uk
Feedback

Не попадись на ботовода! Telemetrio знаходить і позначає такі канали мітками 👉 Хочеш бачити мітку, оформляй підписку

Python/ django

Python/ django

Відкрити в Telegram

📈 Аналітичний огляд Telegram-каналу Python/ django

Канал Python/ django (@pythonl) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 58 125 підписників, посідаючи 2 277 місце в категорії Технології та додатки та 10 385 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 58 125 підписників.

За останніми даними від 16 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -373, а за останні 24 години на 0, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 6.80%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.38% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 3 957 переглядів. Протягом першої доби публікація в середньому набирає 1 966 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 22.
  • Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як github, claude, контекст, архитектура, api.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

Завдяки високій частоті оновлень (останні дані отримано 17 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.

58 125
Підписники
Немає даних24 години
-1287 днів
-37330 днів
Залучення підписників
лист '26
листопад '26
+35
в 0 каналах
жовтень '26
+282
в 38 каналах
Get PRO
вересень '26
+149
в 31 каналах
Get PRO
серпень '26
+336
в 41 каналах
Get PRO
липень '26
+178
в 43 каналах
Get PRO
червень '26
+66
в 1 каналах
Get PRO
травень '26
+73
в 1 каналах
Get PRO
квітень '26
+107
в 8 каналах
Get PRO
березень '26
+204
в 26 каналах
Get PRO
лютий '26
+363
в 52 каналах
Get PRO
січень '26
+982
в 111 каналах
Get PRO
грудень '25
+208
в 7 каналах
Get PRO
листопад '25
+486
в 47 каналах
Get PRO
жовтень '25
+117
в 22 каналах
Get PRO
вересень '25
+3 917
в 181 каналах
Get PRO
серпень '25
+924
в 18 каналах
Get PRO
липень '25
+1 812
в 85 каналах
Get PRO
червень '25
+1 488
в 93 каналах
Get PRO
травень '25
+249
в 7 каналах
Get PRO
квітень '25
+417
в 31 каналах
Get PRO
березень '25
+287
в 14 каналах
Get PRO
лютий '25
+527
в 45 каналах
Get PRO
січень '25
+2 105
в 56 каналах
Get PRO
грудень '24
+1 168
в 70 каналах
Get PRO
листопад '24
+3 786
в 192 каналах
Get PRO
жовтень '24
+5 728
в 78 каналах
Get PRO
вересень '24
+2 068
в 207 каналах
Get PRO
серпень '24
+1 164
в 43 каналах
Get PRO
липень '24
+1 632
в 53 каналах
Get PRO
червень '24
+1 751
в 58 каналах
Get PRO
травень '24
+1 467
в 39 каналах
Get PRO
квітень '24
+1 067
в 47 каналах
Get PRO
березень '24
+1 190
в 28 каналах
Get PRO
лютий '24
+1 611
в 8 каналах
Get PRO
січень '24
+1 605
в 49 каналах
Get PRO
грудень '23
+802
в 46 каналах
Get PRO
листопад '23
+4 375
в 51 каналах
Get PRO
жовтень '23
+1 184
в 6 каналах
Get PRO
вересень '23
+1 766
в 0 каналах
Get PRO
серпень '23
+2 630
в 1 каналах
Get PRO
липень '23
+1 617
в 0 каналах
Get PRO
червень '23
+1 711
в 0 каналах
Get PRO
травень '23
+988
в 0 каналах
Get PRO
квітень '23
+455
в 0 каналах
Get PRO
березень '23
+779
в 0 каналах
Get PRO
лютий '23
+692
в 0 каналах
Get PRO
січень '23
+603
в 0 каналах
Get PRO
грудень '22
+555
в 0 каналах
Get PRO
листопад '22
+610
в 0 каналах
Get PRO
жовтень '22
+606
в 0 каналах
Get PRO
вересень '22
+704
в 0 каналах
Get PRO
серпень '22
+607
в 0 каналах
Get PRO
липень '22
+618
в 0 каналах
Get PRO
червень '22
+670
в 0 каналах
Get PRO
травень '22
+909
в 0 каналах
Get PRO
квітень '22
+941
в 0 каналах
Get PRO
березень '22
+1 284
в 0 каналах
Get PRO
лютий '22
+1 131
в 0 каналах
Get PRO
січень '22
+680
в 0 каналах
Get PRO
грудень '21
+589
в 0 каналах
Get PRO
листопад '21
+594
в 0 каналах
Get PRO
жовтень '21
+590
в 0 каналах
Get PRO
вересень '21
+565
в 0 каналах
Get PRO
серпень '21
+603
в 0 каналах
Get PRO
липень '21
+640
в 0 каналах
Get PRO
червень '21
+604
в 0 каналах
Get PRO
травень '21
+557
в 0 каналах
Get PRO
квітень '21
+993
в 0 каналах
Get PRO
березень '21
+545
в 0 каналах
Get PRO
лютий '21
+668
в 0 каналах
Get PRO
січень '21
+826
в 0 каналах
Get PRO
грудень '20
+11 844
в 0 каналах
Дата
Залучення підписників
Згадування
Канали
17 листопада0
16 листопада0
15 листопада+1
14 листопада+5
13 листопада+2
12 листопада+2
11 листопада+1
10 листопада+3
09 листопада0
08 листопада+3
07 листопада+4
06 листопада+3
05 листопада+2
04 листопада+5
03 листопада0
02 листопада+4
01 листопада0
Дописи каналу
🔥 Python-дайджест недели: 20+ материалов, проектов и инструментов для разработчиков Дайджест за 15 ноября. Статьи, полезные
🔥 Python-дайджест недели: 20+ материалов, проектов и инструментов для разработчиков Дайджест за 15 ноября. Статьи, полезные библиотеки, новые проекты и видео. 🔥 Популярные материалы Большой гайд на русском : Свой ИИ-агент на компьютере. Без API-ключей и платных подписок https://github.com/justxor/local-ai-agent-course-ru 1. pyinfra: автоматизация инфраструктуры на Python - деплой серверов через SSH без YAML, используя обычный Python. https://death.andgravity.com/pyinfra 2. Internals of asyncio - как устроена асинхронность внутри Python. https://origintracer.app/excerpt/asyncio-internals/ 3. Переход на Python 3.15 - руководство по миграции. https://mathspp.com/blog/migrating-to-python-315 4. NVIDIA Auto Ontology - семантические графы для AI-агентов и LLM. https://github.com/NVIDIA/auto-ontology 5. Formalizing CPython - формальное описание внутреннего устройства CPython. https://broyojo.com/python-formalization/ 📖 Статьи и руководства 6. Unnecessary syntax in Python - синтаксис Python, без которого можно обойтись. https://www.pythonmorsels.com/unnecessary-syntax/ 7. Building a Gemini server in Python - создание собственного Gemini-сервера. https://www.willmunn.xyz/gemini/python/2026/10/16/we-have-lift-off.html 8. Pymizu - параллельные и асинхронные вычисления Python и R через shared memory. https://github.com/shikokuchuo/pymizu 9. Линейная регрессия на данных NFL Combine - практический пример со Scikit-learn. https://my-space.io/blog/sklearn-linear-regression/ 10. PyLings - изучение Python через исправление ошибок в коде. https://github.com/thesayfulla/pylings 11. Caching at Scale in Django - масштабирование кэширования в Django. https://johnnymetz.com/posts/caching-at-scale-in-django/ 12. Tyrtulia - новый проект из подборки. https://git.andros.dev/andros/tyrtulia ⚙️ Проекты и инструменты 13. SLayer - семантический слой для AI-агентов. https://github.com/MotleyAI/slayer 14. Speedrunner - ускорение запуска CLI-инструментов. https://github.com/anthonyGosme/speedrunner 15. Agentmetry - мониторинг и аудит AI-кодинг-агентов. https://github.com/blitzcrieg1/agentmetry 16. Colloq - self-hosted платформа для обучения Python, Data Science и ML. https://github.com/colloq-edu/colloq 17. Django Ninja Expose - инструмент для Django Ninja. https://github.com/swarfte/django-ninja-expose 18. The State of Python Profiling in 2026 - обзор профилирования Python. https://p403n1x87.github.io/the-state-of-python-profiling-in-2026.html 🎬 Видео 19. Build Your Own Jarvis in Python - создание собственного голосового ассистента. https://www.youtube.com/watch?v=hhym040zsBI 20. Spark vs Hadoop vs DuckDB vs Polars - сравнение инструментов обработки данных. https://www.youtube.com/watch?v=6_I3c1udTzo Полный дайджест: https://pythonhub.dev/digest/2026-11-15/

2
ARES: Open Source платформа для автоматизации Red Team и пентестов На GitHub появился интересный проект ARES, который объединяет инструменты наступательной безопасности в единую систему с веб-интерфейсом, графами атак и автоматической отчётностью. Вместо ручного запуска десятков отдельных утилит можно организовать полноценную кампанию проверки защищённости инфраструктуры. Что умеет ARES: - 66 модулей в 13 категориях, включая Active Directory, облачную безопасность, Windows, Linux и проверку защитных механизмов. - MITRE ATT&CK для классификации техник и построения цепочек атак. - Attack Graph для визуализации возможных путей продвижения внутри инфраструктуры. - ScopeGuard для ограничения тестирования заранее разрешёнными системами. - MCP Gateway для интеграции с Claude Desktop, Cursor и другими ИИ-клиентами. - Автоматическая генерация отчётов в PDF, HTML, Markdown и JSON. Особенно интересна система планирования: оператор задаёт цель, например проверку возможности получения прав администратора домена, а движок строит последовательность проверок и отображает результаты на графе. Есть Python SDK для собственных модулей, зашифрованное хранилище секретов и веб-панель на React. Бэкенд использует Python и FastAPI. Разработчики заявляют о 5074 модульных тестах и поддержке Windows, Linux и macOS. ARES рассчитан на авторизованные Red Team-проверки и аудит корпоративной инфраструктуры. Заявленные механизмы безопасности стоит отдельно проверить перед использованием в рабочей сети. Лицензия MIT. GitHub: https://github.com/Mafifrizi/ARES
1 658
3
4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions
4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions. По данным Aikido Security, атакующие использовали 4 837 скомпрометированных аккаунтов, чтобы проверить доступ к 61 764 репозиториям. Следы запуска вредоносного кода исследователи обнаружили как минимум в 1 800 репозиториях. Целью были секреты CI/CD, в том числе токены и ключи доступа к облачным сервисам. Сколько секретов удалось похитить, пока неизвестно. https://labs.cloudsecurityalliance.org/research/csa-research-note-wfx-github-ci-secret-stealer-20261112-csa/
2 423
4
В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический проф
В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический профилировщик в стандартной библиотеке Python. Устанавливать сторонние пакеты не нужно. В отличие от cProfile, он периодически снимает снимки стека вызовов и по ним оценивает, где программа тратит больше всего времени. Накладные расходы при этом очень небольшие. Запустить скрипт с профилированием: python -m profiling.sampling run app.py Подключиться к уже работающему процессу по PID: python -m profiling.sampling attach 12345 Можно даже наблюдать за результатами в реальном времени: python -m profiling.sampling attach --live 12345 Tachyon умеет строить flamegraph и HTML-тепловые карты исходников, подсвечивая строки, на которых программа проводит больше всего времени. Например, получить flamegraph можно так: python -m profiling.sampling run --flamegraph app.py Ещё одна полезная возможность - сохранить профиль в бинарном формате, а потом строить из него разные отчёты без повторного запуска программы. Есть ограничения. Tachyon не подходит для микробенчмарков, точного подсчёта вызовов и измерения разницы производительности в 1–2%. Для этого лучше использовать timeit или трассирующие профилировщики. Зато для поиска узких мест в долго работающих Python-сервисах инструмент весьма удобный. При подключении к чужому процессу могут потребоваться повышенные права. https://mathspp.com/blog/tachyon-sampling-profiling-in-python
2 737
5
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использ
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использование в реальном времени на телефонах, ноутбуках и браузере. Модель копирует голос по записи длиной до минуты, но также можно собрать новый, задав возраст, акцент и тембр. Эмоции, темп и подачу можно настраивать вплоть до отдельных слов. Поддерживается девять языков, среди них английский, китайский, японский, немецкий, испанский и французский, русского нет. 🟡Архитектура Под капотом MoE на 800 млн общих при 100 млн активных параметров, где из 64 экспертов на каждом шаге включаются два. Из 11 слоёв девять построены на Gated DeltaNet и два на обычном глобальном внимании. Звук кодирует собственный кодек ZAC-1 с частотой 15 кадров в секунду. 🟡Тесты Задержка до первого звука в браузере на Pixel 9 меньше 570 мс, на MacBook Air с M3 меньше 150 мс, а на одной H100 при восьми одновременных запросах в среднем 80 мс. Пиковая выработка на той же H100 - 457 секунд звука за секунду. По внутреннему бенчмарку ZTTS2-Eval, новинка занимает первое место среди открытых моделей, за ней идут Fish S2 Pro и MOSS TTS v1.5. Модель запускается в браузере через WebGPU, классическим путём с SGLang и vLLM, на Mac через MLX и на обычных процессорах через ggml. По API в облаке Zyphra Inference она стоит 10 долларов за мегабайт текста, лимиты - один запрос за раз и 100 генераций в сутки. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Веса 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #TTS #ZONOS3 #Zyphra
2 424
6
🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет
🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет написание кода, но ошибки, уязвимости и проверка результата по-прежнему остаются задачей разработчика. На Stepik вышел практический курс, посвящённый работе с ИИ в реальных проектах. В программе: работа с ИИ-агентами, архитектура, Python, тестирование, Code Review, SQL, безопасность, CI/CD, отладка и релиз. Внутри: - 49 уроков - 210 тестов - 53 практические задачи - 9 модулей Пройти курс: https://stepik.org/course/296720/
2 507
7
🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать част
🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать части CPython на Lean - языке программирования для математически проверяемых доказательств. Масштаб проекта: 613 318 строк Lean, 1 539 файлов и 18 898 теорем и лемм. Каждую функцию сравнивали с настоящим Python минимум на 50 000 входных данных, а затем проверяли математическими доказательствами и независимыми ИИ-агентами. Результат: обнаружено 418 ошибок CPython. Около 55 из них могут приводить к падению интерпретатора или повреждению памяти. Среди найденных проблем: - dict.setdefault() в определённых сценариях вызывает Segmentation Fault. - Операции с XML-элементами могут повреждать память. - Некоторые функции на C и Python возвращают разные результаты. Есть важный нюанс: математическое доказательство подтверждает корректность формальной модели, но не гарантирует, что сама модель точно повторяет исходный код. Поэтому исследователи дополнительно сравнивают её с реальным CPython. Пока проверена только часть проекта: 4 071 из 26 004 функций (15,7%). Проект: https://broyojo.com/python-formalization/ Код: https://github.com/Broyojo/python-formalization @pythonl
3 003
8
Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данны
Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данные остаются на вашей машине. Главное: - multi-user + multi-agent архитектура; - Web UI, CLI, Telegram, Feishu, DingTalk, QQ, WeCom; - собственная память для каждого workspace; - RAG по вашим документам; - browser automation через headless Chromium; - удалённый рабочий стол и управление GUI; - cron-задачи на естественном языке; - интеграция с Claude Code и OpenCode через ACP; - MCP/OAuth connectors и система плагинов; - SQLite по умолчанию, PostgreSQL опционально. GitHub - https://github.com/TencentCloud/Octop
3 017
9
Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широк
Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широкий стек, практический опыт и умение работать с ИИ. МФТИ и Нетология собрали программу профпереподготовки, где к Python добавлены два слоя, которых обычно нет в курсах разработки: — бэкенд на Python и FastAPI, фронтенд на JavaScript и React, работа с базами данных, командный проект с тестами, Git и CI; — ИИ в разработке: машинное обучение, нейросети на PyTorch и TensorFlow, работа с LLM через API, собственное ИИ-приложение; — технологическое предпринимательство: бизнес-модель и экономика продукта, чтобы видеть задачу шире кода. 🎓️️️️️️На выходе — два диплома о профессиональной переподготовке: МФТИ и Нетологии. Обучение онлайн, его можно совмещать с работой. Старт — 23 ноября. Скидка 10 000 ₽ по промокоду MFTIPY10. Подробнее о программе тут Реклама. ООО “Нетология” ОГРН 1207700135884 Erid:2VSb5yHYyKx
3 018
10
🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок дл
🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок для Python-разработчиков, Data Engineers и ML-инженеров. 1. SQLBuild - SQL-трансформации с проверками на этапе компиляции Новый open-source фреймворк для построения SQL и Python-пайплайнов. Проверяет ссылки на таблицы, типы колонок и контракты ещё до выполнения запросов. Поддерживает end-to-end тестирование и безопасное переименование таблиц без потери истории. Интересная деталь: компилятор и планировщик написаны на Rust, а выполнение задач и расширения используют Python. GitHub: https://github.com/sqlstack-io/sqlbuild 2. TorchTPU - PyTorch теперь работает нативно на Google TPU Совместный проект Google и Meta. Разработчики могут запускать PyTorch-модели на TPU с поддержкой eager execution, torch.compile и распределённого обучения. Перенос существующего кода может сводиться к замене .to("cuda") на .to("tpu"). Документация: https://pytorch.org/blog/introducing-torchtpu/ 3. fastpybase64 - декодирование Base64 на скорости 13 ГБ/с Библиотека Даниэля Лемира использует SIMD-оптимизации на базе simdutf и выступает заменой стандартного модуля Python base64. В тестах на одном ядре Intel Xeon Gold 6548N она показала 13,3 ГБ/с на блоках размером 64 КБ. Это примерно в 27 раз быстрее стандартной библиотеки Python и в 4 раза быстрее pybase64. Установка: pip install fastpybase64 Использование: import fastpybase64 as base64 encoded = base64.b64encode(b"hello") decoded = base64.b64decode(encoded) Подробнее: https://lemire.me/blog/2026/10/17/decoding-base64-in-python-at-10-gigabytes-per-second/ 4. TorchNeuron - запуск PyTorch на AWS Trainium Новый нативный backend для ускорителей AWS Trainium2 и Trainium3. Поддерживает torch.compile, распределённое обучение, пользовательские GPU-подобные ядра через NKI и профилирование. Модель можно перенести на Trainium практически без изменения архитектуры: model = MyModel().to("neuron") Проект также поддерживает DDP, FSDP2 и Tensor Parallelism. GitHub: https://github.com/aws-neuron/torch-neuronx Все четыре проекта показывают, куда движется Python-экосистема: более строгая работа с данными, аппаратное ускорение, оптимизация низкоуровневых операций и единый интерфейс для разных вычислительных платформ. Полный дайджест: https://pythonhub.dev/digest/2026-11-08/
3 141
11
Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплата
Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплатах и бенефитах в крупных технологических компаниях. Кто, на ваш взгляд, платит выше рынка? У кого привлекательнее премии? Насколько важны ДМС, спорт, питание и другие бонусы при выборе работы? 👉 Поделиться мнением: https://clck.ru/3WNkEx
2 875
12
🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке дес
🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке десятки pretrained-моделей для самых разных задач: LLM, VLM, computer vision, генерация изображений, depth estimation и распознавание речи. Внутри уже есть Qwen, DeepSeek, Llama, Gemma, Stable Diffusion, Qwen-Image, Whisper, SAM, DINO, Depth Anything и много других моделей. Веса конвертируются из Transformers, timm и Diffusers в формат Keras. Установка одной командой: `pip install -U zeromodels` Код открыт под Apache 2.0, но лицензии конкретных весов остаются исходными. GitHub: https://github.com/IMvision12/ZeroModels
3 424
13
Немає тексту...
3 785
14
🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматри
🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматривать реальные гонки Формулы-1 в интерактивном режиме, отслеживая перемещения болидов и телеметрию пилотов. Проект написан на Python и использует библиотеку FastF1 для получения исторических данных гонок. Что умеет: Показывает положение всех болидов на трассе, порядок пилотов, используемые шины и текущий круг. Позволяет останавливать гонку, перематывать назад и вперёд, а также менять скорость воспроизведения от 0,1x до 256x. Отображает скорость пилотов, передачи, состояние DRS, времена кругов и секторов. Можно выбирать нескольких гонщиков и сравнивать их телеметрию. Есть визуализация выезда машины безопасности, графики деградации шин и отдельные окна для анализа гоночной стратегии. Всё запускается локально: git clone https://github.com/IAmTomShaw/f1-race-replay cd f1-race-replay pip install -r requirements.txt python main.py Внутри используются Python 3.11+, FastF1, Arcade, PySide6 и NumPy. Можно создавать собственные панели телеметрии и подключать их к потоку данных. Хороший проект для тех, кто хочет попрактиковаться в Python, визуализации данных и анализе спортивной телеметрии. GitHub: https://github.com/IAmTomShaw/f1-race-replay
4 878
15
👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-спис
👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-список, собранный на русском: проекты, которые восстанавливают игры из машинного кода. Это декомпиляции, статические рекомпиляции, порты на исходниках и ремейки движков. Задача простая: помочь найти проект под нужную игру и платформу и объяснить, как всё это устроено. Масштаб впечатляет. В каталоге около 2118 проектов для примерно 1829 игр, из них 1771 активных. По типам: 786 декомпиляций, 525 статических рекомпиляций, 269 портов на исходниках, 238 ремейков движков, 234 дизассемблирования, 57 браузерных портов и 9 инструментов. По платформам лидирует ПК с 295 проектами, дальше Nintendo 64 (190), Xbox 360 и PlayStation 1 (по 161). Следом идут DOS, GameCube, PS2, Game Boy Advance и Wii. Среди примеров Zelda (Ocarina of Time, Majora's Mask, Twilight Princess), Mario 64, Sonic, Diablo, Morrowind, OpenRA и OpenRCT2. Внутри не просто список. В README есть топ-25, отдельный список браузерных портов, каталоги по типам и платформам, раздел о том, как начать декомпилировать самому, FAQ и глоссарий. Из инструментов упоминаются N64Recomp, XenonRecomp, RT64, splat, decomp.me, objdiff и m2c. Каталог обновляется автоматически через GitHub Actions. Важная оговорка: сами проекты работают с данными из легально купленных копий игр, а в репозитории лежат только ссылки. Репозиторий: https://github.com/justxor/awesome-decomp-games-ru
4 845
16
ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов
ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов вручную, всё через ORM. Например, в Django: posts = Post.objects.all()[:50] for post in posts: print(post.author.name) Кажется, что мы просто получаем 50 постов с авторами. Но на практике это может вызвать 51 запрос к базе данных. Один запрос загружает посты, а ещё 50 отдельно получают авторов. Это классическая проблема N+1 queries. Причём чем больше записей, тем больше обращений к БД. Исправляется одной строкой: posts = Post.objects.select_related("author")[:50] Теперь Django использует JOIN и получает посты вместе с авторами одним запросом. ORM избавляет от написания SQL, но не от необходимости понимать, какой SQL выполняется. Именно поэтому при оптимизации API полезнее сначала посмотреть на количество запросов, чем переписывать Python-код ради нескольких миллисекунд.
4 836
17
🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его
🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его через CPython во время разработки, а затем собирать тот же код в нативный machine-code executable. Что интересного: - статически типизированное подмножество Python; - hot reload во время разработки; - нативная сборка через yokan build; - без CPython внутри бинарника, если не используется @py; - можно подключать обычный Python-код и библиотеки через @py; - есть интеграция с Rust для производительных частей; - UI на базе GPUI, движка редактора Zed; - около 36 UI-компонентов и десятки готовых демо. Для проверки совместимости есть yokan gate: он запускает приложение в CPython и в нативной сборке, повторяет одинаковые действия и сравнивает результат. : Сейчас поддерживаются macOS Apple Silicon и Linux, Python 3.14+. По сути, идея похожа на Flutter-подход: быстрая разработка с live reload, затем AOT-сборка в нативное desktop-приложение. GitHub: https://github.com/i2y/yokan
4 694
18
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
3 551
19
⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вын
⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вынесена в фоновые потоки. За счёт этого основной код меньше блокируется на I/O. Что умеет: - thread-safe логирование - несколько writers на один logger - консоль, файлы, TCP, syslog и callbacks - ротация и сжатие логов - AES-шифрование сетевого логирования - multiprocessing и threads - конфигурация через JSON, XML и YAML - экспорт логов в OpenTelemetry по OTLP/HTTP Установка: pip install pyfastlogging python from pyfastlogging import TRACE, Logging, ConsoleWriterConfig logger = Logging( TRACE, "main", [ConsoleWriterConfig(TRACE, True)], ) logger.info("Hello") logger.shutdown() Поддерживается Python 3.10+. Актуальный релиз - 0.9.0, лицензия - MIT OR Apache-2.0. PyPI Хороший вариант для сервисов, где обычное логирование уже начинает влиять на latency. https://pypi.org/project/pyfastlogging/
4 323
20
🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текс
🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текста, разбор структуры документа, извлечение ключевой информации и ответы на вопросы по содержимому. То есть задача модели шире обычного «перепечатать текст с картинки»: она помогает превратить документ в данные, с которыми можно работать дальше. По данным разработчиков: - 95,24 балла на Real5-OmniDocBench. - 83,2 балла в среднем на пяти тестах вопросов и ответов с опорой на распознавание текста. - Первое место среди моделей меньше 1B параметров по качеству разбора документов на OmniDocBench v1.6. В открытый доступ выложили веса, код инференса, интерактивное демо, MCP-сервис и Agent Skill. Последние два компонента позволяют подключать обработку документов к рабочим процессам ИИ-агентов. Компактный размер делает модель интересной для собственной инфраструктуры. Но качество на конкретных сканах, языках и сложных таблицах стоит проверять отдельно: результаты бенчмарков не гарантируют точность на любых документах. 🤗 Huggingface: https://huggingface.co/xiaomi-research/Xiaomi-OCR-0 🔗 GitHub: https://github.com/xiaomi-research/Xiaomi-OCR-0 📄 Demo: https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo #XiaomiAI #OCR #OpenSource
4 270