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
58 382
🖥 The `concurrent.futures` module wraps both threading and multiprocessing, which makes the interfaces even nicer.
Python предоставляет вам возможность создавать пулы процессов. Вы можете создавать их с помощью модуля Python `
threading` или модуля `concurrent.futures`.
Модуль `concurrent.futures` оборачивает и потоки, и многопроцессорность, что делает их интерфейсы еще более приятными.
@pythonl58 382
🖥 The dataclass decorator automatically adds generated special methods such as
__init__() and __repr__() to user-defined classes.
Вы уже пробовали использовать dataclass в Python?
Декоратор dataclass автоматически добавляет сгенерированные специальные методы, такие как `__init__()` и `__repr__()` в ваши классы.
@pythonl58 382
💼 Y'ORG
Y'ORG объединяет большин языковые модель с Jupyter Notebook для выполнения различных задач.
Цель Y'ORG - предоставить удобный интерактивный способ (1) изучения кода, (2) составления планов и задач для работы, (3) написания кода и добавления новых функций. Он также помогает ученым и аналитикам (4) проводить анализ данных и (5) создавать полноценные отчеты.
▪ Github
@pythonl
58 382
Все для изучения Data Science
Собрали все что потребуется для изучения data science
👉 Data Science | Machinelearning - канал для изучения data science и machinelearning
👉 Python - канал для изучения python и его аспектов связанных с data science.
Добро пожаловать!
58 382
🖥
class difflib.SequenceMatcher: This module provides classes and functions for comparing sequences.
Этот модуль предоставляет классы и функции для сравнения последовательностей. Он может быть использован, например, для сравнения файлов и может выдавать информацию о различиях в файлах в различных форматах, включая HTML, контекстные и унифицированные диффы. Для сравнения каталогов и файлов см. также модуль filecmp.
https://docs.python.org/3/library/difflib.html
@pythonl58 382
⚡️ 100 вопросов с собеседований Data Science
Habr: https://habr.com/ru/articles/783766/
Видео: https://www.youtube.com/watch?v=6Pk4OgdNxXQ
@pythonl
58 382
58 382
🖥 Image Color Extraction with Python
Извлечение цвета из изображения с помощью Python.
@pythonl58 382
🖥 Scrabe Table from a website using Python
Пример парсинга таблицы с веб-сайта с помощью Python.
@pythonl
58 382
Разбираем тестовое задание в СБЕР на позицию junior-аналитика
📣 Всем привет! Команда Simulative и наш CEO – Андрон Алексанян приглашаем вас на интенсив, где мы в прямом эфире будем разбирать настоящее тестовое задание на позицию junior-аналитика в компанию СБЕР. Это будет последний обучающий интенсив в этом году.
Нам предстоит проанализировать историю договоров клиентов банка, провести аналитику и сформулировать бизнес-выводы.
📅 Дата: 26 декабря
🕘 Время: 19:00 по Мск
Что будем делать на интенсиве:
➖ Решать задания с помощью SQL
➖ Писать хитрые запросы на SCD, pivot table и другие
➖ Подробно разбирать каждый шаг
➖ Считать retention банка и проводить сегментацию
➖ Проводить аналитику и составлять бизнес-выводы
В прямом эфире мы также расскажем о частых ошибках новичков и поделимся лайфхаками — как достойно пройти собеседование и удивить ревьюера крутыми фишками 🤩
❗️ Записи интенсива не будет. Только один раз и только в live-формате.
А вы готовы бустануть свои знания и скиллы в аналитике?
🔗 Регистрируйтесь на интенсив
Реклама. ООО «АЙТИ РЕЗЮМЕ». ИНН 4025460134. Erid:LjN8K329g
58 382
+1🖥
Game Catch on Python
Игра фейковая викторина на Python.
import random
import tkinter
# Create the main window
window = tkinter.Tk()
window.title("Catch me if you can")
# Create a canvas inside the main window
canvas = tkinter.Canvas(window, width=800, height=600, bg="Light Blue")
canvas.pack(fill=tkinter.BOTH, expand=True)
# Create a label and place it at the top center of the canvas
label = tkinter.Label(canvas, text="Are you a loser?", font=('consolas', 40), bg='lightblue')
label.place(relx=0.5, rely=0.1, anchor=tkinter.CENTER)
# Function called when "yes" button is clicked
def catchme():
button.config(text="then catch me if you can :)", font=('consolas', 40), command=teleport)
# Function called when "no" button is clicked
def for_real():
yes.config(text="I knew")
# Function to teleport the "no" button to a random position
def teleport():
button.place(x=random.randint(0, 100), y=random.randint(0, 100))
button.config(text="no", command=catchme)
button.config(bg=random.choice(["red", "blue", "green", "yellow", "pink"]))
# Create the "yes" button, set its appearance, and place it at a specific position on the canvas
yes = tkinter.Button(canvas, text="yes", font=('consolas', 40), command=for_real)
yes.place(relx=0.3, rely=0.8, anchor=tkinter.CENTER)
# Create the "no" button, set its aёppearance, and place it at a specific position on the canvas
button = tkinter.Button(canvas, text="no", font=('consolas', 40), command=teleport)
button.place(relx=0.7, rely=0.8, anchor=tkinter.CENTER)
# Start the main event loop
window.mainloop()
📌 10 лучших библиотек Python для создания графического интерфейса в 2024 году
@pythonl58 382
58 382
ㅤ
ВТБ и Финтех Хаб Банка России проводят образовательную программу "Машинное обучение PRO: обработка документов и генеративные нейросети".
Программа предназначена для тех, кто уже знаком с основами машинного обучения и хочет углубить свои знания в области обработки естественного языка, деплоя и тестирования моделей, а также создания ML-сервисов.
Программа состоит из двух модулей. Теоретический модуль будет проходить в дистанционном формате с 12 февраля по 11 марта 2024 года. В нем будут проводиться лекции по основам NLP, обработке изображений, языковым моделям, извлечению сущностей и отношений, суммаризации, классификации, кластеризации и MLOps.
Практический модуль состоит из дистанционных занятий с 18 марта по 8 апреля 2024 года, а также нескольких очных дней в Москве. В этом модуле участники смогут применить полученные знания и вместе с менторами из Банка России и ВТБ пройти весь цикл продуктовой ML-разработки. Они будут разрабатывать архитектуру и user-story для одного из сервисов, работать в кросс-функциональной команде и создавать и внедрять модели машинного обучения.
Лучшие команды по итогам модуля получат возможность презентовать свой прототип на международной конференции по анализу данных Data Fusion 18 апреля 2024 года. Форма отбора - тестирование, которое будет проводиться с 25 января по 2 февраля 2023 года. Заявки на участие можно подать на сайте программы.
58 382
ㅤ
ВТБ и Финтех Хаб Банка России проводят образовательную программу "Машинное обучение PRO: обработка документов и генеративные нейросети".
Программа предназначена для тех, кто уже знаком с основами машинного обучения и хочет углубить свои знания в области обработки естественного языка, деплоя и тестирования моделей, а также создания ML-сервисов.
Программа состоит из двух модулей. Теоретический модуль будет проходить в дистанционном формате с 12 февраля по 11 марта 2024 года. В нем будут проводиться лекции по основам NLP, обработке изображений, языковым моделям, извлечению сущностей и отношений, суммаризации, классификации, кластеризации и MLOps.
Практический модуль состоит из дистанционных занятий с 18 марта по 8 апреля 2024 года, а также нескольких очных дней в Москве. В этом модуле участники смогут применить полученные знания и вместе с менторами из Банка России и ВТБ пройти весь цикл продуктовой ML-разработки. Они будут разрабатывать архитектуру и user-story для одного из сервисов, работать в кросс-функциональной команде и создавать и внедрять модели машинного обучения.
Лучшие команды по итогам модуля получат возможность презентовать свой прототип на международной конференции по анализу данных Data Fusion 18 апреля 2024 года. Форма отбора - тестирование, которое будет проводиться с 25 января по 2 февраля 2023 года. Заявки на участие можно подать на сайте программы.
