🎥 Что посмотреть: DjangoCon Europe 2025
Работаете с Django? Тогда это must-watch.
Организаторы уже выложили видео с докладами — и там много интересного:
✅ архитектура, async, PostgreSQL, security, AI-интеграции, DX и многое другое.
🎙 Выступления — от core-разработчиков и крупных команд. Много живых кейсов, best practices и идей для прокачки проектов.
Все видео доступны по ссылке: https://clc.to/xEkXFQ
Библиотека питониста #буст
Работаете с Django? Тогда это must-watch.
Организаторы уже выложили видео с докладами — и там много интересного:
🎙 Выступления — от core-разработчиков и крупных команд. Много живых кейсов, best practices и идей для прокачки проектов.
Все видео доступны по ссылке: https://clc.to/xEkXFQ
Библиотека питониста #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11👍3🔥1
😤 Пока вы думаете — остальные уже учатся строить системы, которые работают за них
⚡24 часа до старта курса по AI-агентам. Самое время задуматься о прокачке скиллов, потому что места ограничены!
Если вы до сих пор думаете, что LLM — это просто «вызов через API», то вы рискуете очень скоро оказаться за бортом индустрии.
Модели больше не в центре. Решают те, кто умеет собирать интеллектуальные системы, а не просто «дообучать модельку».
➡️ Что вы потеряете, если не впишетесь:
— навык, который уже востребован на рынке
— понимание, как из GPT сделать полноценного помощника, агента или продукт
— шанс догнать тех, кто уже перешёл на следующий уровень
📌 Курс стартует уже завтра
— 5 вебинаров, живая практика, код, разборы, продовые кейсы
— без «посмотрите статью», только то, что реально нужно
Спикеры: Никита Зелинский (МТС), Диана Павликова, Макс Пташник, Дима Фомин — те, кто реально собирает агентные системы, а не просто про них пишет.
❗Старт уже завтра — забронируйте место на курсе сейчас
⚡24 часа до старта курса по AI-агентам. Самое время задуматься о прокачке скиллов, потому что места ограничены!
Если вы до сих пор думаете, что LLM — это просто «вызов через API», то вы рискуете очень скоро оказаться за бортом индустрии.
Модели больше не в центре. Решают те, кто умеет собирать интеллектуальные системы, а не просто «дообучать модельку».
➡️ Что вы потеряете, если не впишетесь:
— навык, который уже востребован на рынке
— понимание, как из GPT сделать полноценного помощника, агента или продукт
— шанс догнать тех, кто уже перешёл на следующий уровень
📌 Курс стартует уже завтра
— 5 вебинаров, живая практика, код, разборы, продовые кейсы
— без «посмотрите статью», только то, что реально нужно
Спикеры: Никита Зелинский (МТС), Диана Павликова, Макс Пташник, Дима Фомин — те, кто реально собирает агентные системы, а не просто про них пишет.
❗Старт уже завтра — забронируйте место на курсе сейчас
👍1
🧠 Почему алгоритмы — это не только теория, а ключ к быстрым приложениям
Многие думают, что спортивное программирование — это абстрактные задачки, далекие от реальности. Но на практике именно это мышление помогает находить решения, которые ускоряют приложения в десятки и сотни раз.
🔍 В статье:
— Как смена одного алгоритма может устранить «тормоза»
— Почему привычка оценивать сложность сразу окупается
— Что такое Trie, префиксные суммы, LRU — и как они спасают прод
— Почему «измеряй, а не гадай» — главный принцип для продакшена
👇 Если вы хотите писать быстрый код, не только рабочий — читайте:
https://proglib.io/sh/BZ6EzqDbaW
Библиотека питониста #буст
Многие думают, что спортивное программирование — это абстрактные задачки, далекие от реальности. Но на практике именно это мышление помогает находить решения, которые ускоряют приложения в десятки и сотни раз.
🔍 В статье:
— Как смена одного алгоритма может устранить «тормоза»
— Почему привычка оценивать сложность сразу окупается
— Что такое Trie, префиксные суммы, LRU — и как они спасают прод
— Почему «измеряй, а не гадай» — главный принцип для продакшена
👇 Если вы хотите писать быстрый код, не только рабочий — читайте:
https://proglib.io/sh/BZ6EzqDbaW
Библиотека питониста #буст
❤7👍2🔥1
🔥 Сегодня стартует курс по AI-агентам!
Онбординг уже сегодня, но ещё можно вписаться — ПОСЛЕДНИЙ ШАНС это сделать.
Мы больше года собирали мультиагентные системы: экспериментировали, переделывали и в итоге — оформили всё в 5 плотных вебинаров.
😤 «А можно ли вообще научиться чему-то за 5 вебинаров?!»
Если вы хотите просто послушать — нет
Если хотите разбираться и делать — да
➡️ На курсе:
— мы не читаем слайдики, а работаем в коде в реальном времени
— можно задавать вопросы прямо на вебинаре
— после каждого вебинара есть домашка и поддержка в чате
И главное — вы получаете системное понимание, а не набор хаотичных туториалов.
⚡️Если вы думаете, что успеете потом — не успеете.
Старт сегодня:
— а те, кто вписался сейчас, будут вас опережать — в проектах, на грейде и в зарплате
Знакомьтесь, эксперт нашего курса:
Никита Зелинский — Chief Data Scientist МТС, Head of ML Platforms, руководитель центра компетенций по Data Science.
❗Стартуем сегодня — забронируй свое место
Онбординг уже сегодня, но ещё можно вписаться — ПОСЛЕДНИЙ ШАНС это сделать.
Мы больше года собирали мультиагентные системы: экспериментировали, переделывали и в итоге — оформили всё в 5 плотных вебинаров.
😤 «А можно ли вообще научиться чему-то за 5 вебинаров?!»
Если вы хотите просто послушать — нет
Если хотите разбираться и делать — да
➡️ На курсе:
— мы не читаем слайдики, а работаем в коде в реальном времени
— можно задавать вопросы прямо на вебинаре
— после каждого вебинара есть домашка и поддержка в чате
И главное — вы получаете системное понимание, а не набор хаотичных туториалов.
⚡️Если вы думаете, что успеете потом — не успеете.
Старт сегодня:
— а те, кто вписался сейчас, будут вас опережать — в проектах, на грейде и в зарплате
Знакомьтесь, эксперт нашего курса:
Никита Зелинский — Chief Data Scientist МТС, Head of ML Platforms, руководитель центра компетенций по Data Science.
❗Стартуем сегодня — забронируй свое место
👍1
🐒 Monkey patching в Python: спасение или анти-паттерн
Monkey patching — это когда вы внедряетесь в чужой код прямо во время выполнения программы.
Например:
— переопределяете метод библиотеки без форка,
— меняете поведение фреймворка на лету,
— или «чините» баг, не дожидаясь pull request'а.
Когда это бывает полезно:
✅ Патчишь баг в библиотеке, который авторы будут чинить 3 месяца
✅ Легаси-проект: трогать архитектуру нельзя, а фичу сдать надо
✅ Хочешь изменить поведение без вмешательства в исходники
А в чём подвох:
❌ Читаемость кода: новый разработчик ничего не поймёт
❌ Ломает совместимость при апдейтах
❌ Трудно отлаживать и тестировать
❌ Можно выстрелить себе в ногу (и команде тоже)
🔥 Вот теперь холиварный момент
Monkey patching — это:
🔥 — Инструмент сильных, просто надо уметь
❤️ — Костыль, который нельзя нормализовать
😃 — Иногда — единственный способ сделать хорошо
👍 — Признак плохой архитектуры, точка
А вы использовали monkey patching в проде?
👇 Расскажите в комментах — чем закончилось и стоило ли оно того?
Библиотека питониста #междусобойчик
Monkey patching — это когда вы внедряетесь в чужой код прямо во время выполнения программы.
Например:
— переопределяете метод библиотеки без форка,
— меняете поведение фреймворка на лету,
— или «чините» баг, не дожидаясь pull request'а.
Когда это бывает полезно:
А в чём подвох:
🔥 Вот теперь холиварный момент
Monkey patching — это:
🔥 — Инструмент сильных, просто надо уметь
❤️ — Костыль, который нельзя нормализовать
😃 — Иногда — единственный способ сделать хорошо
👍 — Признак плохой архитектуры, точка
А вы использовали monkey patching в проде?
👇 Расскажите в комментах — чем закончилось и стоило ли оно того?
Библиотека питониста #междусобойчик
Please open Telegram to view this post
VIEW IN TELEGRAM
😁18❤10🔥10👍2
Вот что появилось или обновилось за последние 7 дней в экосистеме Python:
📍 Релизы
📦 Data, ML, AI, Agents
🧩 Инфраструктура, парсинг, работа с файлами
🧪 Автоматизация, тестирование, Web, BLE
🛠 Разработка серверов и аналитики
Библиотека питониста #свежак
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍6🔥3
Forwarded from Библиотека задач по Data Science | тесты, код, задания
🤔5🔥4
Python Разработчик — от 250 000 до 280 000₽, удалёнка
SDET Python (KLDFS), удалёнка
Python-разработчик — до 1 800 $, удалёнка
Python разработчик — от 1500 до 3000 $, удалёнка
Senior Python Developer (Analytics) — от 300 000 до 400 000 ₽, удалёнка
Библиотека питониста
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1😁1
Шпаргалка: типизированные структуры данных в Python
Python поддерживает типизацию с помощью аннотаций, а также предоставляет удобные инструменты для описания структур — TypedDict и dataclasses.
🆖 Typed Dictionaries (Типизированные словари)
TypedDict похож на обычный словарь, но с подсказками типов для ключей и значений. Это помогает задать чёткие ожидания, какие ключи и значения должны быть в словаре.
Пример:
🆖 Dataclasses (Датаклассы)
Датаклассы упрощают создание классов с данными, автоматически генерируя методы вроде
Пример:
🆖 Вложенные структуры
Типизированные словари и датаклассы можно вкладывать друг в друга, чтобы описать сложные структуры данных.
Пример:
Важные советы:
🔛 Не увлекайтесь глубокой вложенностью! Слишком сложные структуры затрудняют поддержку и понимание.
🔛 Используйте типы для самодокументирования кода. Они помогают избежать ошибок и ускоряют разработку.
🔛 Выбирайте TypedDict, если хотите словарь с проверкой структуры.
🔛 Используйте dataclasses, когда нужна полноценная структура с методами и возможностью наследования.
Библиотека питониста #буст
Python поддерживает типизацию с помощью аннотаций, а также предоставляет удобные инструменты для описания структур — TypedDict и dataclasses.
TypedDict похож на обычный словарь, но с подсказками типов для ключей и значений. Это помогает задать чёткие ожидания, какие ключи и значения должны быть в словаре.
Пример:
from typing import TypedDict
class Metrics(TypedDict):
accuracy: float
precision: float
recall: float
AUC: float | None # необязательное поле
def evaluate_predictions(y_true: np.ndarray, y_pred: np.ndarray) -> Metrics:
# Возвращаем словарь с метриками
return Metrics(accuracy=0.66, precision=1.0, recall=0.5)
my_metrics = evaluate_predictions(y_true, y_pred)
print(my_metrics) # {'accuracy': 0.66, 'precision': 1.0, 'recall': 0.5}
Датаклассы упрощают создание классов с данными, автоматически генерируя методы вроде
__init__
. Можно сделать объекты неизменяемыми с frozen=True
.Пример:
from dataclasses import dataclass
@dataclass(frozen=True)
class ModelConfig:
model_path: str
data_path: str
batch_size: int = 32
learning_rate: float = 1e-3
num_epochs: int = 10
early_stopping: bool = False
config = ModelConfig(model_path="models/v1", data_path="data/train", batch_size=64)
print(config.batch_size) # 64
Типизированные словари и датаклассы можно вкладывать друг в друга, чтобы описать сложные структуры данных.
Пример:
from datetime import datetime
@dataclass
class ExperimentSummary:
datetime: datetime
model_config: ModelConfig
metrics: Metrics
experiment = ExperimentSummary(datetime=datetime.now(), model_config=config, metrics=my_metrics)
print(experiment.model_config.batch_size) # 64
Важные советы:
Библиотека питониста #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍7👏1👾1
🎯 Шпаргалка: 9 способов продвинуть резюме в ТОП на HeadHunter
💼 Обновили резюме, но тишина? Просмотров — ноль, откликов — тем более.
Значит, пора не просто искать работу, а правильно продавать себя системе.
В статье:
— Как работает алгоритм HeadHunter
— Почему ваше резюме могут просто не увидеть
— 9 приёмов, чтобы попасть в ТОП — от ключевых слов до тайминга
🔗 Читайте статью — и пусть рекрутеры вас заметят: https://proglib.io/sh/rStRsQJzH1
Библиотека питониста #буст
💼 Обновили резюме, но тишина? Просмотров — ноль, откликов — тем более.
Значит, пора не просто искать работу, а правильно продавать себя системе.
В статье:
— Как работает алгоритм HeadHunter
— Почему ваше резюме могут просто не увидеть
— 9 приёмов, чтобы попасть в ТОП — от ключевых слов до тайминга
🔗 Читайте статью — и пусть рекрутеры вас заметят: https://proglib.io/sh/rStRsQJzH1
Библиотека питониста #буст
❤3👍1🌚1
Если вы устали от несовпадений между локальными зависимостями, CI и продом, попробуйте перейти на uv — современный инструмент для управления окружением и зависимостями Python.
Вот краткий план, как это сделать:
Создайте или обновите
pyproject.toml
с базовой информацией о проекте:[project]
name = "my-product"
version = "1.2.3"
description = "Our amazing product."
readme = "README.md"
requires-python = "~=3.12"
dependencies = []
Вместо
requirements/*.txt
теперь всё управляется через uv
:uv add -r requirements/base.txt
uv add -r requirements/dev.txt --group dev
uv add -r requirements/deploy.txt --group deploy
git rm requirements/*.txt
uv python install 3.12
uv python pin 3.12
uv sync
>
uv
создаст .venv/
и .python-version
и синхронизирует зависимости.По умолчанию
uv sync
устанавливает только dev-зависимости. Для других групп:uv sync --locked --group deploy
--no-dev
!sed -e '/layout python/ s/^#*/#/' -i .envrc
echo 'export PATH="$(pwd)/.venv/bin:${PATH}"' >> .envrc
direnv allow
Базовый образ:
FROM ghcr.io/astral-sh/uv:python3.12-bookworm
Настройка переменных:
ENV UV_COMPILE_BYTECODE=1
ENV UV_LINK_MODE=copy
ENV VIRTUAL_ENV=/venv
ENV PATH="$VIRTUAL_ENV/bin:$PATH"
Установка зависимостей:
RUN --mount=type=cache,target=/root/.cache/uv \
--mount=type=bind,source=uv.lock,target=uv.lock \
--mount=type=bind,source=pyproject.toml,target=pyproject.toml \
set -ex \
&& uv venv $VIRTUAL_ENV \
&& uv sync --active --locked --no-install-project --no-dev --group deploy
В
.pre-commit-config.yaml
:- repo: https://github.com/astral-sh/uv-pre-commit
rev: 0.7.12
hooks:
- id: uv-lock
- uses: astral-sh/setup-uv@v1
with:
python-version: 3.12
enable-cache: true
cache-dependency-glob: "uv.lock"
- run: uv sync --locked
- run: uv run pre-commit run --all-files
- run: uv run pytest
Обновить конкретный пакет:
uv lock --upgrade-package <package-name>
uv sync --locked
Обновить всё:
uv lock --upgrade
uv sync --locked
Библиотека питониста #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12❤2🔥2😁1
💡 Python-разработчик и хочешь выйти за пределы типовых задач?
Переход в LLM-инжиниринг — мощный горизонтальный шаг с реальным спросом, влиянием и перспективами роста.
Компании ищут специалистов, которые работают с реальными пайплайнами и продакшен-инфраструктурой. Хочешь стать одним из них? Приходи за практикой и знаниями на курс «Инженер LLM» от тех, кто уже строит это сегодня.
Преподаватели — топы индустрии:
— Кристина Желтова, директор по разработке моделей в Газпромбанке
— Александр Потехин, NLP Lead в X5 Tech
— Евгений Кокуйкин, CEO Raft, эксперт по LLM-инфраструктуре
Это не лекции «про будущее», а опыт тех, кто уже создает LLM-системы для банков, ритейла и платформ с миллионами пользователей.
Ты научишься:
➡️ дообучать модели (fine-tuning, PEFT, RLHF);
➡️ работать с LangChain, LangGraph и векторными базами;
➡️ строить RAG‑системы, внедрять инфопоиск и защищать LLM;
➡️ собирать пайплайны, деплоить, трекать, вести версионирование;
➡️ проектировать мультиагентные решения и ассистентов.
Смотри программу и оставляй заявку 🔗
Обучение у тех, кто уже запускает LLM в продакшене — лучший вклад в твою AI-карьеру😎
Реклама. АНО "ЦЕНТР РАЗВИТИЯ ИТ-КОМПЕТЕНЦИЙ «ГИГА ШКОЛА»", ИНН 7453352684. Erid 2VtzqwqX9Z1
Переход в LLM-инжиниринг — мощный горизонтальный шаг с реальным спросом, влиянием и перспективами роста.
Компании ищут специалистов, которые работают с реальными пайплайнами и продакшен-инфраструктурой. Хочешь стать одним из них? Приходи за практикой и знаниями на курс «Инженер LLM» от тех, кто уже строит это сегодня.
Преподаватели — топы индустрии:
— Кристина Желтова, директор по разработке моделей в Газпромбанке
— Александр Потехин, NLP Lead в X5 Tech
— Евгений Кокуйкин, CEO Raft, эксперт по LLM-инфраструктуре
Это не лекции «про будущее», а опыт тех, кто уже создает LLM-системы для банков, ритейла и платформ с миллионами пользователей.
Курс разработан GIGASCHOOL совместно с крупнейшей магистратурой по ИИ AI Talent Hub.
Ты научишься:
▪️ 252 часа теории и практики
▪️ диплом о профессиональной переподготовке
▪️ старт 14 июля, 18 недель онлайн с продуманными каникулами
▪️ 29 667 ₽/мес в рассрочку
▪️ повышение цены — 11 июля
Смотри программу и оставляй заявку 🔗
Обучение у тех, кто уже запускает LLM в продакшене — лучший вклад в твою AI-карьеру
Реклама. АНО "ЦЕНТР РАЗВИТИЯ ИТ-КОМПЕТЕНЦИЙ «ГИГА ШКОЛА»", ИНН 7453352684. Erid 2VtzqwqX9Z1
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1