Python 🇺🇦

5 швидких проєктів на Python для початківців У відео показано п’ять простих міні-проєктів, які можна зробити за один день і прокачати свої навички Python Python

Як успішно проходити співбесіди Python

Ловіть пораду з чистого коду Декоратори дозволяють додавати повторно використовуваний функціонал до функцій і підтримувати принцип розділення відповідальності Приклад:

def ask_for_passcode(func):
    def inner():
        print('Який пароль?')
        passcode = input()

        if passcode != '1234':
            print('Невірний пароль.')
        else:
            print('Доступ дозволено.')
            func()

    return inner


@ask_for_passcode
def start():
    print("Сервер запущено.")


@ask_for_passcode
def end():
    print("Сервер зупинено.")


start()  # декоратор запитає пароль
end()    # декоратор запитає пароль

Python

Купили б собі таку штуку? 🔥 — звичайно 😁 — ні Python

Яка різниця між for і while? • for— використовують, коли заздалегідь відома кількість повторень (є початок і кінець циклу) • while — використовують, коли потрібно виконувати дію, поки істинна певна умова (кількість ітерацій наперед невідома) Python

PaddleOCR Зовсім недавно Baidu виклала у відкритий доступ свою найпотужнішу мультимодальну модель для розуміння документів — PaddleOCR-VL. При розмірі всього 0,9 млрд параметрів вона побила рекорд OmniBenchDoc, зайнявши перше місце у світі і показавши SOTA за всіма чотирма основними метриками, обійшовши такі моделі, як GPT-4o, Gemini-2.5 Pro, MinerU2.5 і dots.ocr. Чому це важливо В епоху ШІ цінність структурованих даних із документів очевидна, але якість розпізнавання у різних OCR-інструментів сильно різниться. Багато документів містять складні таблиці, формули або багатоколонкові макети, і традиційні OCR-моделі часто видають сміття, яке потім доводиться вручну правити. PaddleOCR-VL вирішує цю проблему кардинально. Що вміє модель Це найпотужніший похідний варіант Wenxin 4.5. Вона набрала 92.6 балів у глобальному тесті OmniDocBench v1.5, зайнявши 1-е місце за сукупною продуктивністю. Швидкість інференсу зросла на 14,2% порівняно з MinerU2.5 і на 253,01% порівняно з dots.ocr. Але це не просто OCR, який витягує текст. Модель реально розуміє структуру документа. Наукові статті, газети з кількома колонками, технічні звіти — все це вона розбирає коректно, відновлюючи правильний порядок контенту. Що можна витягувати Модель точно парсить таблиці, математичні формули, рукописні нотатки, дані з графіків і діаграм, конвертуючи все це у готові до використання структуровані дані. Підтримується 109 мов, включно з китайською, англійською, французькою, японською, російською, арабською, іспанською та іншими. Це сильно покращує можливості моделі при роботі з багатомовними документами. Модель уже викладена в open source, підтримує кілька варіантів деплою і доступна для тестування прямо на HuggingFace. 📁 Language: #Python 77.0% ⭐️ Зірки: 57.5k ➡️ Посилання на GitHub Python'er

PSF відмовилася від гранту $1,5 млн на посилення безпеки PyPI Python Software Foundation відмовилася від гранту Національного наукового фонду США через умови, які забороняли будь-які ініціативи, що підтримують різноманіття, рівність і інклюзивність (DEI). Це обмеження поширювалося на всю діяльність PSF під час дії гранту, створюючи юридичні та етичні ризики Фінансування планували спрямувати на проактивну перевірку пакетів PyPI до публікації, автоматичний аналіз коду на шкідливі патерни та розвиток інструментів безпеки для інших екосистем В організації пояснили, що безпека важлива, але не ціною відмови від базових цінностей спільноти Python

І безуспішно @co_media

Шпаргалка про Pandas і NumPy в Python: основні типи даних (dtype) у Pandas, їх відповідники в Python і NumPy та способи використання Python

Think Python — книга для старту з нуля Безкоштовний ресурс для вивчення Python: від змінних до ООП і рекурсії. Оформлено у форматі Jupyter-ноутбуків — читай, запускай код і вирішуй задачі прямо в браузері через Colab Рішення та приклади — у GitHub-репо Python

Вайб-кодери йдуть додому вже о 12:30 дня, тому що вперлися в ліміт запитів у ChatGPT Python

Шпаргалка про Python: основні типи даних, змінні, оператори керування потоком, функції, класи та об’єкти, імпорт модулів і обробку винятків Python

#Вакансія 🖥 Маєш навички IT? Хочеш отримати досвід у Web3 та виплати за завдання? У "C4-Dev.Hub" ти отримуєш ментора, готове ТЗ від проекту та стартуєш одразу. 👥 «С4 team» – команда з 5-річним досвідом у Web3: інвестуємо в проекти та спільноту, беремо участь у грантах/баунті/хакатонах, супроводжуємо інтеграції. Ринок перекошений: блокчейни збирають інвестиції та будують платформи, але їм критично потрібні прикладні програми та інтеграції. За це вони залюбки платять. 💻 Що ми робимо: зібрали "C4-Dev.Hub" — команду девів (від початківців до сеньйорів), які одразу підключаються до актуальних завдань проектів під менторством "C4" та заробляють на винагородах від цих проектів. Хаб навчає практично, дає проекти, гайди та ревью, а не «курси заради курсів». Проходь опитування та приєднуйся до команди 👉 @nadyahr_bot

set() в Python — більше, ніж видалення дублікатів set() — це: • Швидка перевірка на вхід • Робота з під- і надмножинами • Обʼєднання, перетин, різниця множин Python

5 ігор на Python для навчання У відео показано створення космічного шутера, Vampire Survivor-стилю, Pong, платформера та Pokémon-битви. Інтерактивний спосіб прокачати Python і зрозуміти ключові концепції мови Python

Works on prod Python

Microsoft запустила цикл із 9 лекцій, присвячених створенню ШІ-агентів на Python У програмі — відео, презентації та приклади коду. Теми охоплюють RAG, ембеддинги, агентів та протокол MCP Python

Коли попросили на швидку руку полагодити баг Python