How the Self-Driving Tech Stack Works
https://cardog.app/blog/autonomous-driving-stack-technical-guide

A technical guide to how self-driving cars actually work. CAN bus protocols, neural networks, sensor fusion, and control system with open source implementations, most of which can be accessed through Python.

Managing Shared Data Science Code With Git Submodules
https://codecut.ai/managing-shared-data-science-code-git-submodules/

Learn how to manage shared code across projects using Git submodules. Prevent version drift, maintain reproducible workflows, and support team collaboration with practical examples.

py2many: Transpiler of Python to Many Other Languages
https://github.com/py2many/py2many

Ускоряем pandas, не переписывая код. Мой опыт с FireDucks
https://habr.com/ru/companies/ozontech/articles/1005590/

В своей работе я часто сталкиваюсь с проблемой масштабируемости в pandas. Код, который быстро работает на гигабайте данных, начинает невыносимо тормозить на десяти. Уверен, эта боль знакома многим.

Векторный поиск в PostgreSQL: PGVector, SQLAlchemy и FastAPI
https://habr.com/ru/articles/1006364/

Реализуем сервис семантического поиска на базе PostgreSQL с расширением PGVector. В статье: настройка БД через Docker, миграции Alembic, асинхронный слой на SQLAlchemy и API на FastAPI.

Propensity Score Matching: как строить аналоги A/B-тестов, когда эксперименты невозможны
https://habr.com/ru/companies/yandex/articles/1004060/

В этой статье я расскажу, как мы применяли PSM (Propensity Score Matching) — статистический метод, который позволяет корректно сравнивать группы, уменьшая систематические различия между ними. Подробно разберу, как выровнять группы теста и контроля с помощью PSM, расскажу о типичных ошибках (например, утечке признаков), дам практические рекомендации по сбору и выбору фич для мэтчинга, а также покажу, как валидировать полученные результаты и оценить их достоверность.

Как мы сделали AI code review через Ollama без облака?
https://habr.com/ru/articles/1006258/

Как запустить AI code review по git diff на своей машине через Ollama - без облака и API-ключей? Установка, конфиг и пример отчёта.

Научил ИИ-агента помнить важное и забывать лишнее в SQLite
https://habr.com/ru/articles/1006622/

Я делаю локально работающего ИИ-агента и столкнулся с тем, что стандартный подход «закинуть текст в векторную базу, достать по косинусу» для долгоживущего агента не работает: контекст замусоривается, факты конфликтуют, ничего не забывается. Вместо этого реализовал графовую когнитивную память поверх одного файла SQLite

10 900 тестов или почему ваш мониторинг должен быть протестирован
https://habr.com/ru/articles/1006610/

Мониторинг мониторинга - звучит как масло масляное. Ведь наш сервис должен быть надёжнее, чем объекты, которые он отслеживает. Расскажу, как мы дошли до 10 900 автоматических тестов (5100 на бэкенде и 5812 на фронтенде). Все цифры и технологии - строго из нашего репозитория . Без хайпа, только факты, код и архитектурные решения.

redis - 7.3.0
https://pypi.org/project/redis/7.3.0/

Python клиент для Redis. Скачать можно по ссылке: https://pypi.python.org/pypi/redis/

Как я определял дистрибутивы Linux по установленным пакетам, и при чем тут KUMA?
https://habr.com/ru/articles/1006546/

Как определить дистрибутив Linux? А что, если имеется только информация о пакетах, установленных на устройстве? История одного «велосипеда» или мы не нашли готового решения.Представьте, что вам нужно определить дистрибутивы, опираясь исключительно на установленные пакеты.

Как мы научились честно считать эффект промокодов: Causal Inference в онлайн-доставке
https://habr.com/ru/companies/X5Tech/articles/1005410/

Сегодня расскажу о модели, которую мы построили для оценки реального эффекта промокодов. Главные вопросы: кому, какой, и зачем мы выдаем промокод. Спойлер: ответ нас удивил. И именно этот ответ стал главной причиной, по которой эту модель вообще стоило строить.

Deprecate confusing APIs like “os.path.commonprefix()”
https://sethmlarson.dev/deprecate-confusing-apis-like-os-path-commonprefix