Python Portal

Chrome DevTools обновили для агентов. Теперь агенты могут сами устанавливать расширения Chrome и тестировать их. Достаточно установить chrome-devtools-mcp. Внутри уже есть 5 встроенных инструментов для работы с расширениями Chrome. Дальше агент может использовать скриншоты и клики, сам проходить интерфейс и запускать полностью автоматические UI-тесты. https://github.com/ChromeDevTools/chrome-devtools-mcp 👉 @PythonPortal

Офигеть. Hyper3D выпустила свою модель генерации миров WorldGen, и выглядит это очень мощно. В отличие от других интерактивных моделей мира, WorldGen может взять всего одно 2D-изображение и на его основе построить полноценную 3D-сцену со встроенными физическими правилами. И дальше ещё интереснее. Каждый объект независим. Столы, стулья и небольшие предметы в сцене можно отдельно извлекать, разбивать на самостоятельные 3D-модели, перемещать, заменять или дорабатывать. Физика встроена прямо в сцену. Модель понимает пространственное расположение объектов и автоматически определяет такие свойства, как столкновения, масса, трение и другие параметры. Плюс всё это напрямую встраивается в рабочий процесс. Сгенерированные ассеты можно импортировать в Blender, Unity или Unreal Engine и сразу использовать для создания игровых уровней, кинопроизводства, XR-контента и симуляций для обучения роботов и роботизированных манипуляторов. https://hyper3d.ai/ 👉 @PythonPortal

НЕ УЧИТЕ DSA НА PYTHON, ЕСЛИ ВЫ НОВИЧОК!!! https://cses.fi/book/book.pdf 👉 @PythonPortal

🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Джордан Нанос из SemiAnalysis рассказал, что инженеры OpenAI, которые вместе с ними пролистывали код собственного ядра, сами не понимали построчно, что именно он делает. И это не имело значения, потому что ИИ понимал. «Это не мусорный код, потому что он работает. Но по сути это буквально сгенерированный ИИ ассемблер, который просто вывален в Gluon — низкоуровневый язык программирования ядер, который они построили поверх Triton и который использует очень интересную модель программирования». «Суть в том, что парни, которые вместе с нами пролистывали этот код, явно очень хорошо разбирались в железе, очень хорошо понимали концепции всей системы, но при этом вообще не представляли, что конкретно делает это MLA-ядро для DeepSeek, которое они нам показывали». «Можно идти по коду строка за строкой, и там буквально: нет, не знаю, не знаю». «Но это не имеет значения. ИИ его понимает, ИИ его тестирует, и результат виден. Он генерирует корректные ядра, которые работают действительно очень хорошо». «И я думаю, это просто ещё один признак того, что нас ждёт дальше». «Сам по себе код уже не обязательно должен быть чем-то, что человек обязан глубоко понимать и разбирать, если ИИ знает, как управлять перемещением данных и вычислительными элементами на том железе, которое вы ему дали». 👉 @PythonPortal

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 👉 @PythonPortal

Инструмент для извлечения структурированных данных из фотографий чеков с помощью языковых моделей или Tesseract OCR. https://github.com/bhimrazy/receipt-ocr Он распознаёт содержимое чека и преобразует его в данные, с которыми уже можно нормально работать в приложении. 👉 @PythonPortal

Недавние изменения в подходе CMU к преподаванию с учётом ИИ выглядят довольно показательно. Преподаватели университетов начали принимать новую реальность: студенты всё равно будут использовать ИИ, поэтому сами курсы приходится перестраивать под это. На курсах по программированию постепенно снижается акцент на том, чтобы писать большие объёмы кода полностью с нуля. Вместо этого больше внимания уделяют планированию, проектированию систем, тестированию и ревью кода. Ассистенты преподавателей даже проводят прямые собеседования со студентами, где нужно объяснить, как именно был сделан проект и почему были выбраны именно такие решения. Выводы из курса «Effective Coding With AI» тоже довольно интересные. Постепенно проверять работу, валидировать результаты и осознанно сравнивать разные модели. В итоге преподаватель заметил, что больше всего научились те студенты, которые «не позволяли ИИ думать за них». Возможно, это одно из самых очевидных изменений после прихода ИИ в образование. Раньше в заданиях в основном смотрели на то, «получил ли ты правильный результат». В будущем гораздо важнее будет то, можешь ли ты объяснить процесс, оценить результат работы ИИ, заметить ошибки, а затем самостоятельно принять решение. Разумеется, понимать код всё ещё необходимо. Но то, «сколько строк ты написал вручную», постепенно теряет тот вес, который имело раньше. 👉 @PythonPortal

👩‍💻 Всем программистам посвящается! Вот 14 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 👩‍💻 IT Новости — t.me/it_ready 🤖 AI & ML — t.me/neuro_ready 👩‍💻 Frontend — t.me/frontend_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 👩‍💻 Java — t.me/java_ready 📖 IT Книги — t.me/books_ready 📱 JavaScript — t.me/javascript_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

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 👉 @PythonPortal

Когда-то Линус Торвальдс отказался от возможности, о которой сегодня мечтали бы очень многие. Примерно в 2000 году Стив Джобс пригласил Линуса в кампус Apple в Купертино и попытался переманить его к себе. Предложение было простым: Unix для огромной аудитории Apple. Но была одна проблема. Джобс хотел, чтобы Линус прекратил работать над Linux. Линуса это не заинтересовало. Он хотел продолжать развивать ядро, которое начал писать ещё студентом, а подход Apple к OS X на основе Mach его не впечатлял. В итоге он дал Джобсу простой ответ: Нет. В то время Apple всё ещё перестраивала свою операционную систему вокруг технологий, полученных после покупки NeXT. OS X тогда ещё даже не была выпущена публично. Apple в итоге создала OS X, затем iOS и целую экосистему вокруг миллиардов устройств. Linux пошёл совсем другим путём. Он стал основой Android, фундаментом огромной части интернета и стандартной операционной системой для суперкомпьютеров по всему миру. Линус мог провести карьеру, помогая Apple строить её Unix-будущее. Но вместо этого он выбрал Linux. И где-то в альтернативной реальности Линус Торвальдс — сотрудник Apple. Очень рад, что мы живём не в этой реальности. 👉 @PythonPortal

Я всегда пользовался TablePlus, но недавно попробовал DBX — открытый клиент для работы с базами данных. Что-то вроде TablePlus или DBeaver, только с очень приятным интерфейсом, встроенным ИИ и поддержкой огромного количества баз. Функций там намного больше, чем мне нужно, но выглядит реально хорошо. Рекомендую попробовать. https://github.com/t8y2/dbx 👉 @PythonPortal

Нашёл настоящую золотую жилу для тех, кто готовится к собеседованиям в FAANG Complete FAANG Preparation, уже больше 12 тысяч , включает → DSA — 450 задач от Love Babbar, лист Striver и лист Apna College → Основы Computer Science — ОС, СУБД, SQL, компьютерные сети, ООП → Проектирование систем — LLD и HLD → Задачи на логику, тесты и головоломки на C++, Python, Java и JavaScript Один репозиторий, и в нём практически всё, что нужно https://github.com/AkashSingh3031/The-Complete-FAANG-Preparation 👉 @PythonPortal

На Stepik вышла программа «DevOps с нуля: от Linux до Kubernetes» Это комплексная программа из 5 практических курсов по ключевым технологиям DevOps: Linux, Git, Docker, GitLab CI/CD, Kubernetes Вы последовательно пройдёте путь от работы в Linux и управления кодом через Git до контейнеризации приложений, настройки CI/CD-пайплайнов и развёртывания в Kubernetes. Что вы изучите:

• работу с Linux и командной строкой • Git и контроль версий в реальных проектах • создание Docker-образов и запуск контейнеров • автоматизацию сборки, тестирования и деплоя в GitLab CI/CD • развёртывание и управление приложениями в Kubernetes • сети, хранилища, конфигурации и секреты • диагностику инфраструктуры и автоматизацию рутинных задач ... и многое другое

Все знания закрепляются на практике с помощью заданий с автопроверкой. Материал подаётся последовательно и понятным языком: с примерами, схемами и демонстрациями. Во время обучения можно задавать вопросы по урокам и заданиям, получать обратную связь и помощь при возникновении сложностей. После прохождения программы вы получите сертификат, который можно добавить в резюме. Скидка 20% на 48 часов: по промокоду PORTAL20 стоимость всей программы составит 10 392 ₽. Открыть программу на Stepik

NVIDIA AI Infrastructure & Operations (NCA-AIIO) — полный курс для подготовки к сертификационному экзамену. Что вы изучите • Получите практическое понимание этого направления глубокого обучения • Разберётесь, как модели обучаются, оптимизируются и улучшаются на данных • Научитесь подготавливать данные и признаки для построения моделей • Поймёте, как объединять поиск, эмбеддинги и генерацию в практические ИИ-системы • Научитесь работать с последовательностями, текстом и языковым моделированием • Перейдёте от ноутбуков к развёртываемым ИИ-системам с мониторингом https://www.youtube.com/playlist?list=PLFR3p8fW9K1_oHvOcDfDGxKXL_iKWC1Y8 👉 @PythonPortal

«Математические методы в науке о данных с Python» Себастьяна Роша. https://mmids-textbook.github.io 👉 @PythonPortal

Почему большинству качественных генераторов изображений нужна серьёзная видеокарта хотя бы для запуска? Потому что большие модели делают изображения лучше, верно? NVIDIA с SANA утверждает, что это не совсем так. Модель примерно в 20 раз меньше и до 100 раз быстрее Flux-12B, одной из сильнейших открытых моделей для генерации изображений, при этом по стандартным тестам остаётся примерно в том же диапазоне качества. Причём перед установкой её можно бесплатно попробовать в демо от NVIDIA. https://github.com/NVlabs/Sana 👉 @PythonPortal

Система захвата движений в голливудской студии может стоить как дом. А кто-то собрал почти то же самое и выложил бесплатно на GitHub. Проект называется FreeMoCap. Берёте две или больше обычных веб-камер, GoPro или даже смартфоны. Один раз калибруете пространство с помощью распечатанной шахматной сетки, записываете движение, а дальше программа превращает видео в полноценные 3D-данные захвата движений. Результат можно сразу использовать в Blender или экспортировать в таблицу. Не нужен специальный костюм, маркеры или студия. Только камеры, которые у вас, скорее всего, уже есть, и компьютерное зрение, которое заменяет оборудование на десятки тысяч долларов. https://freemocap.org 👉 @PythonPortal

Если хотите разобраться, как обучить большую модель с нуля, рекомендую посмотреть вот это ↓ Сооснователь ARC Prize и создатель Keras Франсуа Шолле недавно посоветовал путь для изучения LLM с нуля. Он сказал, что если вам 17 лет или вообще сколько угодно и вы хотите с нуля научиться создавать LLM, просто прочитайте главы 15 и 16 его книги *Deep Learning with Python*. Я бегло их просмотрел, и эти две главы точно стоит сохранить. Глава 15 начинается с самых базовых языковых моделей и постепенно доходит до Character-level Language Model → Seq2Seq → Attention → QKV → Scaled Dot-Product Attention → Multi-Head Attention → Self-Attention → Transformer Там даже есть отдельный раздел с объяснением того, почему вообще работает Dot-Product Attention. Сам он говорит, что это одно из лучших объяснений этой темы. Автор не останавливается на формулах вроде QKᵀ / √d. Он начинает с Word2Vec и пространства эмбеддингов, а затем объясняет, как Transformer слой за слоем через Attention постепенно превращает связи между токенами в отношения расстояний в векторном пространстве. Глава 16 ещё практичнее. В ней напрямую показывают, как обучить mini-GPT с нуля. Разбирается, как взять почти 1 миллиард токенов из C4, собрать словарь SentencePiece на 32 тысячи токенов, настроить mini-GPT на 41 миллион параметров с 8 слоями, 8 головами внимания и размером скрытого состояния 512, а затем самостоятельно собрать конвейер данных, сделать weight tying, прогрев скорости обучения, предобучение и генерацию с temperature и top-k. От токенизатора, конвейера данных, causal attention, weight tying и прогрева скорости обучения до предобучения, greedy decoding, temperature и top-k sampling. По сути, вас шаг за шагом проводят через полный процесс обучения GPT. Для этого даже не нужен дорогой сервер. В официальном примечании указано, что весь пример можно запустить на бесплатной T4 в Google Colab. Обучение займёт около 6 часов. На A100 — чуть больше часа. Дальше в книге разбираются Gemma, SFT, RLHF, RAG и мультимодальные модели. Поэтому если меня спросят «Я никогда раньше не обучал большую модель. С чего начать?» Эти две главы действительно могут быть отличной отправной точкой. Третье издание *Deep Learning with Python* сейчас доступно для бесплатного чтения онлайн, а все сопутствующие ноутбуки полностью открыты. Их можно просто загрузить в Colab и запустить. В 2026 году для изучения LLM уже необязательно сразу садиться и разбирать сотню научных статей. Если один раз самостоятельно обучить GPT на 41 миллион параметров от подготовки данных до генерации текста, очень многие концепции после этого естественным образом складываются в единую картину. 👉 @PythonPortal

Создатель Node.js только что запустил Dactyl. Нативные приложения для iPhone и Android прямо из веба. Без Mac, Xcode и Android Studio. ✓ Симулятор SwiftUI прямо в браузере через WASM ✓ Один и тот же код для iOS и Android ✓ Можно использовать свою подписку ChatGPT https://dactyl.dev/ 👉 @PythonPortal