контроль версий в реальных проектах • Docker и контейнеризацию приложений • Kubernetes и оркестрацию контейнеров • основы сетей, безопасности и хранения данных • автоматизацию задач и диагностику инфраструктуры ... и многому другому

Все знания закрепляются на практике с помощью заданий с автопроверкой. Материал подаётся понятным языком, шаг за шагом, с большим количеством примеров, схем и демонстраций. После прохождения вы получите сертификат, который можно добавить в резюме. Отдельно курсы стоят 16 600 ₽, но в составе программы доступны всего за 7 990 ₽: открыть на Stepik

50 997

Создавайте LLM с нуля Наткнулся на отличную находку от Vizuara — серию из 43 лекций, которая действительно выполняет своё обещание: показать, как построить большую языковую модель с нуля. Большинство людей пользуются ChatGPT. Но лишь немногие действительно понимают, как он устроен под капотом. Этот плейлист пошагово разбирает все ключевые концепции, не перегружая сложными объяснениями. Что вы изучите: → Архитектуру Transformer → Внутреннее устройство GPT → Токенизацию и BPE → Механизмы внимания (Attention) → Процесс обучения LLM → Полноценные реализации на Python Подойдёт для: • ML-инженеров • Энтузиастов ИИ • Разработчиков, входящих в сферу GenAI • Всех, кто устал от объяснений ИИ как «чёрного ящика» Если вы действительно хотите понять, что лежит в основе таких моделей, как ChatGPT, Claude и Gemini, — этот материал стоит посмотреть. 🔗 Ссылка на плейлист 👉 @PythonPortal

50 997

Как строить box plotы в Python На этот раз — битва между pandas 🐼 и seaborn ⛵️ 👉 @PythonPortal

50 997

🤭🤭🤭