About Python [ru]
6.35K subscribers
319 photos
1 video
1.69K links
Все о Python: алгоритмы, паттерны проектирования, задачи, нейронные сети

Канал на бирже - https://telega.in/c/python_tesst

По вопросам рекламы или разработки: @g_abashkin
Download Telegram
👩‍💻 Генетический алгоритм в помощь Adam — супер, но есть нюанс

В статье объясняют, как генетический алгоритм может помочь оптимизировать обучение нейросетей с Adam: гибридный подход, библиотека Deap и немного экспериментов без лишней математики.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Qt for Python: PySide6

Статья для новичков про использование Qt на языке Python используя официальную библиотеку-привязку PySide6. Ознакомление с созданием графических приложений на языке Python.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Создаем интерактивную симуляцию лесного пожара на Python с использованием клеточных автоматов

В статье рассказывают, как моделировать лесные пожары на компьютере: понять хаос огня, предсказать его путь и даже экспериментировать с распространением — без реального риска.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
⚙️ Что такое any и all в Python и зачем они используются?

any и all — это встроенные функции в Python, которые проверяют значения в итерируемом объекте.

any возвращает True, если хотя бы одно значение истинное.
all возвращает True, если все значения истинные.

➡️ Пример:
numbers = [0, 2, 4, 6]

# Проверка: есть ли хотя бы одно ненулевое число
print(any(numbers)) # True

# Проверка: все ли числа ненулевые
print(all(numbers)) # False


🗣️ В этом примере any возвращает True, так как есть ненулевые значения, а all — False, так как присутствует 0. Эти функции полезны для упрощения проверки условий в списках и других коллекциях.


🖥 Подробнее тут
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Моделирование работы гидроциклона для очистки воды от нефти с помощью ML

В статье рассказывают, как с помощью ML моделировали работу гидроциклонов для очистки воды от нефти: почему отказались от физмат-моделей, ключевые этапы и результаты.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
1
👩‍💻 Сравнение Bash и Python при написании скпритов в Linux

Командный интерпретатор Bash и язык программирования Python — два ключевых инструмента в работе с Linux-системами. В статье сравниваются их возможности для скриптов и системных задач.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Укрощение монстров: мониторинг и управление ресурсоемкими запросами в Django + PostgreSQL

Каждый Django-разработчик рано или поздно сталкивается с неожиданно «тяжелыми» запросами, способными превратить быстрое приложение в неповоротливого слона. Рассказываем, как с помощью django-pgactivity выследить и обезвредить такие запросы, прежде чем они создадут проблемы вашим пользователям.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
Запуск демо на Django часто отнимает силы и время?
Без паники, решение есть 🦸

Поговорим о работе с Django на вебинаре от облачного провайдера Cloud․ru 28 октября в 11:00 по мск.

Будет много практики: в real-time эксперт развернет демопроект на Django в сервисе Evolution Container Apps.

А еще вам расскажут, как:
➡️разместить файлы в Evolution Object Storage
➡️подключить это хранилище напрямую к приложению
➡️сохранить данные при перезапуске контейнеров
подключить Evolution Foundation Models в VS Code
➡️и навайбкодить Django-приложение в паре с AI


Все, кто хочет быстрее выкатывать проекты в продакшен, — регистрируйтесь 👈
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2👎1
👩‍💻 Пишем небольшое приложение на Python для повышения продуктивности с помощью ИИ и BotHub API

Статья объясняет, как создать приложение для автоматического анализа онлайн-встреч. Используя API BotHub (Whisper-1 + Claude 3.5 Sonnet), вы научитесь извлекать ключевые идеи, распределять задачи и генерировать отчёты в формате PDF.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Задачка по Python

Напишите функцию, которая принимает список чисел и возвращает второе наибольшее число. Если в списке меньше двух уникальных чисел, функция должна вернуть None.

➡️ Пример:

[10, 20, 4, 45, 99]
45

[5, 5, 5]
None


Решение задачи ⬇️

def find_second_largest(numbers):
# Удаляем дубликаты и сортируем список в порядке убывания
unique_numbers = sorted(set(numbers), reverse=True)
# Если уникальных чисел меньше двух, возвращаем None
return unique_numbers[1] if len(unique_numbers) >= 2 else None

# Пример использования:
print(find_second_largest([10, 20, 4, 45, 99])) # Ожидаемый результат: 45
print(find_second_largest([5, 5, 5])) # Ожидаемый результат: None
Please open Telegram to view this post
VIEW IN TELEGRAM
2
👩‍💻 Кастомизация Django Admin. Часть 1: Структура шаблонов

Статья открывает цикл о кастомизации Django админки, начиная с основ. Рассматриваются ключевые шаблоны и механизм их поиска, чтобы упростить понимание структуры и облегчить работу с админкой.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
ИИ в кино — это уже реальность. На примере Wink AI Challenge показываем, как ML-инженер может превратить фильм в набор данных и помочь продюсерам:
🔸 Анализировать сценарий с помощью NER и NLP.
🔸 Генерировать раскадровки на базе text-to-image и text-to-video.
🔸 Прогнозировать возрастной рейтинг фильма по описанию сцен и готовым кадрам.

Эти задачи предстоит решать на Wink AI Challenge — хакатоне на стыке кино и ИИ. Регистрация открыта до 31 октября.

Если вас пугает слово «превизуализация», вы не знаете, чем отличаются форматы сценариев и как рассчитывается возрастной рейтинг, статья поможет разобраться. Внутри — реальные примеры из культовых фильмов и рекомендации по использованию моделей CLIP, Wan-AI, Qwen3-Omni и множества других.

В статье есть всё, чтобы быстро погрузиться в тему и подобрать рабочие инструменты: https://cnrlink.com/winkaboutpyblogarticle
👩‍💻 Задачка по Python

Напишите функцию, которая принимает строку и возвращает список всех её подстрок. Подстрока — это непрерывная последовательность символов, содержащаяся в строке.

➡️ Пример:

"abc"
['a', 'ab', 'abc', 'b', 'bc', 'c']


Решение задачи ⬇️

def generate_substrings(s):
substrings = []
for i in range(len(s)):
for j in range(i + 1, len(s) + 1):
substrings.append(s[i:j])
return substrings

# Пример использования:
input_string = "abc"
result = generate_substrings(input_string)
print(result) # Ожидаемый результат: ['a', 'ab', 'abc', 'b', 'bc', 'c']
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Состояние производительности Python 3.13: Free-Threading

Статья посвящена новому free-threaded режиму в CPython 3.13, который открывает возможности параллельного выполнения потоков. Рассматриваются особенности его использования и влияние на производительность.

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM
1
👩‍💻 Что такое list comprehension в Python и как он работает?

List comprehension — это лаконичный способ создания списков в Python. С его помощью можно быстро преобразовать или отфильтровать элементы из другого итерируемого объекта, написав компактный и читаемый код.

➡️ Пример:

# Создание списка квадратов чисел от 0 до 9
squares = [x**2 for x in range(10)]
print(squares) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# Фильтрация чётных чисел
evens = [x for x in range(10) if x % 2 == 0]
print(evens) # [0, 2, 4, 6, 8]


🗣️ List comprehension позволяет комбинировать создание и обработку списков в одну строку, что делает код более компактным и удобным для чтения. Однако его стоит использовать разумно, чтобы не усложнять логику.


🖥 Подробнее тут
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Python + Pygame = Amazing Frogs: создаем крутую головоломку

Готов создать игру, от которой не оторвешься? Давай вместе сделаем Amazing Frogs – убийцу Тетриса на Python! Тут тебе и падающие блоки, и взрывающиеся цвета, и хитрая механика. Запасайся кофе, открывай IDE, и поехали превращать код в игровое безумие!

Читать...
Please open Telegram to view this post
VIEW IN TELEGRAM