Python/ django
Відкрити в Telegram
по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Показати більше
📈 Аналітичний огляд Telegram-каналу Python/ django
Канал Python/ django (@pythonl) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 58 385 підписників, посідаючи 2 244 місце в категорії Технології та додатки та 10 292 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 58 385 підписників.
За останніми даними від 03 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -242, а за останні 24 години на -32, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 6.00%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.06% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 501 переглядів. Протягом першої доби публікація в середньому набирає 1 784 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 18.
- 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 04 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.
58 385
Підписники
-3224 години
-1807 днів
-24230 днів
Архів дописів
58 382
📁 Shutil: лучший инструмент для управления файлами Python
https://www.youtube.com/watch?v=_q2h9qslPzI
@pythonl
58 382
58 382
⚡️ Ollama — бесплатная модель уровня GPT. Используй GPT без ограничений и абсолютно бесплатно.
https://www.youtube.com/watch?v=bniEv-dNcy4
@pythonl
58 382
🖥 A lesser-known case in a lesser-known function in the standard library, `itertools.groupby()` (not the `pandas` version!)
Параметр `
key` чаще всего встречается в `sorted()` и `.sort()` или `max()` и `min()`, но он встречается и в других функциях.
Вот менее известный случай в менее известной функции из стандартной библиотеки, `itertools.groupby()` (не pandas!)
@pythonl58 382
🖥 The code for building an OpenCV Python security camera.
Код для управление камеры безопасности на OpenCV Python.
import cv2
import time
import datetime
cap = cv2.VideoCapture(0)
face_cascade = cv2.CascadeClassifier(
cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
body_cascade = cv2.CascadeClassifier(
cv2.data.haarcascades + "haarcascade_fullbody.xml")
detection = False
detection_stopped_time = None
timer_started = False
SECONDS_TO_RECORD_AFTER_DETECTION = 5
frame_size = (int(cap.get(3)), int(cap.get(4)))
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
while True:
_, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
bodies = face_cascade.detectMultiScale(gray, 1.3, 5)
if len(faces) + len(bodies) > 0:
if detection:
timer_started = False
else:
detection = True
current_time = datetime.datetime.now().strftime("%d-%m-%Y-%H-%M-%S")
out = cv2.VideoWriter(
f"{current_time}.mp4", fourcc, 20, frame_size)
print("Started Recording!")
elif detection:
if timer_started:
if time.time() - detection_stopped_time >= SECONDS_TO_RECORD_AFTER_DETECTION:
detection = False
timer_started = False
out.release()
print('Stop Recording!')
else:
timer_started = True
detection_stopped_time = time.time()
if detection:
out.write(frame)
# for (x, y, width, height) in faces:
# cv2.rectangle(frame, (x, y), (x + width, y + height), (255, 0, 0), 3)
cv2.imshow("Camera", frame)
if cv2.waitKey(1) == ord('q'):
break
out.release()
cap.release()
cv2.destroyAllWindows()
@pythonl58 382
💼 QuantStats Python library that performs portfolio profiling
"Библиотека QuantStats на языке Python, которая выполняет расчет портфеля, позволяя инвесторам и портфельным менеджерам лучше понимать свою работу, предоставляя им углубленную аналитику и метрики риска."
%matplotlib inline
import quantstats as qs
# extend pandas functionality with metrics, etc.
qs.extend_pandas()
# fetch the daily returns for a stock
stock = qs.utils.download_returns('META')
# show sharpe ratio
qs.stats.sharpe(stock)
# or using extend_pandas() :)
stock.sharpe()
▪ Github
@pythonl58 382
🎉 Django 5.0 released
Команда Django выпустила Django 5.0.
https://www.djangoproject.com/weblog/2023/dec/04/django-50-released/
@pythonl
58 382
🖥 SQLModel 0.0.14 with support for pydantic v2 ✨🚀
SQLModel 0.0.14 с поддержкой pydantic v2 🎉
Уверен, что это самый большой релиз за все время 🤓.
SQLModel - это библиотека для взаимодействия с базами данных SQL из кода Python, с объектами Python. Она создана для того, чтобы быть интуитивно понятной, простой в использовании, хорошо совместимой и надежной.
$ pip install sqlmodel
▪ Github
@pythonl58 382
Python-разработчики, готовы к новым карьерным возможностям? Тогда One Day Offer от Сбера для вас!
16 декабря вы сможете пройти fast-интервью и при успешном прохождении получить оффер. Чем предстоит заниматься?
— Решать технические задачи при разработке новых и доработке существующих сервисов с использованием Python
— Взаимодействовать с другими сервисами посредством различных API
— Работать с заказчиками, аналитиками и смежными командами.
Присоединяйтесь к команде SberDevices, которая создает голосовые продукты, умные устройства, виртуальных персонажей и другие интересные проекты:
• Поисковый сервис SmartSearch
• Краудсорсинговую платформу TagMe для разметки данных
• Intelligent Document Processing – продукты для решения задач обработки неструктурированного контента
• Мультимодальную нейросетевую модель GigaChat.
Работа в крупнейшем IT-сообществе ждет вас. Все, что нужно сделать – зарегистрироваться на One Day Offer и готовиться к интервью.
58 382
🖥 Python module to get stock data/cryptocurrencies from the Alpha Vantage API.
Python-модуль для получения данных о акциях/криптовалютах из API Alpha Vantage
Бесплатный API для получения финансовых данных и индикаторов в реальном времени.
pip install alpha_vantage
from alpha_vantage.timeseries import TimeSeries
import matplotlib.pyplot as plt
ts = TimeSeries(key='YOUR_API_KEY', output_format='pandas')
data, meta_data = ts.get_intraday(symbol='MSFT',interval='1min', outputsize='full')
data['4. close'].plot()
plt.title('Intraday Times Series for the MSFT stock (1 min)')
plt.show()
▪Github
@pythonl58 382
58 382
✌️ Привет! На связи организатор онлайн-конференций Podlodka Crew.
Проект на Python вырос и стал плохо сопровождаться? Всё время уходит на поиск багов, а фичи выпускаются раз в месяц? Нагрузка растёт, а что делать не понятно?
🐍 Приходите на Podlodka Python Crew — обсудите свои боли и проблемы с экспертами из КРОК, Точка, Контур, X5 Tech, Skillbox, а также в компании единомышленников.
Стартуем 4 декабря. Свежие подробности сессий:
🔸Обсудим, а нужны ли практики из Java в коммерческой Python-разработке. В формате круглого стола проговорим основные вопросы проектирования enterprise-приложений на python. Вас ждёт дискуссия про выбор архитектуры, соблюдение слоёв, связи и контексты, абстрактные классы.
🔸Узнаем, как переезжать на pyproject и tox. Разберёмся с bash-скриптами, настроим лаконичный CI/CD с помощью простых инструментов.
🔸Послушаем про внедрение feature flags на тернистом пути к TBD.
🤑 Промокод на скидку 500 руб: python_crew_2_wXPEbG
Больше подробностей на сайте: https://podlodka.io/pythoncrew
58 382
🦾 nrich
A command-line tool to quickly analyze all IPs in a file and see which ones have open ports/ vulnerabilities.
Инструмент командной строки, позволяющий быстро проанализировать все IP-адреса в файле и увидеть, какие из них имеют открытые порты/уязвимости. Также может передавать данные из stdin для использования в конвейере данных.
wget https://gitlab.com/api/v4/projects/33695681/packages/generic/nrich/latest/nrich_latest_x86_64.deb
$ sudo dpkg -i nrich_latest_x86_64.deb
▪ GIthub
@pythonl58 382
Душа питона— авторский канал про нейросети глазами девушки. Рассказывает о новых возможностях нейросетей в доступной форме с иронией и юмором.
Как использовать Нейросети на максимум?
Подумайте сами, KaiberAi нарисует спецэффекты для вашего видео, насколько хорош GigaChat и почему Mathgptpro умнее ChatGPT, InstAi - помогает набрать подписчиков в инст,
OSINT инструменты с ИИ выдают все информацию по по одной ссылке с VK.
Присоединяйся, чтобы быть в курсе всех новостей в области искусственного интеллекта.
58 382
💥 Here is an amazing Python cheat sheet for you all!
Объемная шпаргалка по Python по всем основным темам.
@pythonl
58 382
58 382
🖥Deepfake video при помощи Python в Google Colab
https://www.youtube.com/watch?v=Rj4qq-iQepg
Вот Google Colab с кодом для обоих способов:
1 - https://colab.research.google.com/drive/1gYaKcQ1-wDjzoVK5k8QQ13M7XcyP--rE?usp=sharing
2 - https://colab.research.google.com/drive/1vN84lTEeACqu4EmVdQiVLgGDMSQBn_ij?usp=sharing
@pythonl
58 382
🖥Security of data storage in Python
We recommend storing sensitive information in an .env file and loading it into a Python script using python-dotenv.
🔒Безопасность хранения данных в Python🔒
Рекомендуется хранить конфиденциальную информацию в файле .env и загружать ее в сценарий Python с помощью python-dotenv.
Это позволяет защитить информацию от раскрытия в кодовой базе или системах контроля версий.
@pythonl
58 382
Салют, GigaChat!
Речевые технологии и большие языковые модели.
Приглашаем ML-разработчиков и Data Science-специалистов на встречу с командами разработки продакшен GigaChat и речевых технологий.
📍 Онлайн / Офлайн в Москве
🗓 4 декабря в 18:00 (МСК, GMT+3)
В программе:
✔ Григорий Лелейтнер — «Что мы улучшили в процессе pre-training LLM»
✔ Эмиль Шакиров и Никита Сидоров — «Наш путь в процессе Alignment для совершенства моделей глубокого обучения»
✔ Александр Максименко — «Speech-only Pre-training: обучение универсального аудиоэнкодера»
✔ Григорий Федоров — «Intended Query Detection: распознаем только нужные запросы»
✔ Гриша Стерлинг — «Как мы заставили модель синтеза речи 2023 года говорить лучше модели 2018 года»
Участвуйте в дискуссиях с другими участниками митапа и задавайте вопросы спикерам во время докладов.
Количество мест в офлайне ограничено. Для участия необходимо зарегистрироваться на сайте.
Реклама. ПАО Сбербанк. ИНН 7707083893.
