Python/ django

🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица. Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве. Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать: * стабильную геометрию между кадрами * точные соответствия facial points * 4D-реконструкцию из произвольной последовательности изображений Код: https://github.com/kocasariumut/FaceAnything

Встраивайте систему распознавания документов в ваш продукт за 15 минут 🚀 Если вы развиваете SaaS, автоматизируете B2B-процессы или собираете ИИ-агентов, вопрос безопасности и скорости обработки документов всегда встает ребром. Provision OCR — это мощный российский движок для on-premise и private cloud развертывания. ⚡️ 100% локальности: данные не покидают ваш сервер. ⚡️ Скорость: обработка <3 сек/страница на GPU 2070 и выше, Поддержка CPU , точность до 99% ⚡️ Быстрая и бесшовная интеграция через REST API + gRPC. ⚡️ Поддержка разных документов на русском языке: договоры, счета и другие. 💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs 💻 Примеры кода на GitHub: https://github.com/orgs/Provision-Labs/repositories #OCR #ProvisionOCR #Документы #Разработка #Python #AI #OnPremise

⚡️ Claude Code и Codex можно запускать БЕСПЛАТНО Появился open-source инструмент, который проксирует запросы coding-агентов через десятки бесплатных AI-провайдеров. Что умеет: - до 1,5 млрд бесплатных токенов в месяц - автоматическое переключение между моделями при сбоях - оптимизация расхода токенов - заявлена экономия до 90% - поддержка Claude Code, Codex и Hermes Agent - работа из терминала, IDE и desktop-приложений - голосовой ввод промптов - поддержка tools, skills, изображений и других возможностей агентов Можно собрать единый бесплатный роутер и не зависеть от одного провайдера. https://github.com/Alishahryar1/free-claude-code

50 сайтов, на которых можно зависнуть на несколько часов 1. https://zoom.earth — Земля со спутника почти в реальном времени. 2. https://flightradar24.com — все самолёты в небе прямо сейчас. 3. https://marinetraffic.com — отслеживание кораблей по всему миру. 4. https://windy.com — ветры, осадки и штормы на живой карте. 5. https://lightningmaps.org — молнии по всему миру в реальном времени. 6. https://earthquake.usgs.gov — последние землетрясения. 7. https://submarinecablemap.com — карта подводных интернет-кабелей. 8. https://globalforestwatch.org — состояние лесов со спутников. 9. https://worldometers.info — мировая статистика в реальном времени. 10. https://internetlivestats.com — что происходит в интернете прямо сейчас. 11. https://thetruesize.com — реальные размеры стран. 12. https://oldmapsonline.org — старинные карты мира. 13. https://davidrumsey.com — огромный архив исторических карт. 14. https://openstreetmap.org — карта мира от сообщества. 15. https://window-swap.com — случайный вид из чужого окна. 16. https://virtualvacation.us — виртуальные прогулки по городам. 17. https://mapcrunch.com — случайная точка мира в Street View. 18. https://atlasobscura.com — самые необычные места планеты. 19. https://neal.fun — залипательные интерактивные эксперименты. 20. https://htwins.net/scale2 — от атома до Вселенной. 21. https://eyes.nasa.gov — 3D-модель Солнечной системы. 22. https://stellarium-web.org — карта звёздного неба. 23. https://apod.nasa.gov — астрономическое фото дня. 24. https://images.nasa.gov — фото- и видеоархив NASA. 25. https://pudding.cool — интерактивные истории на данных. 26. https://ourworldindata.org — данные о том, как меняется мир. 27. https://gapminder.org — проверка популярных заблуждений о мире. 28. https://informationisbeautiful.net — красивые визуализации данных. 29. https://data.worldbank.org — открытая статистика Всемирного банка. 30. https://data.tuik.gov.tr — официальная статистика Турции. 31. https://archive.org — книги, фильмы, сайты, игры и старое ПО. 32. https://gutenberg.org — десятки тысяч бесплатных книг. 33. https://openlibrary.org — огромный каталог книг. 34. https://loc.gov — цифровой архив Библиотеки Конгресса. 35. https://europeana.eu — культурное наследие Европы онлайн. 36. https://dp.la — цифровые коллекции библиотек США. 37. https://artsandculture.google.com — музеи и искусство онлайн. 38. https://rijksmuseum.nl — искусство в высоком разрешении. 39. https://wikiart.org — огромный архив живописи. 40. https://publicdomainreview.org — забытые материалы из истории. 41. https://openculture.com — бесплатные книги, фильмы и курсы. 42. https://metmuseum.org — онлайн-коллекция Метрополитен-музея. 43. https://musicmap.info — история музыкальных жанров. 44. https://radiooooo.com — музыка по странам и десятилетиям. 45. https://listen.hatnote.com — правки Википедии, превращённые в звуки. 46. https://wikipedia.org/wiki/Special:Random — случайная статья Википедии. 47. https://timeanddate.com — время, восходы, затмения и астрономия. 48. https://sciencedaily.com — свежие научные новости. 49. https://arxiv.org — бесплатные научные препринты. 50. https://observablehq.com — интерактивные данные и визуализации. Интернет гораздо больше, чем несколько сайтов, которые мы открываем каждый день.

Яндекс запускает юбилейный сезон Тренировок по алгоритмам 🎉 Интенсив продлится две недели и охватит три крупные темы с видеоуроками, практическими задачами и их разборами. В этот раз разбираем темы, которые часто спрашивают на алгоритмических собеседованиях разработчиков: 🔹 Стеки: вызов функций, рекурсия, арифметические выражения, скобочные последовательности, поиск ближайших меньших элементов. 🔹 Очереди, деки, кучи: научимся реализовывать структуру данных для очереди разными способами 🔹 Сортировки: разберемся, как устроены сортировки внутри, как их реализовать, что такое «устойчивость» и в каких случаях какую сортировку нужно выбирать Выбери свой вариант участия: 🔸 Тренировка — решай задачи в своём темпе и получи сертификат о прохождении курса. 🔸 Соревнование — проверь себя на задачах, приближенных к интервью, соревнуйся с другими участниками и получи шанс попасть на офлайн-интенсив в Москве. Среди участников, решивших все задания, разыграют 30 карьерных консультаций, а лучшие на офлайн-интенсиве смогут попасть на пробные собеседования. Старт сезона — 4 сентября. Участие бесплатное, но необходимо подать заявку.

🐧 Сегодня Linux исполняется 35 лет 25 августа 1991 года Линус Торвальдс впервые публично рассказал о своём «небольшом хобби-проекте». Прошло 35 лет - и Linux стал фундаментом серверов, облаков, Android, суперкомпьютеров и огромной части современной инфраструктуры. В честь дня рождения Linux собрали 10 GitHub-репозиториев, которые реально помогают его изучать: 1. Linux Upskill Challenge Практический курс по Linux-серверам, SSH, systemd, процессам и администрированию. https://github.com/livialima/linuxupskillchallenge 2. The Art of Command Line Командная строка, Bash, pipes, grep, awk, sed и куча полезных CLI-приёмов. https://github.com/jlevy/the-art-of-command-line 3. linux-insides Один из лучших проектов для изучения внутреннего устройства Linux kernel. https://github.com/0xAX/linux-insides 4. DevOps Exercises Сотни практических задач по Linux, networking, systemd, storage и troubleshooting. https://github.com/bregman-arie/devops-exercises 5. tldr-pages Короткие и понятные примеры использования Linux-команд. https://github.com/tldr-pages/tldr 6. Bash Handbook Хорошая база по Bash scripting: переменные, циклы, функции, условия и pipes. https://github.com/denysdovhan/bash-handbook 7. The Book of Secret Knowledge Огромная коллекция Linux/Unix/DevOps шпаргалок, one-liners и инструментов. https://github.com/trimstray/the-book-of-secret-knowledge 8. strace Отличный способ понять Linux через системные вызовы и отладку процессов. https://github.com/strace/strace 9. systemd Для тех, кто хочет глубже разобраться в services, units, journal и устройстве современного Linux userspace. https://github.com/systemd/systemd 10. Linux Kernel Исходный код самого Linux. Финальный уровень, если хочется посмотреть, как всё устроено на самом деле. https://github.com/torvalds/linux Если не знаете, с чего начать: Linux Upskill Challenge → Art of Command Line → Bash → strace → linux-insides → kernel. С днём рождения, Linux. Неплохо для проекта, который начинался как «просто хобби» 🐧

Python, который мы заслужили!

10 открытых GitHub-репозиториев для изучения Python 1. 30 Days of Python - курс от основ до более продвинутых тем за 30 дней. https://github.com/Asabeneh/30-Days-Of-Python 2. Learn Python - компактный учебник с примерами: типы, функции, ООП, декораторы, генераторы и многое другое. https://github.com/trekhleb/learn-python 3. The Algorithms — Python - сотни алгоритмов и структур данных с реализациями на Python. https://github.com/TheAlgorithms/Python 4. Python Mini Projects — много небольших проектов, на которых удобно набивать руку. https://github.com/Python-World/python-mini-projects 5. Interactive Coding Challenges - задачи по алгоритмам, структурам данных и программированию с решениями. https://github.com/donnemartin/interactive-coding-challenges 6. Python Patterns - паттерны проектирования и идиоматичный Python на реальных примерах. https://github.com/faif/python-patterns 7. Learn Python 3 - хороший набор примеров и упражнений от базового синтаксиса до продвинутых возможностей языка. https://github.com/jerry-git/learn-python3 8. Real Python Materials - исходники и примеры к большому количеству обучающих материалов Real Python. https://github.com/realpython/materials 9. 100+ Python Challenging Programming Exercises - большая коллекция задач с постепенным ростом сложности. https://github.com/zhiwehu/Python-programming-exercises 10. Awesome Python - огромный каталог библиотек, фреймворков и инструментов Python. Полезен, когда базу уже прошёл и хочется понять экосистему. https://github.com/vinta/awesome-python Если идти по порядку, я бы начал с 30 Days of Python → Learn Python → Mini Projects → The Algorithms → Python Patterns. Так получится путь от синтаксиса до алгоритмов и нормального продакшен-кода.

Лицо C++-разработчика, когда он написал 6000 строк кода, чтобы обогнать твои 4 строки на Python на 0,000438 секунды.

🖥 pyhctsa - Python-инструмент для highly comparative time-series analysis: он автоматически считает большой набор характеристик временного ряда и превращает сигнал в таблицу признаков. Базовый сценарий выглядит так:

from pyhctsa.calculator import FeatureCalculator

calc = FeatureCalculator()
features = calc.extract(data)

На выходе — DataFrame, где каждая временная серия превращается в набор feature'ов. Причём серии могут быть разной длины. Есть: — полный набор операций из коробки — собственные YAML-конфиги для подмножеств признаков — вызов отдельных feature-функций — параллельная обработка на нескольких CPU — инструменты для nonlinear analysis, HRV и других специализированных задач GitHub: https://github.com/DynamicsAndNeuralSystems/pyhctsa

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Python Game Server: простой сервер для пошаговых мультиплеерных игр python-game-server — лёгкий open source-фреймворк на Python для создания пошаговых мультиплеерных игр. Он даёт готовую серверную основу, чтобы не писать с нуля комнаты, игровые сессии и сетевое взаимодействие. Из коробки есть: — единый API для разных игр — несколько параллельных игровых сессий — подключение к конкретной комнате — автоматический вход в ближайшую свободную сессию — возможность относительно легко добавлять новые игры Проект рассчитан в первую очередь на настольные, карточные и другие turn-based игры. Для написания клиентов и новых игровых механик, по словам автора, достаточно базового знания Python. В репозитории уже больше 600 коммитов, отдельно лежат клиентская и серверная части. GitHub: https://github.com/feberts/python-game-server

Для тех, кто работает с ACP-агентами из терминала, появился простой REPL acp-repl запускает любой stdio-сервер с поддержкой Agent Client Protocol и позволяет общаться с агентом прямо из терминала: отправлять промпты, создавать сессии, переключать модель и режим, обрабатывать permission-запросы и смотреть debug-логи. Работает не с одним конкретным агентом. В README есть примеры для OpenCode, Codex, Claude Code и Pi, плюс можно подключить любой другой ACP-совместимый executable. Удобная штука для быстрой проверки агента до того, как встраивать его в свой runtime или приложение. Можно сравнить поведение разных моделей и режимов, проверить permissions или просто понять, нормально ли стартует конкретный ACP-провайдер. Запуск через npm:

npm install -g @normahq/acp-repl@latest

acp-repl -- opencode acp

Репозиторий: https://github.com/normahq/acp-repl

25 августа встречаемся на Agentic Coding Meetup в Сбер.Среде и в онлайне⚡️ AI-агенты уже умеют писать код. Но самое интересное начинается дальше — когда вместе с инструментами меняются роли инженеров, команды и сам процесс разработки. 🔥 Поговорим о том, как agentic coding выглядит на практике: новые инженерные роли и модели команд, SDD и трансформация процессов, coding-агенты и инструменты, подходы к постановке задач и управлению контекстом, а также опыт внедрения AI в разработку больших технологических компаний. ⏳ Начало в 17:00, встреча очных гостей — в 16:00. Количество очных мест ограничено — успейте зарегистрироваться!

### Как нормально тестировать AI-агента, если правильный ответ ещё ничего не доказывает У обычного чат-бота можно проверить финальный ответ. С агентами этого уже мало: модель может выдать вполне убедительный текст, но перед этим выбрать не тот skill, вызвать неправильный tool, потерять контекст на втором сообщении или выполнить только половину задачи. Ed Crewe описал, как они строили eval-фреймворк для агентного чат-бота вокруг Postgres AI Hybrid Manager. Начали с простого routing eval: для каждого запроса проверяется, выбрал ли агент нужный skill или tool. Это быстро, детерминированно и удобно гонять в CI. Следующий слой — Task Completion Rate. Здесь уже оценивается сам результат: выполнил ли агент задачу, использовал ли нужные данные, предложил ли адекватный следующий шаг. Для таких проверок используется LLM-as-a-judge и заранее заданная rubric. Но и этого оказалось мало. Реальные задачи часто состоят из нескольких сообщений, поэтому тестировать приходится уже целые диалоги с сохранением conversation state и отдельными проверками каждого шага. Финальный уровень — trajectory testing: смотреть не только на ответ, а на весь путь агента к нему: маршрутизацию, выбор skills, tool calls, промежуточные действия, состояние диалога и итоговый результат. Получается уже почти классическое E2E-тестирование, только объект проверки здесь не HTTP-запрос или UI, а поведение AI-агента целиком. В основе автор использует deepeval, поверх которого добавлены YAML goldens, CI, плагины, multi-turn evals и телеметрия через Langfuse. https://edcrewe.blogspot.com/2026/08/from-routing-checks-to-trajectory.html

🖥 Для Python появился Interlock - современный circuit breaker без зоопарка отдельных решений для sync и async. Один CircuitBreaker умеет работать и с обычными функциями, и с async, считать процент ошибок по скользящему окну и отдельно реагировать на слишком медленные вызовы. Можно собрать полноценный pipeline отказоустойчивости:

pipeline = (
    Pipeline.builder()
    .fallback(...)
    .retry(attempts=4)
    .circuit_breaker(breaker)
    .bulkhead(8)
    .timeout(2.0)
    .build()
)

То есть timeout, retry, ограничение параллелизма, circuit breaker и fallback складываются в одну явную цепочку. Есть интеграции с httpx, aiohttp, requests, FastAPI, Redis и OpenTelemetry. Через Redis состояние breaker можно шарить между несколькими процессами или инстансами приложения. Ещё полезная штука - METRICS_ONLY: сначала можно просто посмотреть реальные проценты ошибок и медленных запросов в проде, ничего не блокируя, а уже потом включить breaker. https://github.com/bagowix/interlock

🤖Чем больше этапов в разработке решений машинного обучения (ML), тем выше риск запутаться в коде, версиях данных и экспериментах. Но есть подход, который превращает хаос в стройную систему — конвейер машинного обучения (ML‑pipeline). 🦾На открытом уроке вы узнаете, как строить цепочки обработки данных и обучения моделей, которые работают надёжно, гибко и масштабируемо. Разберём понятие конвейера машинного обучения (ML‑pipeline), шаги его построения и практические примеры. 👥Кому подходит урок: • Инженерам машинного обучения и исследователям данных, которые хотят автоматизировать работу и обеспечить воспроизводимость экспериментов. • Разработчикам и ИТ‑специалистам, желающим системно подойти к построению решений на основе машинного обучения и перейти на продвинутый уровень. ➡ Открытый урок пройдёт 9 сентября в преддверии старта курса «Машинное обучение. Продвинутый уровень». Регистрируйтесь https://otus.pw/G0ppi/?erid=2W5zFGqfgUR Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

Разница между C++ и Python

⚡️ Harness Engineering - полный курс на русском Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию. Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов. Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента. https://github.com/justxor/Harness_ru

🔴В 2025 году Россияне заработали 5,3 млрд рублей на арбитраже криптовалют По данным Минфин 32% граждан покинули своё место работы, поскольку в среднем уже в первый месяц тут можно зарабатывать от 140 000 рублей, а через 2-3 месяца с легкостью выйти на семизначные числа. Самое смешное, что лишь 8% россиян что-то слышали об этой профессии, хотя все инструкции бесплатно лежат на канале Арбитраж Криптовалют Там объясняют, как имея телефон и доступ в интернет, заработать свои первые $2000. Причём разжёвывают так доступно, что поймёт даже ребенок. Кстати, на канале сегодня вышла новая рабочая связка! Быстрее вступайте, пока это бесплатно — https://t.me/+QMOc1G6J2VoxMTcy