Python Portal
Відкрити в Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу Python Portal
Канал Python Portal (@pythonportal) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 51 022 підписників, посідаючи 2 548 місце в категорії Технології та додатки та 12 114 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 51 022 підписників.
За останніми даними від 25 серпня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -377, а за останні 24 години на -24, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 9.34%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.79% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 4 769 переглядів. Протягом першої доби публікація в середньому набирає 2 443 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 20.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як строка, none, true, модуль, peter.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Завдяки високій частоті оновлень (останні дані отримано 26 серпня, 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.
51 022
Підписники
-2424 години
-1177 днів
-37730 день
Архів дописів
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
