Программистика

👩‍💻 Интерактивный онлайн курс по Python Освойте Python, обучаясь на упражнениях, приближенных к реальным профессиональным задачам

🌐 Ссылка

Программистика || #Ресурсы

Какое железо нужно для локальных нейросетей?

📱 Первоисточник

Программистика|| #video

Шпаргалки по Python для начинающих Если вы только начали учить Python или хотите быстро освежить знания в памяти, этот гайд — настоящая находка. Внутри собраны все ключевые концепции с готовыми примерами кода. Программистика||#doc

Python от Python_Samurai: часть 1

Данный курс - это первая часть материала, посвященному базовым основам языка Python. Все части материала дадут вам наиболее полную информацию о базовой части языка c учетом всех тенденций его развития.

🌐 Ссылка

Программистика || #Course

Алгоритмы и структуры данных с примерами на Python

Цель этой книги – при помощи наглядных иллюстраций и исполняемых примеров кода помочь читателю понять ключевые идеи алгоритмов и структур данных и освоить их воплощение в программном коде. Если вам необходимо подготовиться к собеседованию или получить базовые навыки перед сложным курсом по программированию, но не хватает времени на чтение множества учебников от корки до корки, этот учебник станет для вас спасательным кругом в океане знаний. Книга будет особенно полезна всем, у кого есть начальные навыки программирования, но отсутствует четкое понимание алгоритмов и структур данных. Более опытным читателям она поможет освежить и систематизировать знания об алгоритмах.

Программистика||#doc

👩‍💻InquirerPy — это Python-форк знаменитой библиотеки Inquirer.js, позволяющий создавать красивые интерактивные интерфейсы в терминале. Библиотека поддерживает все популярные типы диалогов: текстовый ввод, подтверждения, списки (одиночный выбор), чекбоксы (множественный выбор) и даже ввод пароля. InquirerPy написан на чистом Python с использованием prompt_toolkit, работает на всех платформах (Windows, macOS, Linux) и предлагает два варианта синтаксиса: классический (для обратной совместимости с PyInquirer) и альтернативный (гибкий, с подсказками от IDE). 🐱 Ссылка на GitHub Программистика|| #Репозиторий

Yandex Ecom Open Air — летнее событие про онлайн-продажи Yandex Ecom Open Air 2026 объединяет деловую программу, живое общение и атмосферу фестиваля в одном потоке. Здесь обсуждают технологии, которые становятся частью среды. Исследуют силы, которые влияют на весь рынок. Находят новые связи, идеи и точки роста. В течение дня пространство фестиваля наполняют выступления, дискуссии, встречи, специальные форматы, музыка и активности партнёров. Присоединиться к происходящему можно из любой точки — на площадке фестиваля или через онлайн-трансляцию. Зарегистрироваться #реклама 18+ ecomfest.ru О рекламодателе

🧠 Базы данных на Python и ИИ: статистика, аналитика, большие данные и машинное обучение

Эта книга – практическое руководство по работе с данными в Python, написанное для тех, кто хочет не просто «знать теорию», а реально работать с данными в повседневных задачах. Шаг за шагом мы пройдем полный жизненный цикл данных: от хранения в базах и написания запросов до анализа, оптимизации и осмысленной интерпретации результатов.

Программистика||#doc

Инструкция по созданию Django приложения "To-Do List"

Это веб-приложение, позволяющее пользователю создавать, редактировать и удалять задачи. Пользователь может пометить задачи как выполненные и просматривать их в удобном списке. Добавлена интерактивность с помощью фронтенд-элементов, что сделает приложение удобным и привлекательным для использования. Внешний вид приложения будет современным и простым, с использованием стилей CSS и JavaScript для взаимодействия с пользователем.

🌐 Ссылка

Программистика || #Course

АЙТИШНИКИ, ХВАТИТ сливать время на прилизанные новости и бесполезные курсы Проект «ИИнтеллигенция» стал главным каналом для тех, кто использует нейросети на уровне разработки, автоматизации и опенсорса, а не просто балуется в чатах. Здесь собирают только то, что реально экономит человеко-часы и работает в проде. 🎓 Готовые ИИ-сервисы, промпты и ИИ-агенты для автоматизации рутины 🖋 Разборы полезных ИИ-инструментов, локальных LLM и опенсорс-репозиториев 🛠 Практические кейсы, гайды по деплою моделей и интеграции ИИ в пайплайны ⚡️ Технические ИТ-новости без маркетинговой воды и душных отчетов Обучение и прокачка в реальном времени: работа с API (Claude, GPT), локалки (Ollama, vLLM), автоматизация кода, опенсорс-утилиты, AI-агенты и др. Ценишь время и работаешь с ИИ, подпишись: @clucai

👨‍💻 Ты боишься, что AI заменит тебя? Зря. Вот почему

📱 Первоисточник

Программистика|| #video

🐱 GitHub — это тысячи новых репозиториев каждый день. Но сколько из них реально стоят внимания? Нашёл канал, где уже отбирают самое интересное: 🟢AI и нейросети 🟢self-hosted 🟢полезные утилиты 🟢инструменты для разработки 🟢автоматизация и многое другое Короткое описание, ссылка на репозиторий, ничего лишнего. ➡️ @GitHubRadar

📁 `pathlib` вместо `os.path`: работай с путями по-человечески Устали от os.path.join(os.path.dirname(__file__), 'data', 'file.txt')? В Python есть современный объектно-ориентированный способ. ❌ Старый стиль (os.path):

import os
path = os.path.join(os.path.dirname(__file__), 'data', 'file.txt')

✔️ Новый стиль (pathlib):

from pathlib import Path
path = Path(__file__).parent / 'data' / 'file.txt'

🟢 Что умеет pathlib: - Path.cwd() — текущая директория - Path.home() — домашняя папка - path.exists(), path.is_file(), path.is_dir() - path.read_text(), path.write_text('content') - path.glob('*.py') — поиск файлов - path.resolve() — абсолютный путь - path.with_suffix('.txt') — замена расширения

# Чтение и запись одной строкой
content = Path('config.json').read_text()
Path('output.txt').write_text('Hello, world!')

pathlib — это не просто синтаксический сахар, а удобный инструмент, который делает код чище и кроссплатформенным. Программистика|| #tips

🔠 Слили 4 ТБ по IT, хакингу и разработке. ⚪️ Все лучшие инструкции, гайды, книги и инструменты — без воды. 🖥 Курсы & GitHub — 579GB ☁️ Хакинг & ИБ — 756GB 🤒 OSINT — 315GB ⌨️ Python — 955GB 🙃 Linux & Bash — 459GB 😦 Работа в IT — 278GB 🖥 Общий архив — 946GB ➡️ Присоединяйтесь и скачивайте. Пост будет удален через 48 часов.

🔌 Niquests: HTTP-клиент, который сделал Requests устаревшим (и работает в 2-3 раза быстрее) Если вы всё ещё используете requests — вы отстаёте от жизни. Requests официально заморожен и не получает новых фич. На сцену вышел Niquests — его прямой наследник, который работает быстрее, поддерживает HTTP/2 и HTTP/3 «из коробки» и при этом полностью совместим с кодом, написанным под requests. Главное преимущество Niquests — он просто работает. Меняете import requests на import niquests as requests — и всё. Все ваши старые скрипты с requests.get(), Session(), hooks и mock-библиотеками продолжают работать без изменений. При этом Niquests автоматически включает HTTP/2 и HTTP/3, поддерживает асинхронность, потокобезопасность и даже DNSSEC. 📦 Установка:

pip install niquests

🚀 Пример (ваш старый код — просто работает):

# Было (requests)
import requests
response = requests.get("https://httpbingo.org/get")
print(response.json())

# Стало (Niquests) — просто меняете импорт
import niquests as requests
response = requests.get("https://httpbingo.org/get")
print(response.json())  # Всё работает, но уже через HTTP/2!

Асинхронный пример:

import niquests

async def fetch():
    async with niquests.AsyncSession() as session:
        response = await session.get("https://api.example.com/data")
        return response.json()

Программистика || #Репозиторий

Самый прогерский канал, где за 10 минут ты научишься: / Пр0бuв по фото и номеру в ТГ // Как взломать вебку подруги /// Мануал по OSINT разведке Ссылка действительна 23 ч. 59 мин. 👇 https://t.me/+3xWtEj_0qa9hNmUy

🧩 Генераторы: `yield` и `yield from` — как это работает под капотом и зачем это нужно Вы каждый день пишете for x in range(10), но задумывались ли вы, как range выдаёт числа по одному, не создавая список? Или как работают бесконечные последовательности? Генераторы — одна из самых мощных фич Python, которую многие используют, но не до конца понимают. Разбираемся, что скрывается за yield. 🧱 Проблема: список vs генератор Когда вы создаёте список, все элементы хранятся в памяти. Для миллиона чисел это 8 МБ только на ссылки, не считая самих объектов. Генератор вычисляет значения по требованию — экономия памяти очевидна. ❌ Список (память):

squares = [x**2 for x in range(10_000_000)]  # ~80 МБ

✔️ Генератор (экономия):

squares = (x**2 for x in range(10_000_000))  # ~0 байт

Но генераторы — это не только экономия памяти. Это ещё и управление выполнением, и асинхронность, и бесконечные последовательности. 🧠 Как работает `yield` под капотом Когда Python встречает yield, функция превращается в генератор. При вызове она не выполняется, а возвращает объект-генератор. При первом next() выполняется до первого yield, возвращает значение и приостанавливается. При следующем next() возобновляется с того же места.

def simple_gen():
    print("Начало")
    yield 1
    print("Продолжение")
    yield 2
    print("Конец")

g = simple_gen()
print(next(g))  # Начало → 1
print(next(g))  # Продолжение → 2
print(next(g))  # Конец → StopIteration

Внутри генератор хранит состояние: локальные переменные, текущую позицию, стек вызовов. Это похоже на сопрограмму. 🔁 `yield from` — делегирование другому генератору До Python 3.3, чтобы передать управление вложенному генератору, приходилось писать циклы. yield from делает это автоматически. ❌ Без `yield from` (муторно):

def flatten(nested):
    for sublist in nested:
        for item in sublist:
            yield item

✔️ С `yield from` (красиво):

def flatten(nested):
    for sublist in nested:
        yield from sublist

yield from не только передаёт значения, но и принимает send() и throw() от вызывающего, что делает генераторы полноценными сопрограммами. Пример с `yield from` в цепочке:

def chain(*iterables):
    for it in iterables:
        yield from it

for x in chain([1, 2], "abc", range(3)):
    print(x)  # 1, 2, a, b, c, 0, 1, 2

🧪 Генераторы как сопрограммы (двусторонняя связь) Генераторы могут не только выдавать значения, но и принимать их извне через send(). Это превращает их в сопрограммы.

def grep(pattern):
    print(f"Ищу {pattern}")
    while True:
        line = yield
        if pattern in line:
            print(f"Найдено: {line}")

g = grep("python")
next(g)  # активация
g.send("Java рулит")   # ничего
g.send("Python рулит") # Найдено: Python рулит
g.close()

Аналог send для throw — пробросить исключение внутрь генератора. Пример пайплайна с генераторами:

def read_lines(filename):
    with open(filename) as f:
        for line in f:
            yield line

def filter_errors(lines):
    for line in lines:
        if "ERROR" in line:
            yield line

def extract_message(line):
    yield line.split(":")[-1].strip()

pipeline = extract_message(filter_errors(read_lines("app.log")))
for msg in pipeline:
    print(msg)

Каждый шаг обрабатывает данные лениво, без промежуточных списков. 💡 Запомни:

🟢 Генератор — это функция с yield, возвращающая итератор, который вычисляет значения по требованию. 🟢 yield from делегирует выполнение другому генератору, упрощая вложенность. 🟢 Генераторы экономят память и позволяют обрабатывать бесконечные последовательности. 🟢 send() и throw() делают генераторы полноценными сопрограммами. 🟢 В Python 3.5+ async/await заменили генераторы для асинхронности, но генераторы остались незаменимы для ленивых вычислений.

Программистика || #Статья

Самый прогерский канал, где за 10 минут ты научишься: / Пр0бuв по фото и номеру в ТГ // Как взломать вебку подруги /// Мануал по OSINT разведке Ссылка действительна 23 ч. 59 мин. 👇 https://t.me/+21aDomQkVOMxMjU6

⚡️ Полный Курс по FastAPI

📱 Первоисточник

Программистика|| #video