Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Python вопросы с собеседований
Відкрити в Telegram
Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd
Показати більше📈 Аналітичний огляд Telegram-каналу Python вопросы с собеседований
Канал Python вопросы с собеседований (@python_job_interview) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 24 973 підписників, посідаючи 5 489 місце в категорії Технології та додатки та 26 805 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 24 973 підписників.
За останніми даними від 04 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -145, а за останні 24 години на -13, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 6.29%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.00% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 570 переглядів. Протягом першої доби публікація в середньому набирає 750 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як github, api, собеседование, git, docker.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Вопросы с собеседований по Python
@workakkk - админ
@machinelearning_interview - вопросы с собесдований по Ml
@pro_python_code - Python
@data_analysis_ml - анализ данных на Python
@itchannels_telegram - 🔥 главное в ит
РКН: clck.ru/3FmrFd”
Завдяки високій частоті оновлень (останні дані отримано 05 червня, 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.
24 973
Підписники
-1324 години
-357 днів
-14530 день
Архів дописів
Repost from Machinelearning
⚡️ Anthropic выкатили Opus 4.7
Что поменялось:
- лучше держит длинные задачи
- точнее следует инструкциям
- валидирует ответы перед выдачей
То есть меньше «галлюцинаций на уверенном лице»
и меньше необходимости перепроверять руками
По бенчмаркам относительно 4.6:
- SWE Bench Pro +11%
- SWE Bench Verified +7%
- Terminal Bench 2.0 +4%
Без сюрпризов, но стабильный рост.
Модель явно двигают в сторону автономной работы
где её можно дольше держать в цикле без постоянного контроля
Цифры ниже, чем у Mythos
но это ожидаемо, там другая история с метриками и позиционированием
https://www.anthropic.com/news/claude-opus-4-7
@ai_machinelearning_big_data
🚀 OpenAI выкатили набор бесплатных скиллов для Codex — можно сильно разгрузить разработку
Теперь часть задач можно просто отдать агенту: от генерации презентаций до полноценной разработки приложений.
- Внутри уже готовы рабочие воркфлоу:
- агент умеет собирать презентации
- помогает с iOS и macOS разработкой
- интегрируется с Figma и работает с дизайном
и это только базовый набор
Устанавливается всё в один клик — без долгой настройки и шаманства.
Фактически это превращает Codex из “помощника” в полноценный инструмент, который закрывает куски реальной работы.
https://developers.openai.com/codex/use-cases
Хочешь писать код быстрее в 10 раз?
Вот команды Claude Code, которые реально бустят работу: https://youtube.com/shorts/gh2U4ydjivA
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
https://youtube.com/shorts/gh2U4ydjivA
🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»?
Пока ты пишешь промпты - рынок уже ушёл дальше.
Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы:
- принимают решения сами
- ходят в API
- работают с Postgres и Redis
- управляют браузером через Playwright
- доводят задачи до результата без человека
И вот правда, о которой мало говорят:
90% таких систем умирают между ноутбуком и продом.
Работает локально. Ломается в реальности.
Нет архитектуры. Нет устойчивости. Нет деплоя.
AI Agents Engineering - курс со Stepik, который закрывает этот разрыв.
- LangGraph, AutoGen, Computer Use
- архитектура агентов, а не «скрипты на коленке»
- LLMOps, логирование, стабильность
- деплой в Docker и работа в проде
8 модулей, 120+ шагов, всё через практику.
На выходе не «сертификат ради галочки», а:
- рабочий production-агент
- понимание, как строить такие системы с нуля
- навыки, за которые уже платят
Сейчас самое окно входа.
Через полгода это станет базой, а не преимуществом.
Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/
ВЫШЕЛ БЕСПЛАТНЫЙ КОНКУРЕНТ CLAUDE ДЛЯ АГЕНТОВ. GLM-5.1. Полный гайд по ее запуску.
Новая модель GLM-5.1, заточенная под агентные сценарии. Она не про быстрые ответы, а про длинную работу над задачей.
Ключевая фишка - может вести один таск до 8 часов подряд. По сути полный рабочий день без перезапусков и потери контекста.
В комплексных задачах показывает результаты выше, чем Claude Opus 4.6. Особенно там, где важна последовательная логика и планирование, а не разовые ответы. На бенчмарках модель выглядит очень круто вhttps://z.ai/blog/glm-5.1
Это уже не просто модель для чата. Это инструмент, который можно ставить на длительные процессы и получать результат без постоянного контроля.
Проный гайд; как её получить:
1 Создаём временную почту здесь. https://tempamail.com/
2 Создаём аккаунт тут через временную почту > подтверждаем через неё же https://fireworks.ai/
3 Вводим имя и фамилию (можно фейковые), тыкаем на ответы 2 вопросов рандомно.
4 Генерируем кредитку здесь, вписав значение bin 5154620022 и выбрав 1 рабочую из списка https://chkr.cc/
5 Возвращаемся на этот сайт, чтобы забрать GLM-5.1, вводим данные фейковой карты и забираем API-ключ. https://fireworks.ai/
6 Скачиваем OpenCode, в настройках выбираем провайдера Fireworks AI и вводим полученный API-ключ. Юзаем GLM-5.1 и опережаем всех работяг. Dd https://opencode.ai/
Хорошая бесплатная модель, рекумомендую!
🚨 Автоматическая фабрика рилзов в одну команду
Если видел эти бесконечные видео с озвученными тредами, теперь понятно, откуда они берутся.
RedditVideoMakerBot - скрипт, который полностью автоматизирует весь пайплайн.
Ты запускаешь один Python файл и получаешь готовое видео под TikTok, Shorts или Reels.
Под капотом происходит следующее.
• Скрипт сам тянет тред из выбранного сабреддита. • Делает скриншоты через Playwright.
• Прогоняет текст через TTS.
• Подкладывает фоновое видео и собирает всё в финальный ролик с таймингами.
Без монтажа. Без таймлайна. Без ручной сборки.
Фактически это конвейер контента. Один запуск равен одному видео.
Формат уже оптимизирован под алгоритмы. Тот самый визуал, который все видят в ленте. Minecraft фон, скриншоты Reddit, синтетическая озвучка.
Репозиторий уже набрал больше 10 тысяч звёзд. Полностью open source.
https://github.com/elebumm/RedditVideoMakerBot
Liquid AI выкатили LFM2.5-VL-450M - vision-language модель, заточенную под работу на edge-устройствах в реальном времени.
Картинка 512×512 обрабатывается за ~240мс прямо на девайсе. Этого хватает, чтобы рассуждать над каждым кадром видеопотока в 4 FPS - причем с пониманием контекста, а не просто детекцией объектов.
Ключевая идея: один инференс-пасс заменяет классическую связку детектор → классификатор → эвристики. Те самые multi-stage пайплайны, которые в продакшене до сих пор ломаются, тормозят и больно поддерживаются.
Что нового в релизе: bounding box prediction (81.28 на RefCOCO-M), мультиязычное визуальное понимание на 8 языках (MMMB подняли с 54.29 до 68.09), поддержка function calling (BFCLv4).
Работает на Jetson Orin, Samsung S25 Ultra, AMD 395+ Max. Веса открыты, облако не нужно.
Веса на HuggingFace, блог и playground - в треде Liquid AI.
huggingface.co/spaces/LiquidAI/LFM2-VL-WebGPU
Repost from Machinelearning
🔥 Собери свой OpenClaw за вечер
Репозиторий, в котором разобрано устройство OpenClaw по слоям.
Это формат, которого не хватает большинству гайдов, пошаговая сборка системы, где каждый этап добавляет новый уровень сложности
Сначала обычный чат. Потом подключаются инструменты. Затем навыки, работа с вебом, память, маршрутизация задач и мультиагентная логика. В какой-то момент начинаешь ловить себя на мысли, что уже думаешь как оркестратор, а не как пользователь модели
В гайде хорошо видно, где заканчивается модель и начинается обвязка. Как строится цикл принятия решений, как агент выбирает инструменты и как вообще появляется ощущение «интеллекта»
Дает неплохое понимание архитектуры клешни.
https://github.com/czl9707/build-your-own-openclaw
@ai_machinelearning_big_data
#opensource #openclaw
🚀 Google DeepMind представила Gemma 4
Новое семейство открытых моделей, которые можно запускать на собственном железе.
Четыре размера:
31B Dense & 26B MoE - топовые результаты для сложных локальных задач: кастомные ассистенты, анализ научных данных
E4B & E2B (Edge) — для мобильных устройств, поддержка текста, зрения и аудио в реальном времени
Ключевые особенности:
Заточены под продвинутый reasoning и агентные задачи (автономные агенты, планирование, многошаговые workflows)
По Arena Elo Score: Gemma 4 31B (1452) и 26B (1441) обгоняют Qwen 3.5 (1450), Kimi k2.5 (1454) и DeepSeek v3.2 (1425)
Где попробовать: Google AI Studio, Hugging Face, Kaggle, Ollama
Почему это важно: Apache 2.0 + open weights = можно файн-тюнить и деплоить без ограничений и зависимости от API. Именно это отделяет настоящий open-source релиз от «контролируемого» research drop'а.
https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/
Лицензия Apache 2.0 - полностью коммерчески свободная.
#Gemma
🚀 Tencent выкатывает Covo-Audio (7B) - новый уровень голосовых AI.
Это уже не просто “распознал → ответил → озвучил”.
Модель умеет говорить и слушать одновременно.
Что внутри:
• Qwen2.5-7B + Whisper
• 8 млн часов аудио обучения
• full-duplex — диалог без пауз
Главное отличие:
Нет отдельных пайплайнов ASR и TTS.
→ всё работает как единая модель
Что это даёт:
• можно перебивать (barge-in)
• естественный разговор, как с человеком
• меньше задержек
• меньше костылей в архитектуре
Отдельно:
Разделение интеллекта и голоса
→ проще делать voice cloning
→ гибкость под разные сценарии
Тренд очевиден:
AI переходит от “голосовых интерфейсов”
→ к полноценному живому диалогу
Скоро кнопка “нажми и говори” исчезнет совсем.
Модель: https://huggingface.co/tencent/Covo-Audio-Chat
🚀 Умные агенты с OpenSpace: эволюция и экономия 💰
OpenSpace — это движок, который позволяет AI-агентам учиться и развиваться, превращая каждую задачу в возможность для улучшения. Он объединяет навыки, которые автоматически адаптируются и улучшаются, обеспечивая совместное использование знаний между агентами.
🚀 Основные моменты:
- Саморазвивающиеся навыки, которые учатся на реальном опыте
- Совместный интеллект: улучшения одного агента доступны всем
- Снижение затрат на 46% благодаря более эффективному использованию токенов
- Легкость в обмене навыками между агентами
- Реальные результаты: агенты зарабатывают в 4.2 раза больше
📌 GitHub: https://github.com/HKUDS/OpenSpace
#python
🔥 TorchCode: Практика для собеседований по PyTorch
TorchCode предлагает структурированную среду для тренировки навыков программирования, необходимых для собеседований в области машинного обучения. Решайте задачи по реализации операторов и архитектур, получая мгновенную обратную связь и подсказки.
🚀Основные моменты:
- 40 задач, часто встречающихся на собеседованиях
- Автоматическая проверка корректности и производительности
- Мгновенная обратная связь по каждому тесту
- Подсказки и эталонные решения для изучения
- Возможность запуска в браузере без установки
📌 GitHub: https://github.com/duoan/TorchCode
#python
🤖 nanobot: Легкий персональный AI-ассистент
nanobot — это ультра-легкий AI-ассистент с минимальным кодом (~4000 строк), который обеспечивает основные функции, вдохновленные Clawdbot. Он прост в использовании и идеально подходит для исследований благодаря чистому и понятному коду.
🚀Основные моменты:
- Ультра-легкий: всего ~4000 строк кода
- Быстрый старт и низкое потребление ресурсов
- Поддержка Telegram и WhatsApp для общения
- Легкость в модификации и расширении
📌 GitHub: https://github.com/HKUDS/nanobot
#python
🔍 Сканер навыков AI от Cisco
Skill Scanner -это инструмент для анализа безопасности навыков AI-агентов, который выявляет инъекции команд, утечку данных и вредоносные коды.
Он использует комбинированный подход с паттерн-детекцией, анализом данных и оценкой на основе LLM для надежного обнаружения угроз.
🚀 Основные моменты:
- Многоуровневая детекция: статический анализ, поведенческий анализ и LLM
- Фильтрация ложных срабатываний для повышения точности
- Поддержка CI/CD с выводом SARIF для GitHub
- Расширяемая архитектура для пользовательских анализаторов
📌 GitHub: https://github.com/cisco-ai-defense/skill-scanner
#python
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥Подборка по Golang: https://t.me/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
