Python 24/7

Многие постоянно путаются в этом: В чём на самом деле разница между 100 МБ/с и 100 Мбит/с? @edpython_tg

Этот бесплатный сайт научит ускорять SQL-запросы Use The Index, Luke — бесплатная книга по индексам и оптимизации SQL, написанная специально для разработчиков. Что внутри: ▪️Как устроены B-tree индексы ▪️Почему база игнорирует созданный индекс ▪️Как ускорять WHERE, JOIN и ORDER BY ▪️Ошибки при работе с составными индексами ▪️Оптимизация пагинации и больших таблиц Материал подходит для PostgreSQL, MySQL, Oracle, SQL Server и Db2. Без воды про администрирование — только то, что помогает ускорять реальные запросы. Сохраняте себе в закладки. @edpython_tg

Нашел бесплатную лекцию Стэнфорда по GPU И CUDA Стэнфорд открыл доступ к материалам CS149 — курса по параллельным вычислениям. Особенно интересна седьмая лекция, посвящённая архитектуре видеокарт и программированию на CUDA. Что внутри: — Как устроены современные GPU — Чем вычисления на GPU отличаются от CPU — Принципы параллельного выполнения задач — Программирование на CUDA — Как видеокарты превратились в мощные вычислительные ускорители В доступе 74 слайда с подробными схемами, объяснениями и примерами. Полезный материал для тех, кто изучает машинное обучение, низкоуровневое программирование и хочет лучше понимать, как ИИ работает на уровне железа. @edpython_tg

Появилась open-source альтернатива Jev — Kev Модель доступна в трёх размерах и полностью работает локально, поэтому ваши данные хранятся у вас на компьютере. Kev умеет: — Отвечать «да» или «нет»; — Выбирать один вариант из нескольких; — Добавлять короткие пояснения. Подойдёт для классификации, фильтрации и других задач, где нужен быстрый локальный ответ модели. @edpython_tg

Ловите 10 репозиториев на GitHub, которые помогут освоить Python, а также разобраться в больших языковых моделях, ИИ-агентах и производственных системах

1. Python-100-Days — Python, анализ данных + веб-разработка. 2. Generative AI for Beginners — Большие языковые модели, промптинг, RAG, агенты + тонкая настройка. 3. LLMs from Scratch — Создание LLM от токенизации до обучения. 4. ML for Beginners — 26 уроков по машинному обучению. 5. OpenAI Cookbook — Практические примеры создания ИИ-приложений. 6. Stable Diffusion — Оригинальная реализация + исследовательский код. 7. AI Agents for Beginners — Инструменты, RAG, фреймворки для агентов + многоагентные системы. 8. AI for Beginners — Нейронные сети, компьютерное зрение + обработка естественного языка. 9. LLM App — RAG, корпоративный поиск + конвейеры данных в реальном времени. 10. Segment Anything — Базовая модель Meta для сегментации изображений.

Сохраняем пост и ставим реакцию, если подборка была полезной. @edprogramming

Забирайте 10 книг по Python бесплатно

1. Думай как Python (O'Reilly) → greenteapress.com/wp/think-python-2e 2. Большая книга маленьких проектов на Python → inventwithpython.com/bigbookpython 3. Структуры данных → opendatastructures.org 4. Справочник по Data Science → jakevdp.github.io/PythonDataScienceHandbook 5. Анализ данных → wesmckinney.com/book 6. Наука о данных → greenteapress.com/wp/elements-of-data-science 7. Машинное обучение → python-course.eu/books/bernd_klein_python_and_machine_learning 8. Статистика → greenteapress.com/wp/think-stats-2e 9. Думай как Байес → allendowney.github.io/ThinkBayes2 10. Чистый код на Python (Packt) → packtpub.com/free-ebook/clean-code-in-python-second-edition

Сохраняйте подборку в закладки. @edpython_tg

Нашёл программу для тех, кто хочет разобраться, как создаются современные Agentic AI-системы В программе: — Создание AI-агентов — RAG и работа с внешними данными — MCP и MCP-серверы — Векторные базы данных и embeddings — tool calling — Архитектура backend для AI-приложений — Работа с LLM и построение production-ready систем Подойдёт разработчикам, которые хотят перейти от обычных запросов к LLM к созданию полноценных AI-приложений и агентов. → https://www.coursera.org/specializations/agentic-ai @edpython_tg

Hugging Face завершила серию Training Agents — шесть практических воркшопов про оценку и обучение ИИ-агентов. За полгода команда разобрала весь путь: от бенчмарков и SFT на трассах агентов до дистилляции, GRPO и обучения внутри реальных сред. В финальной части они собрали среду на OpenEnv, подключили её к TRL и обучили реального агента для программирования OpenCode через Harbor в песочницах Hugging Face. Все шесть записей уже доступны бесплатно, весь код открыт. Серия набрала более 300 тысяч просмотров. → https://youtube.com/playlist?list=PLo2EIpI_JMQvQZm-kVlz4wY1vWF0LBcf5 @edpython_tg

Бесплатный парсинг веб-страниц с помощью Python → https://www.youtube.com/playlist?list=PLeLGx0BaYD6a82KAsIetU8Z61pCF6EWQ9 @edpython_tg

Одна из лучших технических книг о том, как большие языковые модели обучают в огромных масштабах: > память GPU и профилирование > разбиение вычислений на блоки, объединение ядер и FlashAttention > параллелизм по данным, тензорам, конвейеру и контексту Я уже прочитал бесплатную онлайн-версию, но всё равно пришлось купить бумажную копию для своей библиотеки. Бесплатно прочитать можно по ссылке. @edpython_tg

Большая подборка для изучения Python На Coddy собрано всё, что пригодится для изучения Python: полноценные курсы, практические задачи, проекты и различные челленджи. Подойдёт как новичкам, которые начинают с нуля, так и тем, кто уже знаком с Python и хочет прокачать отдельные темы. Много практики и примеров, на которых можно сразу закреплять полученные знания. → https://coddy.tech/landing/python/courses @edpython_tg

Продержался целых 7 минут 😂 @edpython_tg

Подборка бесплатных онлайн-курсов «PanXProject» Настоящий клад бесплатных возможностей для прокачки! Сотни курсов по разным темам бери, учись, прокачивайся и добавляй в резюме, а если найдёшь что-то новое можно закинуть в репозиторий и поделиться с другими 🕵️‍♂️ → https://github.com/PanXProject/awesome-certificates @edpython_tg

Этот сайт поможет вам хорошо освоить Docker Он даст вам намного больше, чем плейлисты по Docker с YouTube. И всё это полностью бесплатно — больше 11 часов практики и упражнений. → https://learndocker.online @edpython_tg

Utopia — опенсорс система для хранения корпоративных знаний с историей изменений Её главная фишка — информация здесь не перезаписывается при каждом обновлении. Каждый факт имеет свой период действия: когда данные меняются, предыдущая версия остаётся в системе, а новая становится актуальной с заданной даты. Благодаря этому можно восстановить состояние базы знаний на любой момент времени и узнать, кто тогда отвечал за определённые задачи, какие правила действовали и какая информация считалась актуальной. При этом каждый факт привязан к конкретному фрагменту исходного документа, поэтому всегда можно проверить, откуда появились данные. Архитектура максимально простая: один исполняемый файл + PostgreSQL. Без Elasticsearch, отдельной векторной базы и очередей сообщений. Можно развернуть локально или в изолированной сети, а для работы с ИИ — подключить собственную модель. → https://github.com/deeplethe/utopia @edpython_tg

Отличный репозиторий для старта в Python и машинном обучении с нуля В нём собрана большая база материалов по Python: от базового синтаксиса до анализа данных и ML-проектов. Тут есть всё: объяснения основ, куча примеров, задачки и даже мини-проекты по машинному обучению. Отличный вариант самостоятельного обучения, прокачки навыков и первого знакомства с ML-инструментами. Изучаем по ссылке. @edpython_tg

Курс по структурам данных в Python За час разберётесь, как правильно работать со стеками, очередями и priority queue — и, что важнее, поймёте, какую структуру выбирать под конкретную задачу. Внутри: ▪️13 уроков ▪️Практика ▪️Примеры кода ▪️Материалы для скачивания ▪️Сертификат → https://realpython.com/courses/stacks-queues-ideal-data-structure/ @edpython_tg

От машинного обучения и визуализации данных до временных рядов и финансовых данных В одном репозитории собрано 920 открытых проектов на Python, разбитых на 34 категории. Хорошая подборка, если хочется быстро находить проверенные библиотеки и инструменты для ML, анализа данных и смежных задач, а не искать всё по GitHub вручную. → https://github.com/lukasmasuch/best-of-ml-python @edpython_tg

Нужно быстро удалить фон с изображения? rembg — инструмент с открытым исходным кодом для удаления фона. Его можно использовать через командную строку, как Python-библиотеку, HTTP-сервер или запускать в Docker. Подходит как для обработки отдельных изображений, так и для больших пакетов. → https://github.com/danielgatis/rembg @edpython_tg

Учим Git как игру: настольное приложение «Git It» Удобный способ перестать бояться терминала настольное приложение «Git It» на Electron обучает Git и GitHub через серию интерактивных миссий. Никаких лекций: коммиты, ветки и репозитории осваиваются прямо на твоём компьютере шаг за шагом Локальная версия популярного курса Git It, поэтому всё работает офлайн и без лишних настроек. Отличный вариант для новичков и тех, кто хочет быстро освежить базу. Забирай тут. @edpython_tg