Python RU
Kanalga Telegram’da o‘tish
Все для python разработчиков админ - @haarrp @python_job_interview - Python собеседования @ai_machinelearning_big_data - машинное обучение @itchannels_telegram - 🔥лучшие ит-каналы @programming_books_it - it книги @pythonl РКН: clck.ru/3Fmy2j
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Python RU analitikasi
Python RU (@pro_python_code) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 12 327 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 10 175-o'rinni va Rossiya mintaqasida 52 285-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 12 327 obunachiga ega bo‘ldi.
29 Oktabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -13 ga, so‘nggi 24 soatda esa -2 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 7.58% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.19% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 934 marta ko‘riladi; birinchi sutkada odatda 393 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 4 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent api, docker, github, sql, linux kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Все для python разработчиков
админ - @haarrp
@python_job_interview - Python собеседования
@ai_machinelearning_big_data - машинное обучение
@itchannels_telegram - 🔥лучшие ит-каналы
@programming_books_it - it книги
@pythonl
РКН: clck.ru/3Fmy2j”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 30 Oktabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
12 327
Obunachilar
-224 soatlar
+17 kun
-1330 kun
Postlar arxiv
12 327
🖥 Sqlite-web
Это удобная веб-админка для управления базами данных SQLite, разработанная на Python.
$ pip install sqlite-web
🖥 GitHub: https://github.com/coleifer/sqlite-web
@pro_python_code
12 327
🖼 php-jpeg-injector — скрипт на Python, который встраивает PHP-код в JPEG-изображения. Этот код можно использовать в веб-приложениях, где JPEG-файлы обрабатываются через библиотеку GD.
🌟 Скрипт позволяет внедрить полезную нагрузку в неиспользуемые данные изображения, которые могут быть интерпретированы сервером как PHP-код при определенных условиях.
🖥 Github
@pro_python_code
12 327
👩💻 Создание конвейера потоковой передачи данных в реальном времени с использованием Kafka, Flink и Postgres!
🕞 Продолжительность: 1:00:51
🔗 Ссылка: *клик*
#курс #python #kafka
@pro_python_code
12 327
Теория и практика: A/B-тестирование для успешной аналитики ⭐
Бесплатный вебинар 6 ноября в 19:00 мск
Аналитик данных помогает бизнесу не ошибаться при принятии важных решений. А А/В-тесты - один из must-have инструментов, которые в этом помогают.
Если вы хотите разобраться в основах проведения экспериментов и научиться правильно проводить А/В-тесты, ждём вас на бесплатном вебинаре.
На реальных кейсах узнаем:
— Что такое A/B-тестирование
— Как выбрать гипотезу для тестирования
— Как определить метрики успешности
— Когда тест можно считать завершенным
и др.
🚶 Переходите и регистрируйтесь на бесплатный вебинар.
12 327
👩💻 Изучение Python: 5 проектов для начинающих!
🌟 Начало вашего пути в программировании на Python может показаться сложным, но лучший способ обучения — это практика. Мы рассмотрим пять постепенно усложняющихся проектов, которые проведут вас от новичка до более продвинутых уровней понимания. В ходе этих проектов будут рассмотрены и непосредственно применены такие основополагающие концепции, как операторы печати, обработка ввода, условные операторы, циклы, функции и многое другое!
🕞 Продолжительность: 2:51:08
🔗 Ссылка: *клик*
@pro_python_code
12 327
12 327
👩💻 Пять концепций Python, которые вы обязаны знать!
💡 В этом видео автор охватывает пять основных концепций Python, которые начинающие и продвинутые программисты часто неправильно понимают или с которыми делают ошибки. Эти концепции крайне важны для понимания при чтении чужого кода и написании собственного
🕞 Продолжительность: 19:59
🔗 Ссылка: *клик*
@pro_python_code
12 327
⚡️ Brisk — это быстрый и удобный менеджер загрузок для Windows и Linux.
Он оснащён мощным движком загрузки, интегрируется с браузерами, позволяет управлять очередями и даёт возможность быстро добавлять ссылки с помощью горячей клавиши.
Программа автоматически адаптирует соединения для максимально быстрой загрузки файлов и может перезагрузить зависшие соединения.
Исходный код доступен на GitHub: https://github.com/AminBhst/brisk
@pro_python_code
12 327
🖥 Python уроки программирования с нуля. Урок 9. Работа с циклом For
https://www.youtube.com/watch?v=m6F108yFngo
@pro_python_code
12 327
Поговорим про Python?
Новичкам нужен ваш опыт!
Сервис онлайн-образования Яндекс Практикум выбирает наставника на курс «Python-разработчик». Общаться со студентами предстоит много (нагрузка от 10 часов в неделю), поэтому нужен сеньор, для которого это будет в кайф.
С soft skills поможет бесплатная Школа наставников, а удалёнка и гибкий график позволят планировать занятость с комфортом.
Итого, посчитаем основные плюсы: статус эксперта Яндекс Практикума, дополнительный доход и новички, которых вы можете увлечь Python-разработкой. Perfect!
Откликнуться ←
12 327
👩💻 VSCode Фишки, которые НЕОБХОДИМО знать разработчикам Python
https://www.youtube.com/watch?v=hovkQsN1P24
@python_job_interview
12 327
🖥 deepface — библиотека Python для распознавания лиц и не только
—
pip install deepface
⏩deepface — лёгковесная библиотека Python, позволяет находить лица и анализировать по фотографии разные атрибуты: возраст, пол, эмоции.
Вобрал в себя лучшее моделей VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace и GhostFaceNet.
⏩Вот так можно сравнить схожесть 2 лиц, результат на изображении:
from deepface import DeepFace
result = DeepFace.verify(img1_path = "img1.jpg", img2_path = "img2.jpg")12 327
🖥 deepface — библиотека Python для распознавания лиц и не только
—
pip install deepface
⏩deepface — лёгковесная библиотека Python, позволяет находить лица и анализировать по фотографии разные атрибуты: возраст, пол, эмоции.
Вобрал в себя лучшее моделей VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace и GhostFaceNet.
⏩Вот так можно сравнить схожесть 2 лиц, результат на изображении:
from deepface import DeepFace
result = DeepFace.verify(img1_path = "img1.jpg", img2_path = "img2.jpg")12 327
🖥 py2many: Python to many CLike languages transpiler
Инструмент py2many помогает переводить код на Python в код на различных языках, включая Rust.
Он поддерживает множество языков, таких как
Rust, C++, Julia, Kotlin и другие, а также способен генерировать код Python с аннотациями типов.
Для трансляции кода используется команда в терминале, после чего сгенерированный код компилируется.
На сайте проекта доступна документация с инструкциями по установке необходимых библиотек и форматировщиков.
GitHub: https://github.com/py2many/py2many12 327
Бесплатный вебинар «Как стать аналитиком: полное руководство к действию» ↗️
Хотите узнать как выглядит типичный день аналитика, познакомиться с задачами и решить, подходит ли вам профессия?
Спикер Ия Зотова, ментор и тимлид направления аналитики в Сбере, на бесплатном вебинаре даст стратегию поиска работы и расскажет, как осознанно и эффективно начать карьеру в сфере.
Что будем делать на вебинаре?
✅ выясним, чем занимаются аналитики и какими они бывают
✅ поговорим о том как находить в данных инсайты и визуализировать результаты
✅ обсудим карту компетенций и разберем актуальные инструменты
✅ рассмотрим тренды в аналитике: AI/ML и BigData
✅ поймем, как выбрать pet-проект и найти крутую работу
Встречаемся в 23 октября в 19:00 по мск. Регистрируйтесь и погружайтесь в аналитику по ссылке 🔗
12 327
Repost from Machinelearning
+2
🌟 Arch-Function: коллекция моделей для вызова функций.
Модели Arch-Function понимают сложные сигнатуры функций, идентифицируют необходимые параметры и генерируют точные вызовы функций на основе промптов.
Семейство основано на Qwen 2.5, его модели оптимизированы для низкой задержки инференса и высокой пропускной способности. Они отлично подходят для работы в режиме реального времени в производственной среде.
▶️Функциональные возможности моделей:
🟢Single Function Calling. Вызов одной функции для каждого запроса;
🟢Parallel Function Calling. Вызов одной и той же функции несколько раз, но с разным набором параметров;
🟢Multiple Function Calling. Вызов различных функций для каждого запроса;
🟢Parallel & Multiple. Выполнение параллельного и множественного вызова функций.
▶️Семейство Arch-Function:
🟢Arch-Function-7B;
🟢Arch-Function-3B;
🟢Arch-Function-1.5B.
В репозитории на HF доступны квантованные версии всех моделей в формате GGUF:
🟠Arch-Function-7B в 4-bit разрядности;
🟠Arch-Function-3B в разрядностях от 2-bit до 6-bit;
🟠Arch-Function-1.5B в разрядностях от 2-bit до 6-bit.
Модели семейства прошли оценку на Berkeley Function-Calling Leaderboard (BFCL).
Результаты показывают, что Arch-Function-7B и Arch-Function-3B демонстрируют производительность, сопоставимую с GPT-4-turbo-2024-04-09 и xLAM-8x22b-r.
Arch-Function можно запустить с помощью библиотеки
Transformers или в промпт-шлюзе Arch.
⚠️ Для достижения наилучших результатов рекомендуется использовать конфигурацию промптов, указанных в примерах одиночного или многошагового вызова функций.
📌Лицензирование : Katanemo license.
🟡Коллекция моделей
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #LLM #Katanemo #Arch-Function